음악에 대한 선호도는 다양한 요소들에 의해 결정되며, 추천의 이유를 보여주는 특성을 발굴하는 것은 음악 추천에 있어 중요하다. 본 논문은 가수 인식 작업을 통해 학습한 모델을 활용하여 다양한 음악적 특성을 반영하는 요소들 중 가수의 목소리 특성을 추출하는 방법을 제안한다. 배경음이 포함된 음원 역시 활용할 수 있지만, 음원에 포함된 배경음은 네트워크가 가수의 목소리를 온전하게 인식하는 것을 방해할 수 있다. 이를 해결하기 위해 본 연구에서는 음원 분리를 통해 배경음을 분리하는 사전 작업을 수행하고자 하며, SiSEC에 등장해 검증된 모델 구조를 활용하여 분리된 보컬로 이루어진 데이터 세트를 생성한다. 최종적으로 분리된 보컬을 활용하여 아티스트의 목소리를 반영하는 음색 기반 음악 특성을 발굴하고자 하며, 배경음이 분리되지 않은 음원을 활용한 기존 방법과의 비교를 통해 음원 분리의 효과를 알아보고자 한다.
본 논문에서는 기본적으로 음악 청각자극이 학습활동에 어떤 영향을 미치게 되는지를 뇌파를 통하여 분석하였다. 음악적 청각자극은 진정성향과 자극성향 그리고 선호음악과 비선호음악으로 나누어서 실험을 하였고, 학습활동 과제는 수학과제와 암기과제로 구분하여 실험하였다. 뇌파 실험에서 계측한 데이터는 인간의 집중과 관련이 있는 것으로 알려진 SMR파의 파워 스펙트럼으로 분석하여 정량적 비교에 활용하였다. 본 논문의 결과에서는, 음악이 자극으로 주어진 경우가 주어지지 않은 경우보다 파워가 크게 관측되었고, 과제의 유형과 관계없이 진정성향의 경우가 자극성향의 경우보다 뇌파의 파워가 더 크게 관측되었으며, 선호음악의 경우가 비선호음악의 경우보다 뇌파의 파워가 더 크게 관측되었다. 이들 결과로부터 음악 청각자극이 있는 경우, 진정성향의 음악의 경우, 선호음악의 경우가 상대적 경우보다 집중력을 높일 수 있을 것으로 추정한다.
학습장애를 가진 청소년들은 일반인들에 비해 학습에 필요한 기본 기술의 하나인 주의집중력의 습득에 있어서 어려움을 보이며 이로 인하여 학업성취에 문제를 가져온다. 음악은 주의집중력을 향상시키기 위한 중요한 도구가 될 수 있으며 정서적으로 민감한 청소년기의 학습장애인들에게 거부감을 주지 않는 좋은 자극제로 작용할 수 있다. 이에 본 연구는 학습장애 청소년을 위한 개별 음악 활동을 실시하여 주의집중력의 향상에 미치는 영향에 대해 연구하였다. 연구대상자는 중학교 1학년 2명과 중학교 2학년 1명으로 3명에 대한 사례연구를 실시하였다. 음악 활동은 연구자와 대상자가 일대 일로 실시하였으며 주 2회, 10주 동안 총 20회기로 진행되었으며 매 회기는 30분씩 이루어졌다. 한 회기에 실시된 활동은 다음 회기에 다시 반복되었으며 연구기간 동안 총 10개의 음악활동 계획안을 적용하였다. 음악 활동은 연구자가 학습장애 청소년을 위하여 만든 것으로 음악과 노래, 음악과 악기 연주, 음악 감상의 세 영역에서 이루어졌다. 본 연구에서 대상자의 주의집중력의 향상 정도를 알아보기 위하여 음악 활동을 실시하기 전 후 1주에 FAIR 주의집중력 검사와 Conners의 주의집중행동 평가 척도를 평정하였다. 또한 비디오 관찰을 통하여 연구자가 제시하는 과제 수행의 정확도가 회기별로 어떻게 변하는지 분석하였고 매 회기별로 10분씩 눈맞춤 횟수를 측정하였다. 본 연구를 통해 얻어진 결과는 첫째, 구조화된 음악활동이 학습장애를 가진 청소년들의 FAIR주의집중력 검사와 과제 수행의 정확도에 있어서 증가를 보임으로써 본 연구에 참가한 3명의 학습장애 청소년들의 주의집중력 향상에 긍정적인 영향을 미쳤다. 둘째, Conners주의집중행동 평가척도를 이용한 사전 사후 검사결과와 눈맞춤 행동의 변화를 분석하였을 때, 본 연구에 참가한 3명의 학습장애 청소년들의 주의집중 행동의 증가를 보임으로써 이들의 주의집중행동의 향상시켰다.
This paper describes an approach of composing music with multiple AI composers. This approach enriches more the creativity space of artificial intelligence music composition than using only one composer. This paper presents a simple example with 2 different deep learning composers working together for composing one music. For the experiment, the two composers adopt the same deep learning architecture of an LSTM model trained with different data. The output of a composer is a sequence of notes. Each composer alternatively appends its output to the resulting music which is input to both the composers. Experiments compare different music generated by the proposed multiple composer approach with the traditional one composer approach.
4차 산업혁명과 21세기 지식정보사회의 혁신적인 변화에 발맞춰 2015 개정 교육과정이 적용된 교육 현장은 다양한 교수학습 방법을 고민해야 하는 상황에 직면해 있다. 그중 미래 교육에 적합한 플립러닝을 적용한 교수설계에 대한 관심이 높아지고 있으나, 실제 음악과 교육에서 플립러닝을 활용한 수업에 대한 연구는 드문 실정이다. 현재 초등 교육 현장에서 이루어지고 있는 일반적인 음악과 수업에서는 해당 차시에 목표로 하는 음악적 기능을 익히기에 부족한 상황이다. 이에 본 연구는 설계개발 연구 방법론을 활용하여, 체제적 교수설계 모형인 ADDIE 모형을 바탕으로 플립러닝을 적용한 초등학교 음악과 수업을 위한 교수설계 모형을 개발하고 타당화를 진행하였다. 개발된 교수설계 모형을 바탕으로 각 단계별 주요 사항에 대해 제시하였으며, 개발 과정에서의 주요 교육적 시사점을 논의하였다.
정보통신의 발달과 함께 평등한 교육기회를 제공해야 한다는 인식은 원격교육의 발달을 가져오게 되었으며, 이는 미래의 새로운 교육시스템으로 자리 잡고 있다. 학위 취득을 원하는 현직 교사들에게 온라인 원격교육은 시간적, 공간적 제약, 비용과 같은 걸림돌 없이, 전문성을 함양할 수 있는 대안으로 제시되고 있으며, 미국에서는 이미 음악교육 분야에서 온라인 석사학위과정이 운영되고 있다. 이에 National Association of Schools of Music(NASM)이 승인한 총 8개의 대학을 선정하여, 입학요건, 프로그램의 특징, 교육과정을 비교분석하였다. 온라인 원격교육의 편리함을 담보로 한 양적 팽창과 함께 온라인 교육과정의 질에 대한 우려도 계속적으로 제기되고 있다. 온라인 교육을 위한 교수진의 재교육 뿐 아니라, 기술적 지원에 대한 문제, 지적재산권, 소유권과 같은 행정적인 문제, 시스템 구축을 위한 기술적 문제, 온라인 교육과정의 계획, 개발, 평가를 위한 기준 마련 등 생각해야 될 부분이 많이 있다. 하지만, 다양한 관점에서의 연구를 바탕으로 교육이론과 실제사이의 격차를 줄여 나간다면 궁극적으로, 지리적, 시간적으로 소외된 계층에게 학습의 기회를 제공함으로써 국가 경쟁력 강화에 이바지 할 것으로 기대된다.
인간이 가진 뛰어난 능력 중의 하나인 곡 분류 과정을 딥러닝 알고리즘을 통해 구현하는 연구는 단일데이터를 이용한 유니모달 모델, 멀티모달 모델, 뮤직비디오를 이용한 멀티모달 방식 등이 있다. 이 연구에서는 곡의 스펙트로그램을 짧은 샘플들로 분할하여 각각을 CNN으로 분석한 뒤 그 결과를 투표하는 시스템을 제안하여 더 좋은 결과를 얻었다. 딥러닝 알고리즘 중 CNN이 RNN에 비해 음악 장르 구분에 있어 우수한 성능을 보였으며 CNN과 RNN을 같이 적용했을 때 성능이 좋아짐을 알 수 있었다. 음악샘플을 나누어 각각의 CNN 결과를 투표하는 시스템이 이전 모델에 비해 좋은 결과를 나타내었고 이 모델에 Softmax 레이어를 추가한 모델이 가장 좋은 성능을 보였다. 디지털 미디어의 폭발적인 성장과 수많은 스트리밍 서비스 속에서 음악장르의 자동분류에 대한 필요는 점점 증가하고 있는 추세이다. 향후 연구에서는 미분류 곡의 비율을 낮추고 최종적으로 미분류된 곡들의 장르구분에 대한 알고리즘을 개발할 필요가 있을 것이다.
Music brings pleasure and relaxation to people. Therefore, it is necessary to classify musical genres based on scenes. Identifying favorite musical genres from massive music data is a time-consuming and laborious task. Recent studies have suggested that machine learning algorithms are effective in distinguishing between various musical genres. However, meeting the actual requirements in terms of accuracy or timeliness is challenging. In this study, a hybrid machine learning model that combines a deep residual auto-encoder (DRAE) and support vector machine (SVM) for musical genre recognition was proposed. Eight manually extracted features from the Mel-frequency cepstral coefficients (MFCC) were employed in the preprocessing stage as the hybrid music data source. During the training stage, DRAE was employed to extract feature maps, which were then used as input for the SVM classifier. The experimental results indicated that this method achieved a 91.54% F1-score and 91.58% top-1 accuracy, outperforming existing approaches. This novel approach leverages deep architecture and conventional machine learning algorithms and provides a new horizon for musical genre classification tasks.
맞춤형 교육을 위해 학습자에 맞는 학습 경로를 탐색하는 것은 필수적이다. 유전 알고리즘은 해공간이 매우 커서 결정적 방법으로 해를 구하기 어려울 때 타당한 시간 내에 최적해를 찾게 해준다. 본 연구는 유전 알고리즘을 이용하여 200개 코드를 가진 악보 27개를 대상으로 학습자 부담을 최소화하고 단계별 학습량을 균등하게 분산함으로써 학습 효과를 최대화 할 수 있도록 학습 경로를 최적화하였다. 학습 컨텐츠가 27개만 되어도 학습 경로의 순열 크기는 $10^{28}$을 넘지만, 본 연구에서 구현한 도구로 평균 20분 이내에 최적해를 구할 수 있었다. 실험 결과는 유전 알고리즘이 다양한 목적의 맞춤형 교육을 위한 복잡한 학습 경로 설계에 효과적임을 보여주었다. 제안한 방법은 다른 교육 도메인에도 활용할 수 있을 것으로 기대된다.
최근 뮤직프로덕션이라는 새로운 학문이 우리나라에 도입되어 대학현장에서 학생들에게 교육되기 시작했지만 교수 학습에서의 효율적인 방법들의 부족으로 교육이 제대로 이루어지기 힘든 실정이다. 뮤직프로덕션에서의 음향시스템에 관한 학습은 단순한 지식전달위주의 교육방법으로는 효과적인 교수 학습을 하기 어려운 점이 많다. 음향 기기의 발전이 급속히 일어남에 따라 학교에서 배우고 익힌 지식과 기술을 졸업 후 현장에 그대로 적용하는 것에는 한계가 있다. 따라서 학교에서의 교육은 지식이나 기술 전달 학습뿐만 아니라 학습자들이 현장에서 활동 할 때 실제로 주어지는 상황에 대한 문제를 해결할 수 있는 능력을 키우는 것이 더욱 중요하다. 따라서 본 연구는 대학의 뮤직프로덕션에서 효과적인 음향시스템 학습이 이루어지기 위해 문제중심학습을 도입한 웹기반 음향 학습 시스템을 설계하였다.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.