使用者音樂描述及音樂資訊需求描述之分析研究

全文

(1)國立臺灣師範大學圖書資訊學研究所碩士學位論文. 指導教授：邱銘心博士. 使用者音樂描述及音樂資訊需求描述之分析研究 An Analysis of Users’ Description of Music and Music Information Needs. 研究生：廖家慧撰. 中華民國一 ○ 一年六月.

(2) 謝辭終於，剩下最後也最重要的這一頁。一路走來，從一開始尚未成熟的想法，延伸、實驗、修改、再修改，到最後一字一字建構出這本厚厚的論文，這份成果是無數次的失敗和許多人對我的鼓勵所堆砌出來的。真的很感謝一路支持、教導和包容我的銘心老師，總是不斷的鼓勵我並且給我很大的空間思考、嘗試，不厭其煩的與我討論、指導和給予建議。亦師亦友的相處中，我學到更為珍貴的處世態度。感謝小蝶老師，在我研究生涯的第一年當中，給我很多不同的學習機會，帶著我見識國外的學術會議，參加人生第一次的國際海報發表，告訴我許多人生經驗也鼓勵我不斷精進自己。每次和老師的談話中，總能獲得很多啟發。兩年的研究生涯中，我真的感到很幸運能擁有兩位這麼棒的老師的指導和照顧。另外還謝謝我的口委，牧群老師，您的建議和鼓勵讓我獲益良多。寫論文的過程中，難免處於緊張、不安的情緒，更時常感到焦慮、暴躁或懷疑，此時同學之間的鼓勵，就是我一次次繼續前進的動力。喜歡和同班同學們之間彼此的問候、打氣。尤其是文傑總是激勵著我的進度，互相叮嚀，讓我不至於鬆懈、停滯。謝謝沂瀅、鴻晢、龐龐對我的照顧，共同實習的革命情感讓我結交了你們幾個很好的朋友。感謝師大圖資所提供我許多資源，讓我在兩年的研究生生涯中過得特別充實。在這個小小的空間裡，很像一個大家庭，每次走進所上，聊天笑鬧中，感受總是特別溫馨。這兩年中留下許多難忘的回憶，特別感謝老師們、助教們的全力支持，讓我有難得的機會參與許多國際學術會議以及到美國威斯康辛大學圖書館實習。謝謝所上的每一位老師和助教的教導和幫忙，皓仁老師、昭珍老師、小蝶老師、銘心老師、建成老師、吉隆老師、美美老師、苑菁助教、奕翔助教，謝謝你們。最重要的，感謝我親愛的朋友，阿分。在我寫論文的過程中一路陪我走來，每次感到低落和氣餒時，陪我吃吃喝喝、郊遊玩樂，給我鼓勵和信心。.

(3) 最感謝的莫過於我最愛的老爸、老媽、老弟，謝謝你們無時無刻在一旁支持著我，給我一個溫暖的家，讓我勇敢地朝夢想前進。我想要將我的成就獻給我的家人，還有舅媽、二舅、四舅、四舅媽，有你們的疼愛，讓我變成更好的人。未來，我也會更努力的走下去。家慧 2012/08/15.

(4) 摘要音樂能讓人表達情緒（Juslin & Laukka, 2004）、抒發心情。在網路越趨發達及線上音樂快速崛起的環境下，聆聽線上音樂成了現代人重要的休閒活動之一。然而線上音樂選擇眾多，如何幫助使用者找到符合期望的音樂，以滿足其音樂資訊需求即為重要的課題。傳統的音樂詮釋、分類方式（如：歌手、歌名、音樂類型等等）無法針對特定情境、情緒及使用目的，來滿足使用者的未知音樂資訊需求，也無法讓使用者享有音樂探索的樂趣。本研究認為線上音樂檢索系統除了提供傳統的音樂描述之外，還應包含以使用者為中心的各種音樂描述屬性。因此本研究旨在找出所有以使用者為中心的潛在音樂描述屬性，研究設計上從音樂感知和特定情境之下的未知音樂資訊需求等兩個面向來蒐集描述內容，再採以內容分析、實驗及訪談等方法，蒐集和分析使用者之音樂及音樂資訊需求描述內容。最後進行歸納和分類，建構完整的音樂描述屬性架構。為取得使用者之未知音樂資訊需求描述，本研究從 KKBOX 以及 PTT 之音樂討論區中，立意取樣 500 則包含未知音樂資訊需求之提問進行內容分析。研究結果顯示，線上音樂提問中的描述屬性主要包含 48 個屬性，可歸納為「音樂描述資訊」、「音樂相關資訊」、「舉例參考」、「使用者資訊」、「音樂相關情境」、「音樂認知」等六大類別。研究發現除了客觀描述之外，使用者利用大量的認知、感受、想法或是與音樂相關的情境等主觀詞彙來幫助描述未知音樂資訊需求。此外，本研究一共邀請了 24 位使用者進行音樂描述實驗，以蒐集使用者之音樂描述資料。實驗除了「音樂描述任務」，另外設計了「音樂檢索描述」、「音樂畫面描述」和「音樂情境描述」等三個任務，以找出多種描述情境之下的潛在描述屬性，並輔以訪談來了解使用者描述的內在意涵。最後以內容分析法整理上述資料內容。研究結果發現從四個任務中分別包含不同層面的音樂認知特性，全部音樂描述中一共包含 74 個屬性，可歸納為「音樂描述資訊」、「音樂相關資訊」、 i.

(5) 「舉例參考」、「使用者資訊」、「音樂相關情境」、「音樂認知」和「視覺元素」等七大類別，並發現視覺描述有助於音樂感知和描述。整體而言，使用者對於音樂需求或音樂本身的認知及描述方式相當廣泛且多元，除了包含大量的聯想之外，還與使用者本身具有高度的連結性；另外，音樂聆聽或使用情境對使用者的描述有重要的影響。根據上述研究結果，本研究提出以下建議：建議提供完整、多元的音樂描述方式，讓使用者能依照特定情境、情緒或使用目的來找尋音樂，例如事件、場合、情緒、抽象形容、作用等主觀描述屬性；對於音樂推薦服務，建議增加多重條件的音樂篩選模式，讓使用者能夠交叉查詢的方式滿足特殊的音樂需求；對於音樂探索，則建議針對「視覺畫面」和「聯想物」等跳脫音樂層次的描述概念，提供瀏覽或是圖像替代的描述方式，增加使用者和音樂偶遇的機會，以幫助使用者從中得到更佳的音樂探索經驗。關鍵字：線上音樂、音樂屬性架構、音樂資訊檢索、音樂描述、未知音樂資訊需求、音樂推薦、音樂探索. ii.

(6) Abstract Music can let people express their emotions (Juslin & Laukka, 2004) and also their feelings. Under the rapid rise of Internet and online music, listening to online music has become one of everyone's major leisure activities. How to help users find the music which meet their music information needs is an important issue. Most of the online music retrieval systems use the traditional musical bibliographic metadata (such as artist, song title, genre, etc.) to describe and classify music collection. However, such classification doesn't meet users' unknown music information needs. This study suggests that in addition to traditional music attributes, music retrieval system should also provide a variety of user-centered music attributes. This study collects 500 online music queries of unknown music information needs from the the KKBOX and PTT music forum. By doing content analysis, we found 48 attributes from the music queries which can be summarized as 6 categories. It shows that users use a lot of subjective descriptions with music cognition, feelings, ideas and contexts in addition to objective descriptions to help describe the unknown music information needs. In addition, this study invited a total of 24 users to join the music describing experiment to collect their music descriptions. The experiment includes four different tasks to explore all potential music attributes from a variety of contexts. All information gathered from tasks will be analyzed through Content analysis. The results show that there are a total of 74 attributes and can be summarized as 7 categories. We can see different phases of music characteristics. Furthermore, the results show that visual description can help music recognition and description. Overall, the users’ cognition and description of music and music information iii.

(7) needs are extensive and diverse. The descriptions are full of association and high connection with users. Moreover, contexts of music listening and uses have great impact on users' music description. Based on the findings, this study offer the following recommendations: music retrieval systems should provide complete and diverse music attributes, allowing users to find the music in accordance with the specific context, mood or purpose of use; for better music recommendation service, it should provide multiple attributes choices, allowing users to cross search the music; for better music discovery service, it is recommended to provide attributes like "music images" and "association objects" to increase the opportunities of music encountering. At last, all recommendations are to help users have better music discovery experiences.. Keywords: Online Music, Music Attributes Model, Music Information Retrieval (MIR), Music Description, Unknown Music Information Need, Music Recommendation, Music Discovery. iv.

(8) 目次第一章緒論.................................................................................................................. 1 第一節研究背景與動機...................................................................................... 1 第二節研究目的與問題...................................................................................... 5 第三節研究範圍與限制...................................................................................... 6 第四節名詞解釋.................................................................................................. 8 第五節預期貢獻................................................................................................ 10 第二章文獻探討........................................................................................................ 11 第一節音樂推薦相關研究................................................................................ 11 第二節音樂探索及瀏覽行為............................................................................ 16 第三節音樂描述相關研究................................................................................ 19 第四節音樂聆聽與音樂感知............................................................................ 29 第五節現今線上音樂服務................................................................................ 34 第六節總結........................................................................................................ 46 第三章研究方法與設計............................................................................................ 47 第一節研究架構................................................................................................ 47 第二節研究流程................................................................................................ 49 第三節研究方法與研究對象............................................................................ 51 第四節研究工具................................................................................................ 58 v.

(9) 第五節資料分析................................................................................................ 61 第六節研究倫理................................................................................................ 64 第七節音樂描述實驗實施................................................................................ 65 第四章研究結果........................................................................................................ 67 第一節未知音樂資訊需求的描述屬性............................................................ 67 第二節使用者的未知音樂資訊需求描述特徵................................................ 87 第三節使用者的音樂描述屬性...................................................................... 105 第四節使用者的音樂描述特徵...................................................................... 125 第五節未知音樂資訊需求描述與音樂描述比較分析.................................. 143 第五章結論與建議.................................................................................................. 153 第一節結論...................................................................................................... 153 第二節建議...................................................................................................... 161 第三節未來研究建議...................................................................................... 164 參考文獻.................................................................................................................... 166 附錄一線上音樂使用者行為調查問卷.................................................................. 172 附錄二音樂描述描述任務單.................................................................................. 173 附錄三音樂描述實驗訪談大綱.............................................................................. 174 附錄四音樂描述實驗指定曲目.............................................................................. 175. vi.

(10) 表次表 2-1 Juslin & Laukka 研究中使用者認為音樂能狗表達的情緒頻率 ................... 12 表 2-2 人們最常聽音樂並同時執行的活動調查（Juslin & Laukka, 2004） ........ 14 表 2-3 實際偶遇音樂地點 ........................................................................................ 17 表 2-4 Lee 和 Downie（2002）推薦的音樂詮釋資料架構..................................... 20 表 2-5 Last.fm 中標籤類型次數分佈（Lamere, 2008） .......................................... 21 表 2-6 使用者的音樂描述類別次數分佈以及例子（Kim & Belkin, 2002） ....... 24 表 2-7 音樂資訊需求描述類別（Bainbridge et al., 2003） .................................... 25 表 2-8 音樂資訊需求描述中書目類別的子類別（Bainbridge et al., 2003） ......... 25 表 2-9 音樂資訊需求描述類別（Downie & Cunningham, 2002） ........................ 27 表 2-10 實際音樂資訊需求類別（Downie & Cunningham, 2002） ...................... 27 表 2-11 資訊需求目的類別（Downie & Cunningham, 2002） .............................. 27 表 2-12 線上音樂網站功能一覽（本研究整理） .................................................. 44 表 3-1 受試者之基本資料 ........................................................................................ 56 表 4-1 音樂提問之主客觀描述情形 ........................................................................ 88 表 4-2 未知音樂資訊需求描述最常使用屬性 ........................................................ 90 表 4-3 客觀最常使用屬性 ........................................................................................ 95 表 4-4 主觀最常使用屬性 ........................................................................................ 96 表 4-5 描述屬性的背景知識需求對照表 .............................................................. 100 表 4-6 歌曲元素描述屬性 ...................................................................................... 106 表 4-7 歌曲組成/呈現描述屬性 ............................................................................. 107 表 4-8 歌曲相關描述屬性 ....................................................................................... 107 表 4-9 歌手相關描述屬性 ....................................................................................... 108 表 4-10 舉例參考描述屬性 ..................................................................................... 108 表 4-11 使用者資訊描述屬性 ................................................................................. 109 vii.

(11) 表 4-12 音樂相關情境描述屬性 ............................................................................. 109 表 4-13 音樂認知描述屬性 ..................................................................................... 110 表 4-14 視覺元素描述屬性 ..................................................................................... 111 表 4-15 音樂描述之歌曲元素類描述屬性 ............................................................. 113 表 4-16 音樂描述之歌曲組成/呈現類描述屬性 .................................................... 114 表 4-17 音樂描述之歌曲相關類描述屬性.............................................................. 114 表 4-18 音樂描述之歌手相關類描述屬性.............................................................. 115 表 4-19 音樂描述之舉例參考類描述屬性 ............................................................. 115 表 4-20 音樂描述之使用者資訊類描述屬性 ......................................................... 116 表 4-21 音樂描述之音樂相關情境類描述屬性...................................................... 116 表 4-22 音樂描述之音樂認知類描述屬性.............................................................. 116 表 4-23 音樂視覺化-「人」類別之描述屬性 ........................................................ 118 表 4-24 音樂視覺化-「事」類別之描述屬性 ........................................................ 119 表 4-25 音樂視覺化-「時」類別之描述屬性 ........................................................ 119 表 4-26 音樂視覺化-「地」類別之描述屬性 ........................................................ 120 表 4-27 音樂視覺化-「物」類別之描述屬性 ........................................................ 121 表 4-28 音樂視覺化-「視覺特效」類別之描述屬性 ............................................ 122 表 4-29 音樂情境-「使用者描述」類別之描述屬性 ............................................ 122 表 4-30 音樂情境-「音樂相關情境」類別之描述屬性 ........................................ 123 表 4-31 音樂情境-「音樂認知」類別之描述屬性 ................................................ 124 表 4-32 任務之描述詞彙與屬性數量 ..................................................................... 126 表 4-33 音樂描述-歌曲使用主客觀描述情形 ........................................................ 127 表 4-34 音樂檢索-歌曲使用主客觀描述情形 ........................................................ 128 表 4-35 任務一屬性使用次數排列 ......................................................................... 131 表 4-36 任務一屬性使用人次排列 ......................................................................... 132 viii.

(12) 表 4-37 任務二最常使用屬性 ................................................................................. 133 表 4-38 任務三最常使用屬性 ................................................................................. 134 表 4-39 任務四最常使用屬性 ................................................................................. 135 表 4-40 古典樂之描述屬性 ..................................................................................... 138 表 4-41 任務平均使用詞彙和屬性數量 ................................................................. 139 表 4-42 熟悉程度與主客觀描述情形 ..................................................................... 142 表 4-43 音樂提問與音樂描述使用屬性與詞彙數量比較 ..................................... 143 表 4-44 音樂提問與音樂描述最常使用屬性比較 ................................................. 146 表 4-45 音樂屬性使用比較 ..................................................................................... 148 表 4-46 音樂提問與音樂描述主客觀使用比較 ..................................................... 149. ix.

(13) 圖次圖 2-1 Kuo 等人提出的音樂情緒推薦系統流程圖 ................................................. 13 圖 2-2 Baumann 和 Hummel 提出的文化基礎音樂推薦系統架構圖 ..................... 15 圖 2-3 金屬樂類別的衍伸標籤（Lamere, 2008） .................................................. 23 圖 2-4 Kim 和 Belkin 研究中搜尋和描述任務的類別差異 .................................... 24 圖 2-5 MIR 系統功能與執行任務對照圖表（Typke, 2005） ................................. 35 圖 2-6 Pandora radio 網站 .......................................................................................... 36 圖 2-7 Last.fm 網站 .................................................................................................... 37 圖 2-8 Musicovery 網站 ............................................................................................. 38 圖 2-9 Thesixtyone 網站 ............................................................................................ 39 圖 2-10 Playlistnow.fm 網站 ....................................................................................... 40 圖 2-11 Aupeo 網站 .................................................................................................... 41 圖 2-12 Moodstream 網站 .......................................................................................... 42 圖 2-13 AccuRadio 網站 ............................................................................................ 43 圖 3-1 研究架構圖 .................................................................................................... 48 圖 3-2 研究流程圖 .................................................................................................... 50 圖 3-3 音樂提問匯入 atlas.ti 畫面............................................................................ 58 圖 3-4 音樂提問分析範疇化範例 ............................................................................ 62 圖 3-5 音樂描述實驗進行流程 ................................................................................ 66 圖 4-1 未知音樂資訊需求屬性架構圖 .................................................................... 68 圖 4-2 未知音樂資訊需求描述屬性類別架構 ........................................................ 88 圖 4-3 描述屬性使用次數對照圖 ............................................................................ 92 圖 4-4 描述詞彙與提問次數差異 ............................................................................ 94 圖 4-5 提問中使用描述詞彙數量 .......................................................................... 102 圖 4-6 提問中使用屬性數量 .................................................................................. 103 x.

(14) 圖 4-7 音樂描述屬性類別架構 .............................................................................. 105 圖 4-8 音樂檢索詞彙屬性類別架構 ...................................................................... 112 圖 4-9 音樂視覺化屬性類別架構 .......................................................................... 117 圖 4-10 音樂情境描述屬性類別架構 .................................................................... 122 圖 4-11 音樂描述之主客觀屬性類別架構 ............................................................ 127 圖 4-12 音樂檢索之主客觀屬性類別架構 ............................................................ 128 圖 4-13 音樂視覺化之屬性類別架構 ..................................................................... 129 圖 4-14 音樂情境描述化之屬性類別架構 ............................................................. 130 圖 4-15 未知音樂資訊需求屬性類別使用比例 .................................................... 145 圖 4-16 音樂描述屬性類別使用比例 .................................................................... 145 圖 5-1 未知音樂資訊需求描述屬性架構 .............................................................. 154 圖 5-2 音樂描述屬性架構 ....................................................................................... 156. xi.

(15) 第一章緒論本章分為五小節，第一節說明本研究背景與動機，描述目前線上音樂的環境背景，說明線上音樂檢索系統所使用的音樂描述方式有所缺失，造成使用者檢索特定情境音樂的困難之處；第二節明確列出本研究之目的及問題；第三節針對研究範圍以及研究上的限制進一步說明；第四節則是解釋研究中的專有名詞。最後，在第五節提出本研究的預期貢獻。. 第一節研究背景與動機音樂是全世界最耐人尋味的藝術（Osborne, 1984），可以使人表達情緒（Juslin & Laukka, 2004）、抒發心情，也成了人們生活中不可缺乏的休閒活動。近年來隨著網路的發展，線上娛樂快速興起，線上音樂更成了最受歡迎的項目之一。台灣上網人口至 2011 年 1 月為止，推估已達 1539 萬人1，根據 2011 年台灣網路調查報告2中顯示「網路影音娛樂」在行動網民最常使用功能中排行第四，於無線網民最常使用功能中排行第五。創市際調查研究3也顯示 2010 年 02 月中曾瀏覽過的網站類型中，線上影音網站排名第 8，佔 31.8%，而網友們在上網的同時也最喜歡「聽音樂」，佔了 47.3%。在網路快速發展的潮流之下，由於網路頻寬增加、P2P 傳遞方式的出現，線上音樂開始自由且快速的在網路上散佈，導致盜版問題越趨嚴重。種種因素導致全球實體音樂產值不斷下降，從 2006 年的 50 億美元至 2010 年降低為 35 億美元，. 1 2 2 3. 台灣網路資訊中心網路調查，檢自 http://statistics.twnic.net.tw/item04.htm 2011 年台灣無線網路使用調查報告，檢自 http://www.twnic.net.tw/download/200307/1107d.pdf 2011 年台灣無線網路使用調查報告，檢自 http://www.twnic.net.tw/download/200307/1107d.pdf 創市際上網行為研究，檢自 http://www.insightxplorer.com/specialtopic/2010_03_19.htm. 1.

(16) 音樂產業嚴重受到數位趨勢的影響（RIAJ, 2011）。自從 2003 年蘋果公司設立 iTune 線上音樂商店，並且發行 iPod 行動音樂裝置，至今成為銷售超過 50 億首歌曲的世界第一大線上音樂商店，並帶動國內外合法授權線上音樂產業的興起。全球線上音樂隨之快速發展，全球產值從 2006 年約 6 億 6 千萬美元至 2010 年增為 10 億美元（RIAJ, 2011）。線上音樂合法化，加上近年來行動裝置及行動網路的風潮，線上音樂伴隨著人們的生活，從此成為主流，帶來龐大的線上音樂下載及聆聽的使用者。然而越來越多的線上音樂及音樂資訊，卻使得音樂檢索、搜尋或管理變得困難（Casey et al., 2008）。過去音樂是以傳統的書目資料做為分類和查詢方式，然而以書目資料的形式查詢音樂存在許多限制。音樂描述的屬性有限，當使用者忘記或缺少這些特定音樂資訊、又或是只有模糊的資訊片段時便難以檢索到符合需求的音樂。另外，音樂有許多抽象特徵如音樂旋律、情緒、情境等無法以文字表達，更無法做為檢索方式。為改善上述問題，近來有許多關於音樂內容查詢的研究，以音樂本質作為分析音樂的方式，如哼唱檢索（Ghias, 1995）、彈奏檢索（Hawley, 1993）、節奏偵測（Gouyon & Dixon, 2004；Pohle et al., 2009）等，改善了音樂只能以文字檢索的限制。針對音樂包含的抽象特徵，目前也有 Pandora4、Last.fm5等網站提供情緒分類的音樂推薦服務。然而音樂的屬性不僅僅於此，使用者經常將音樂和自身的經驗連結，產生特殊的聆聽情境、動機或是聯想畫面等。當使用者擁有特定的聆聽目的或是特殊的事件、主題、場合等需求，因而產生特殊的「未知音樂資訊需求（unkown music information need）」，並希望能依照這些條件來搜尋音樂。目前音樂資訊檢索（Music information retrieval, MIR）系統雖然提供較豐富的分類查找方式，除了歌曲類別、歌手名稱、歌曲名稱、專輯名稱、地區、歌曲排行等屬性，部分系統. 4 5. http://www.pandora.com http://www.last.fm. 2.

(17) 逐漸支援哼唱檢索、情緒分類方式。針對「未知音樂資訊需求」中豐富的情境層面，提供更多元、以使用者為中心的音樂描述方式，目前 MIR 系統仍有很大的不足以及改善空間。另外，自從 1980 年代音樂錄影帶（MV）的出現，影像除了影響使用者寄情於畫面，也將情境與音樂產生連結，使得音樂和影像越來越密不可分。自從 Youtube 等線上影音平台出現後，使用者也喜歡藉由觀看線上 MV 作為音樂聆聽的方式。並且有許多研究顯示音樂和視覺的重要關聯：Cunningham et al.（2003）研究顯示音樂視覺化對於音樂檢索或音樂瀏覽有很大的幫助，容易引起使用者注意到某些音樂特徵；陳映竹（2009）研究中也顯示，使用者在進行影音檢索時會經過兩次判斷，文字通常為第一道相關判斷關卡，視覺則為第二道關卡；另外還有許多研究顯示，影像能夠幫助音樂瀏覽和管理，指出未來的 MIR 系統中無法忽略視覺元素的趨勢。綜合上述問題和需求，未來應以發展一個能夠幫助使用者尋找未知音樂（指開放式音樂資訊需求，使用者尋找一首非特定的歌曲，例如尋找一首能夠放鬆心情的歌）的 MIR 系統為主要目標，讓使用者在各種情境及使用目的之下都能夠找到符合需求的歌曲，同時加強以休閒為目的的音樂探索服務。為達到以上目標，僅提供明確的音樂曲目資料屬性如歌手、專輯名稱、歌名等已不足夠，應徹底了解使用者描述未知音樂資訊需求以及描述音樂時所包含的各種層面和屬性類型，從音樂描述中探討使用者對於音樂的認知、感覺以及想法，發掘潛在的音樂屬性，改善目前線上音樂檢索系統分類的架構。研究音樂資訊需求提問（Query）可以了解使用者的音樂資訊需求，促進音樂資訊檢索系統的介面研發（Downie & Cunningham, 2003），另一面從使用者的開放式音樂描述能夠了解使用者對音樂的知覺、感知。因此本研究藉由分析包含未知音樂資訊需求的線上音樂提問，以及音樂描述實驗中描述詞彙，歸納使用者描述音樂的方式、屬性、類型層面以及彼此相關性，並且藉由綜合討論兩者的描述異同，找出多樣的音樂屬性以建構完 3.

(18) 整的音樂描述屬性架構，使系統能提供更完整的音樂推薦以及音樂探索服務，進而滿足眾多使用者的未知音樂資訊需求。. 4.

(19) 第二節研究目的與問題本研究主要研究目的在於從使用者的音樂需求和感知兩個不同面相了解使用者如何描述未知音樂資訊需求以及如何認知、描述音樂，找出更多潛在的音樂屬性，以及不同於傳統的音樂描述方式。本研究具體目的為： 1.. 了解使用者如何描述未知音樂資訊需求以及描述音樂。. 2.. 建構一個以使用者為中心的完整音樂屬性架構。. 根據以上目的，本研究提出以下問題： 1.. 使用者如何描述未知音樂資訊需求？ 1.1 未知的音樂資訊需求描述中包含哪些屬性？ 1.2 未知的音樂資訊需求描述具有哪些特徵？. 2.. 使用者如何描述音樂？ 2.1 使用者的音樂描述中包含哪些屬性？ 2.1 使用者的音樂描述具有哪些特徵？. 3.. 使用者描述音樂資訊需求和描述音樂的方式有何異同？ 3.1 使用者描述音樂資訊需求和描述音樂各自包含哪些屬性和特徵？ 3.2 使用者描述音樂資訊需求和描述音樂時所包含的屬性和特徵有何異同？ 3.3 使用者描述音樂資訊需求和描述音樂方式不同的原因為何？. 5.

(20) 第三節研究範圍與限制本研究受到人力、經費等因素影響而有一定的限制，以下針對本研究範圍及其限制條列說明：一、本研究音樂提問蒐集自 KKBOX 線上音樂平台，由於該網站大部分使用者所使用的語言為中文，因此音樂提問的語言以中文為主。除了中文之外的其他語言提問可能包含其他文化內涵的音樂資訊需求，無法列入研究範圍為本研究限制之一。二、本研究依據研究目的，將針對有關未知音樂資訊需求的提問，其餘屬於特定音樂資訊需求的提問（例如：「我想找第五風暴片尾曲，請問歌名和歌手？」）將不在研究範圍內。三、由於網站資訊隨時都在變動，基於研究時間的限制，本研究將限定 KKBOX 以及 PTT 兩個討論區開版以來時間內的提問為研究範圍，無法將所有時間的提問列入研究範圍對於整體研究樣本可能造成某種程度限制。四、根據資策會 2008 年網友網路娛樂行為調查調查結果顯示，20~29 歲為線上影音的主要使用族群，因此本研究以此範圍族群為限定條件，並從中篩選每週至少聆聽或下載 5 次以上之經常使用線上音樂者為對象，研究結果可能受到研究對象年齡分布限制而對研究結果代表性有所影響。五、音樂描述實驗中所挑選的歌曲類型有所限制，由於音樂涵蓋的類型廣泛，受到研究人力、經費的限制，無法全然涵蓋，研究者參考國外專業音樂網站 allmusic.com 所提供的音樂類型，並從中挑選最為普遍的十大音樂類型 Pop、Rock、Jazz、R&B、Rap、Country、Blues、Electronic、Latin、Classical 為研究音樂類型範圍，許多音樂類型未能包含在本研究內，可能影響研究 6.

(21) 結果中所涵蓋的音樂屬性為本研究限制之一。六、由於本實驗中受限於大多受試者熟悉的語言，故在歌曲選擇上，若有歌詞內容者，僅挑選中、英文兩種語言之歌曲為描述對象。七、本研究音樂描述實驗從 allmusic 以及 KKBOX 中的十大類型歌曲中隨機挑選中、英文歌單共 100 首，並且從 KKBOX 下載合法線上音樂檔案作為實驗用。因此歌單將受限於 allmusic 和 KKBOX 中提供的歌曲。八、音樂描述實驗中，研究盡可能營造出自然情況的實驗環境，然而受試者依然可能受到實驗環境、時間限制等外在因素影響，使描述結果在質與量略微降低，為本研究限制所在。. 7.

(22) 第四節名詞解釋. 一、. 線上音樂（online music）. 本研究整理資策會對線上音樂的定義，線上音樂是指透過網際網路之資料庫提供之數位化音樂，包含全曲音樂、基本鈴聲、原音鈴聲、來電答鈴、音樂影片、以及 Radio DJ 等。使用者得以非會員或會員的方式，以不同費用或是免費經由串流技術在線上聆聽音樂或是將歌曲下載至電腦等服務（黃怡音、周樹林，2005；張群芳，2006；洪春輝，2004）。. 二、. 線上音樂商店/平台. 本研究將線上音樂商店及線上音樂平台的概念區隔，兩者主要差異在於業者是否向使用者進行收費或販售。線上音樂商店指透過網際網路提供使用者付費取得線上音樂聆聽或下載服務的網站。國外目前主要線上音樂商店有 iTune、 Amazon MP3 store 等。國內的主要線上音樂商店則有 KKBOX、ezPeer。線上音樂平台所包含的範圍則更廣，凡是透過網際網路提供免費/付費線上音樂聆聽或下載的平台皆屬於線上音樂平台，近來有許多網站提供免費線上串流音樂點播、聆聽的服務也在此範圍內，例如 Pandora、Grooveshark、Sreamdrag.com 等網站。. 三、. 未知的音樂資訊需求. 本研究中所指未知音樂資訊需求指目的音樂的未知性，例如在某種特定情境下尋找非特定歌曲的音樂資訊需求，這類的需求不同於傳統使用者欲找尋某一首特定歌曲的音樂檔案、歌名資訊等，而是使用者期望找尋一首未知的歌曲來符合某種特定的使用目的或使用情境，例如符合某種場合、情緒、年代、情境、功用、. 8.

(23) 節奏、音樂類型等等的歌曲。這首歌曲可能是使用者未聽過的也可能是使用者聽過但未發掘它能符合該情境。. 四、. 音樂資訊檢索（Music Information Retrieval）. 音樂資訊檢索是指取得任何時期音樂作品的策略，需要不斷精進以符合搜尋和瀏覽功能的期望，在學術、產業研究、典藏、圖書館領域中都是重要的研究課題（Casey et al., 2008），然而以整體來說音樂資訊檢索不只是一種策略同時也是一個新的研究領域，除了檢索還著重於分類和管理大量的音樂（Goto & Hirata, 2004）。. 9.

(24) 第五節預期貢獻本研究旨在了解使用者如何認知音樂及描述音樂，找出所有潛在的音樂屬性。透過歸納分析其中包含的屬性類別，有助於了解使用者描述需求以及描述音樂的認知差異，藉此補足使用者為中心的音樂屬性架構，使其更為完整，也讓音樂檢索系統能有更好的檢索結果。因此本研究的預期貢獻除了能夠提出完整的音樂描述屬性架構供系統設計者參考，以改善 MIR 系統使之能夠滿足使用者的未知音樂資訊需求。另外也期望能將研究結果應用於創新音樂推薦以及音樂探索（music discovery）等服務，在這些領域有所貢獻。. 10.

(25) 第二章文獻探討本研究旨在探討使用者的音樂描述、認知方式，以助於在音樂推薦以及音樂探索方面的應用。因此本章分為六節，第一節為針對與音樂推薦相關的研究整理，第二節為針對音樂探索及瀏覽行為的文獻探討，第三節為針對使用者音樂描述的相關研究，第四節為心理學領域所提出在音樂聆聽與音樂感知相關的理論和文獻整理，第五節則是分析現今的線上音樂服務網站和其提供的服務內容，最後一節提出總結。. 第一節音樂推薦相關研究由於近來線上音樂資訊量快速增加，人們需要透過系統的協助，從過量的音樂資訊中找出適合、喜歡的音樂。此時，音樂推薦系統即為功能強大的工具，幫助人們解決資訊超載的問題，推薦個人化音樂給使用者（Schafer, 2007）。Pachet 等人（2000）指出使用者選擇音樂的因素有，重複性：人們喜歡找尋同樣類型的音樂，驚奇感：人們喜歡嘗試沒有聽過的音樂，目錄探索：以音樂提供者來說，他們會試圖探索目錄中可能包含的音樂類型。以目前音樂推薦功能來看，大部分是以使用者過去的音樂喜好分析特徵或是協同過濾（Collaborative Filtering）-從與使用者擁有類似喜好的其他人對於歌曲的評鑑等，這類依據使用者聆聽行為的分析方法，另外也有依據音樂內容分析技術來推薦音樂，例如聲紋分析技術（Audio Fingerprint），或是兩者兼顧的方法（Cano et al., 2005；Kuo et al., 2005）， Cano 等人（2005）提出的 Music Surfer 音樂推薦系統即主要透過分析聲音資料本身提供的一個瀏覽和推薦系統，此系統能夠根據節奏、音色、音調、樂器、動態等聲音特徵做高階音樂相似度分析，並且讓使用者可以自行評估以及調整相似度。 11.

(26) 然而，若是以喜好分析或是合眾篩選方式必須具備大量使用者聆聽音樂的紀錄，音樂內容分析的推薦音樂系統則無法提供歌曲名稱、歌曲類別或歌手資訊等相關資訊（Cano et al., 2005）。許多研究認為未來的音樂推薦系統除了考慮聲音本質、利用合眾篩選或歌曲分析方法，應納入以使用者為中心的相關資訊如情緒、情境、文化社會等以迎合不同的個人需求（Kuo et al., 2005；Juslin & Laukka, 2004； Baumann & Hummel, 2005）。. 一、. 情緒推薦. 人與音樂之間很重要的連結關鍵，即為情緒，情緒也可以說是使用者聽音樂的最大動機。人們從聆聽音樂過程中感受到各種音樂傳達出來的情緒，也在聆聽中產生對音樂的情緒反應。心理學有許多研究以探索音樂表達的情緒作為主題，有以單選、複選、同意程度以及開放式描述等方式研究人們感受到音樂表達出的情緒（Juslin & Laukka, 2004）。另外也有研究指出聽音樂時夾帶的情緒通常會引起一些聯想，這些聯想通常是與音樂有關的經驗或是其他因素產生的連結（Davis, 1978），人們甚至會利用聽音樂讓自己勾起某段特定的回憶（Sloboda & O'Neill, 2001）。除此之外，音樂也能引起人們產生心像（mental imagery），也就是心中想像的一幅與音樂相關的影像。這幅影像不一定和音樂本身直接相關，可能是任何事物（Juslin & Laukka, 2004）。音樂引導想像（Guided imagery in music）就是一種被應用於音樂治療的方法（Bonny & Savary, 1973）。 Juslin & Laukka （2004）研究中受試者認為音樂最能夠表達的情緒有中開心（99%）、難過（91%）、愛（90%）、冷靜（87%）、生氣（82%）、溫柔（82%）等等（如表 2-1）。表 2-1 Juslin & Laukka 研究中使用者認為音樂能狗表達的情緒頻率. 12.

(27) Kuo 等人（2005）認為依據情緒推薦音樂必須找出情緒與音樂特徵當中的連結並標記是耗時的，因此提出一個以電影音樂為核心的自動化的音樂推薦系統。由於音樂具有襯托電影主題、精神，和表達演員情緒的功能，該研究便從電影中分析音樂特徵，找出與情緒的連結，藉由調整情緒和音樂的關係作為推薦音樂的基礎。如圖 2-1，使用者能夠提出情緒查詢請求，系統便自動萃取電影中音樂的特徵，偵測電影中情緒和音樂的連結，再從資料庫中推薦歌曲，關鍵的方法為利用 Music affinity 圖將所有與該音樂相關的特徵聚合，推薦相似程度最接近的歌曲。類似研究可以應用於家庭影片配樂、購物商場背景音樂、情境偵測或音樂治療等方面。. 圖 2-1 Kuo 等人提出的音樂情緒推薦系統流程圖. 二、. 情境推薦 13.

(28) 除了情緒之外，情境提供了許多額外的資訊，無論是影響人們的行為，或是引起不同的音樂聆聽動機，都佔了很重要的角色，人們可能因為在不同地點使用音樂、不同目的或是不同使用方式而產生不同的情緒反應（Adomavicius & Tuzhilin, 2008；Juslin & Laukka, 2004）。過去許多研究總是忽略這部分，如今逐漸受到重視，Juslin & Laukka（2004）以日誌以及問卷調查使用者在日常生活的各種情境中如何使用音樂以及對音樂產生那些情緒反應，結果如表 2-2，人們一天最常在做家事、社交或開車跑步時聆聽音樂（Juslin & Laukka, 2004）。表 2-2 人們最常聽音樂並且同時執行的活動調查結果（Juslin & Laukka, 2004）. Baltrunas & Amatriain（2009）基於時間判斷不同的音樂使用情境，提出以時間為基準的情境推薦系統。此研究搜集 last.fm 音樂網站中 388 個使用者為期兩年的聆聽紀錄，以 micro-profiling 的技術，將時間切割，藉由分析出來的情境音樂連結作為推薦的基礎，然而在這樣的技術中，如何定義時間切割的片段就很重要。另外也有研究認為將音樂推薦系統加入社會文化意涵是目前趨勢，社會文化構成大眾對於音樂的認知情境，Baumann 和 Hummel（2005）利用文化基礎設計音樂推薦系統，如圖 2-2，使用者輸入歌手名單後，系統會自動在網路上尋找社會大眾對於歌手的評價、觀點以及認為的類似歌手，依據網路取得的資訊做詞彙. 14.

(29) 圖 2-2 Baumann 和 Hummel 提出的文化基礎音樂推薦系統架構圖. 切割分析，加上權重值後再依據相似矩陣分析，提出類似的歌手結果，再以幾個知名網站評估結果。利用這類文化基礎的音樂推薦有以下優點：1.得到大眾對於音樂或歌手的總體概念；2.立即取得性，不必等待群眾評價，系統可以隨時取得最新歌手的資訊；3.時間變化特性，基於大眾對於歌手的評價變化，系統可以隨著這些變化而有最即時的結果；4.不需要任何實體音樂檔案，系統的資料來源取自於網路，因此不需要收藏任何實體音樂。. 15.

(30) 第二節音樂探索及瀏覽行為過去研究發現許多使用者會花費許多時間在尋找音樂上，不是為了有目的性的資訊需求，而是純粹喜歡，並且從中獲得許多樂趣。因此在未來的音樂檢索系統設計上應該少一些完美搜尋研究，多一點音樂探索（Laplante & Downie, 2010）。音樂檢索除了是一種特定的資訊需求之外，現在有越來越多人把找尋音樂當成是生活中的一種休閒活動，發現新的、沒聽過的音樂並且是自己喜歡的音樂或歌手時會讓使用者感到喜悅。在生活中，除了傳統的特定音樂資訊需求，也就是使用者具有某一些特定歌曲、歌手的需求之外，使用者有時候會不經意的偶遇（encounter）音樂，這種屬於無意間偶遇，也有使用者是希望刻意偶遇新的音樂，他們會到一些他們認為容易偶遇音樂的地方、來源，製造偶遇的機會，也就是音樂發掘（music exploring）、或是音樂探索（music discovery）。另外，還有一種是使用者因為生活中某些事件、情境的需求，需要某種特定主題、氣氛或是情緒的歌曲，這類的未知音樂資訊需求目前還缺乏相關研究以及系統的支援，因此為本研究著重的重點之一。音樂偶遇（music encounter）是音樂資訊行為中重要的音樂發掘途徑，除了無意間偶遇，研究顯示使用者會花許多的時間刻意偶遇，在沒有特定的目的下搜尋新的（未聽過的）音樂，而搜尋的動力單純只是出於對這件事情感到愉悅、而非一種特定的音樂資訊需求（Cunningham et al., 2007）。Cunningham 等人（2007）研究使用者在日常生活中偶遇音樂的情形，本研究請受試者以日記的方式記錄為期 3 天的音樂經驗，詳細記錄他們偶遇音樂時正在做哪些事情、有什麼想法和感覺，以探討使用者如何有意或無意間偶遇「新音樂」。並且以紮根理論分析紀錄地點、時間以及偶遇時為主動或被動態度。研究結果顯示大部分偶遇音樂的時間分布在於白天活動的時間以及晚上休閒的時間，人們喜歡將音樂做為工作或閱讀時的背景，也容易將發掘新音樂和休閒時光連結。最常偶遇新音樂的地點則是住 16.

(31) 家、路上或是商店等（如表 2-3）。表 2-3 實際偶遇音樂地點 Location. Description. Count （% of 409. Liked it? （% of. total） 241（58.9%） 58（14.2%）. location count） 167（69.3%） 30（51.7%）. Residence En Route. Residence of participants, friends, relatives In car, bus, or while Walking. Retail. Stores, restaurants. 39（9.5%）. 25（64.1%）. University. Lecture halls, labs, hallways. 30（7.3%）. 18（60%）. Workplace. Employment outside university. 17（4.2%）. 8（47.1%）. Club. Nightclubs, bars, pubs. 8 （2%）. 4 （50%）. Gym. Exercise music at gym. 4 （1%）. 3 （75%）. Unknown. Location not identified. 4 （1%）. 3 （75%）. Other. Hospital, band practice, etc.. 7 （1.7%）. 5 （7.1%）. 409 incidents（100%）. 255 Positive incidents. Total. 當使用者希望刻意偶遇音樂，網路和唱片行是他們最常去的場域，最常被動偶遇音樂的場域則是電視和收音機。MSN 當中顯示朋友正在聽的音樂功能也容易產生音樂偶遇，此研究結果有助於應用至「休閒搜尋」的發展，若 MIR 系統能夠支援這樣的生活中偶遇音樂模式，則必須是行動支援的，也就是讓使用者能夠隨時記錄下偶遇到的音樂，即使是在離線的狀態下，也能夠先記錄下來，於連上網時立即顯示音樂相關資訊。有的使用者喜歡在聆聽音樂時以隨機撥放的方式探索新音樂，Leong 等人（2005）透過網路上衣些論壇、討論區、部落格等討論內容分析使用者在隨機播放音樂過程中意外發現（serendipity）的經驗和感受，以此應用在系統互動的設計中。研究發現許多使用者表示意外發現的經驗是非常美好的，除了能夠幫助使用者在毫無限制的情況下認識到各種音樂，也讓使用者對於自己喜愛的音樂類型重新檢視，並且建立一個全新的音樂體驗。談到音樂探索，許多研究結果中都顯示音樂瀏覽能夠幫助音樂發掘，並且在 17.

(32) 使用者音樂尋求行為中是顯著行為。以實體的唱片購物行為來看，音樂購物行為偏向閒逛模式，購物者使用較多的瀏覽行為，唱片封面的設計扮演了很重要的角色，除了能夠吸引購物者的目光，提供更多相關的資訊也促使購物者購買唱片（Cunningham, 2003）。瀏覽能夠幫助無意中的音樂發掘，購物者除了會依據唱片封面選擇音樂，有時甚至眼睛閉上隨意選取，為的是希望能夠發現一個全新、喜愛的歌手（Laplante & Downie, 2010）。以網路上的音樂瀏覽來說，瀏覽除了能夠促使音樂偶遇，透過超連結，將相關歌手連結，有助於音樂發掘（Laplante & Downie, 2010），因此目前資訊檢索系統應提供使用者搜尋與瀏覽都能夠同時使用的功能（Cunningham, 2003），甚至鼓勵偶遇，加強各種瀏覽功能（Laplante & Downie, 2010）。總體而言，視覺在音樂瀏覽中佔有很重要的影響因素，除了能夠幫助音樂發掘，還能幫助音樂管理。若將音樂間相似的特徵如聲音或節奏等轉換成視覺整合，能夠讓使用者瀏覽不同類型時更加容易（Cunningham, 2003）。 Laplante 和 Downie（2010）研究發現朋友間的集體購物行為中，通常是閒逛而非有目的的購物，這與音樂發掘以及瀏覽行為非常相關，也回應了先前提到的有些使用者單純喜歡刻意偶遇音樂，透過音樂發掘的過程中得到樂趣，系統設計上應顧慮到這些使用習慣，加入音樂探索、閒逛等休閒檢索的功能以滿足需求。. 18.

(33) 第三節音樂描述相關研究無論是在音樂檢索、音樂分類或音樂推薦領域中，音樂描述都是最根本的核心議題，專家或是 MIR 系統設計者企圖找出一種最佳的方式來描述音樂並且作為指認音樂或分類的方式。目前最常見的音樂描述方式即為音樂詮釋資料（music metadata），提供客觀或、主觀性的資料，然而由系統單方面的提供音樂資訊有許多限制存在。社會性標籤的出現，除了應用在各種多媒體的管理面，也在音樂檢索或是音樂分類中開放讓民眾參與音樂描述的工作，解決了許多音樂分類的問題。MIR 系統逐漸重視使用者面，因此也有許多研究專注於真實情況下的使用者音樂描述行為，例如從網路的線上音樂提問或是描述任務中分析使用者對於音樂的感知，都能夠提供更廣泛的音樂描述資訊。以下三節針對音樂詮釋資料、社會性標籤以及使用者音樂描述等研究分別探討。. 一、. 音樂詮釋資料. 音樂詮釋資料（music metadata）是 MIR 系統中最重要的元素，功能是搜尋、過濾和管理音樂。有些系統提供事實性、客觀的詮釋資料如音樂書目資料（bibliography），有的則提供主觀的、文化性的詮釋資料如情緒、音樂類別（Genre）、風格等（Casey et al. , 2008），Pachet（2000）則是把音樂詮釋資料分為編輯類詮釋資料，例如書目資料，文化性詮釋資料，以及聲音性詮釋資料，例如音樂內容分析。Cunningham（2003）等人研究使用者音樂資訊行為發現使用者通常依據知道的音樂書目資料去尋找音樂，因此高品質的音樂書目資料對音樂搜尋者來說是非常重要的。然而音樂詮釋資料並不能解決所有問題，例如使用者無法搜尋他們不知道的歌曲，或是一些不知道該怎麼描述的歌曲（Casey et al., 2008）。許多研究結果 19.

(34) 顯示音樂詮釋資料不應該只包含音樂書目資料，使用者會參考他人的意見，評價或是排行等（Cunningham, 2003）。另外 Lee 和 Downie（2002）蒐集 427 份問卷研究使用者的音樂資訊需求、使用和搜尋行為，發現對於使用者而言「相關」資訊是重要的，除了基本的曲目資訊外，例如歌手資訊、歌曲片段、歌曲價格、歌曲風格類型、音樂或歌手背景資訊等都是使用者關心的資訊。也有研究發現使用者透過瀏覽找到一些音樂或專輯後，時常希望確認這是他們真正喜歡的歌曲，封面提供的標題、歌手、設計，無法滿足使用者，使用者想要得到的是更廣泛的相關資訊例如歌詞、歌手相關資訊、歌手什麼時候寫了這首歌、出自於什麼靈感等（Cunningham, 2003）。因此 Lee 和 Downie 提出一個詮釋資料架構，認為應將相關資訊放入使音樂本身與真實世界資訊接軌，架構包含兩種詮釋資料，分別是內容詮釋資料和情境詮釋資料，如下：表 2-4 Lee 和 Downie（2002）推薦的音樂詮釋資料架構. 內容. 音樂詮釋資料：自音樂本身衍伸的資料（例如：旋律、節奏等等）. 詮釋資料. 音樂書目資料：傳統用來描述物件的詮釋資料（例如：曲名、樂手等等）相關詮釋資料：物件與其他音樂相關之間的關係資料（例如：音樂類型，. 情境. 相似性等等）. 詮釋資料. 聯想詮釋資料：與其他作品、媒體、事件的相關資料（例如：在電視、電影、廣告用途、事件用途等等）. 若要滿足使用者的上述需求，一個好的 MIR 系統提供音樂預覽、試聽服務以及「相關」資訊連結是非常重要的（Cunningham, 2003；Cunningham & Nichols, 2009），另外 MIR 對於音樂的描述方式不應太過專業，研究顯示使用者以最自然的方式描述音樂過程中鮮少使用正式音樂詞語（Kim & Belkin, 2002），因此過於專業的詮釋資料對於一些缺乏音樂專業知識的使用者來說沒有太大幫助（Laplante, 2010）。. 20.

(35) 二、. 社會性標籤. 由於音樂描述資料的許多限制，Web2.0 服務的興起正好突破這樣的限制，使民眾可以自行決定 metadata（Casey et al. , 2008），也就是社會性標籤在音樂檢索的運用。社會性標籤是群眾合作標籤的成果，也是一個能夠幫助分類和音樂探索的強大工具（Lamere, 2008）。音樂標籤不受描述欄位的限制，資料多元性除了能夠呈現出比傳統單一音樂類別更多的資訊，提供使用者的個人檔案、音樂喜好等，使系統能依不同情境和心情推薦不同音樂（Laplante, 2010）還能呈現出人們加諸音樂的情境知識（Lamere, 2008）。龐大數量的標籤能夠呈現被描述歌曲的所有本質及特徵。Lamere（2008）研究 Last.fm 中 4000 萬個標籤，從中了解使用者如何知覺和了解音樂。結果顯示 Last.fm 所有標籤中，最多的標籤類型是音樂類別（Genre），其次為地區和情緒標籤，如表 2-5。表 2-5 Last.fm 中標籤類型次數分佈（Lamere, 2008）. Marlow 等人（2006 ）研究顯示人們使用社會性標籤的動機分別為：1.記憶和情境標記 2.任務管理 3.社會性符號 4.社會貢獻 5.比賽註記 6.意見表達。標籤對於音樂檢索有許多幫助，包含使用上容易，強調簡單化搜尋，利用標籤搜尋可以簡單呈現出所有擁有同樣標籤的音樂，也能夠簡單呈現一首歌曲的所有特徵，例 21.

(36) 如標籤雲的呈現；幫助特定搜尋，利用組合不同標籤能夠縮小搜尋的範圍；幫助搜尋或探索新音樂，利用相似的標籤呈現、聚合，尋找相似音樂以及尋找相似興趣的他人（Lamere, 2008）。另外，音樂標籤的使用可能產生一些拼音錯誤、同義不同詞彙的問題，也就是數個不同的標籤表達相同的意思，然而這卻也是標籤的另一個好處，當使用者以一個錯誤拼音的字查詢音樂也可能因為他人同樣拼錯而查到符合的音樂。或是選擇不同於專家認為的表達詞彙描述女歌手，卻因為大家都有不同的想法而讓搜尋的機率增加（Lamere, 2008）。標籤還能解決長久以來音樂類別界線不明的問題，讓每首歌曲自然呈現大家認為的多重類別，也能夠從眾多標籤中看出音樂類別的階層結構，如圖 2-3 為金屬樂的衍伸類別階層（Lamere, 2008），這樣的階層並非透過專家定義，而是從廣大的使用者定義中自然呈現的結果。. 22.

(37) 圖 2-3 金屬樂類別的衍伸標籤（Lamere, 2008）. 三、. 使用者音樂描述. 除了詮釋資料與社會標籤之外，近來也有許多研究著重於了解使用者如何描述音樂，分別以問卷、音樂提問分析或是描述任務等蒐集使用者的描述方式，並且歸納類別以了解其內涵。Kim 和 Belkin（2002）利用兩個描述任務來蒐集資料，研究非音樂專家使用者對音樂的感知以及音樂資訊需求。任務之一是請受試者用至少三個字彙來描述七首歌，另一個任務則是請問受試者在理想的搜尋系統下會使用那些字彙來蒐尋這七首歌？研究將第一個任務的結果進行內容分析，反覆分 23.

(38) 群、修正以及再分群的步驟結果得到七個類別，分別是情緒、音樂特徵、動態、場合、拍攝事件、物件、自然與概念（表 2-6）。而第二個任務的結果也被用來分類至這七個類別中，最後結果顯示這七個類別出現在兩種任務中的頻率並沒有太大差異。（圖 2-4）表 2-6 使用者的音樂描述類別次數分佈以及例子（Kim & Belkin, 2002）. 圖 2-4 Kim 和 Belkin 研究中搜尋和描述任務的類別差異. 研究中發現使用者運用場合、事件來描述歌曲的機率似乎比情緒還多，推測使用者的音樂資訊需求與這首音樂的功能有很大相關，因為功能性的需求能幫使用者記憶一些特定感受的事件、或故事，因此他們會用一個簡單的故事或場景來 24.

(39) 描述一首歌。另外研究也發現使用者的描述詞語有一些概念性的詞語是模糊的，這些可能是受試者基於過去經驗或自身延伸情感而產生的，因此只有他個人了解。還有一些研究以真實世界中的音樂提問分析使用者如何描述音樂資訊需求， Bainbridge 等人（2003）蒐集從 2002 年 4 月 10 日到 2003 年 4 月 1 日這段期間 Google 的音樂提問，運用紮根理論方法，歸納音樂資訊需求提問的類別，一共歸納出 10 個類別（如表 2-7），其中以音樂書目為最多，其次為音樂類型、歌詞片段以及聽過該首歌曲的地點等，而音樂書目中最多的次類別有以歌手、歌名或發行日期為首（如表 2-8）。表 2-7 音樂資訊需求描述類別（Bainbridge et al., 2003）. 表 2-8 音樂資訊需求描述中書目類別的子類別（Bainbridge et al., 2003）. 然而有一些資訊需求的描述是模糊的，例如音樂出版日期，或是使用者表示 25.

(40) 對歌詞只有印象而無法正確指出。這些顯示音樂資訊容易被遺忘，此時檢索者只能用不精確的記憶來描述他們的音樂資訊需求。另外此研究也發現，音樂的分類時常缺乏一致性，每個人對於音樂分類的認知不一，因此若能提供一些相關的例子來描述可以更明確，然而在研究結果內發現，事實上用音樂片段作為例子來描述音樂資訊需求的檢索者並不多。 Downie 和 Cunningham（2002）同樣分析了新聞討論區中的音樂提問，卻以不同的方式先將依照音樂資訊需求的四個層面分類，再依照四個層面的描述當中各自歸納類別。四個層面分別是描述、需求、目的和背景：音樂資訊需求描述：用什麼檢索詞來描述他的需求，例如鍵入歌詞、相似的歌曲、音樂影響、節奏…等。實際音樂資訊需求：他想要得到什麼？例如曲目、歌詞、背景、來源…等。資訊需求的目的：這個需求是用來做什麼？例如找歌、研究、表演、蒐集、欣賞。提問情境資訊：例如社會、背景因素，屬於質性敘述。在音樂資訊需求描述以及實際音樂資訊需求部分最多的兩個類別都是歌曲書目資料（70%）以及歌詞（14%）（如表 2-9，2-10），在資訊需求的目的中以找歌（49.7%）以及研究（19.3%）為最多（如表 2-11）。Downie 和 Cunningham 認為前三個層次是屬於比較明確、可以量化的類別，而第四類別-情境資訊則是屬於質化的描述資訊，當使用者在描述資訊需求時加入情境描述像是自己相關的經驗、印象、情緒或熟悉環境來描述資訊需求，例如：在塞車的時候聽過幾次、以前的朋友打保齡球時會唱這首歌等，因此並未加以量化。. 26.

(41) 表 2-9 音樂資訊需求描述類別（Downie & Cunningham, 2002）. 表 2-10 實際音樂資訊需求類別（Downie & Cunningham, 2002）. 表 2-11 資訊需求目的類別（Downie & Cunningham, 2002）. 此研究認為情境資訊對於音樂檢索是有幫助的，例如使用者表示在某節目上聽到這首歌，若剛好有同樣也看到某節目的人就可以幫助回答問題。這篇研究認為從研究音樂資訊需求的提問可以促進音樂資訊檢索系統的介面研發，使之更易於使用，並能指出哪些類型的檔案可以滿足特定需求。綜合上述音樂描述研究，可以發現此領域的研究尚有很大的潛在價值。目前這些研究仍屬於初探階段，研究樣本數量不足，各自分類的標準不同，因此有的類別數量較少、範圍不一，然而整體來看卻又可以發現許多潛在的音樂屬性和資訊存在。從使用者描述音樂的方式能夠看出使用者如何認知和感覺音樂，這也是此方面研究最具價值之處，本研究希望能夠將前者研究中各自的長處結合，從各個面向來了解使用者對音樂的感知，例如 Downie 和 Cunningham 研究中提出. 27.

(42) 將描述性質從描述方式、實際需求以及目的等面相來看待，即提出了一種全新的解讀方式，另外本研究還希望著重於使用者本身與音樂相關的經驗以及連結，例如各種情境，包含事件、場合或時間等元素，使用者聆聽音樂的動機、狀態和情緒等，從 Kim 和 Belkin 研究中也看出使用者在直接描述音樂時，和描述需求可能包含不同的內涵，如視覺化層面的屬性、歌詞主題等等。本研究期望能夠基於前者研究結果作為分析方向的參考，以紮根理論的方式開發出更多的音樂描述可能，另外，這些研究主要仍針對西洋主流音樂，本研究將納入中、西洋音樂，以及各種音樂類型的音樂，並且同時觀察使用者在描述音樂以及描述需求的真實情形，以期提出盡可能多樣、完整的音樂屬性架構。. 28.

(43) 第四節音樂聆聽與音樂感知本研究目的之一為探究使用者對於音樂的認知，因此本節對於音樂認知的相關文獻和研究分析整理，音樂感知屬於一與音樂心理學中、認知心理學、藝術美學、符號學、傳播學、音樂教育等相關的綜合領域，本研究將針對聲音接收與傳達、音樂認知、共感覺、聽覺影像和一些和音樂感知相關的實驗進行探討。. 一、. 聲音接收與傳達. 郭美女（2000）將聲音是為人類的一種基本語言，認為在社會中，無論聲音、音樂、藝術採取什麼形式都是傳遞文化訊息的一種載體，符號化的一種系統。音樂就是一種聲音的傳達，人類利用音樂傳達訊息就是一種符號活動，而訊息的傳達關係到傳送者的編碼（encoding）和接收者的解碼（decoding）。符號學的理論中，符號可以利用符號的外延和內涵來傳達完整的意義。外延指的是符號表面的意義，而聲音符號的外延包含音色、音高、強度…等物理形式，而內涵是一種意義的系統，隱含其他意義詮釋的方式，往往要透過和其他認知、文化、感性的資訊相結合而產生意義，並且能夠超越外表形式的意義。Della Casa（1983）將音樂的內涵機制分為： 1. 感性-判斷的內涵指利用言論、圖像、環境、動作、狀況等情感判斷，藉由某種特定的聲音象徵性去表現某現象或對象。包含：透過某些特定的聲音來象徵某種現象，例如用定音鼓的音色象徵雷鳴、用由弱漸強的聲音象徵氣氛緊繃；由象徵性的音樂主題暗示情節的發展，例如在「天方夜譚」管旋樂曲中，作曲家把主題貫穿在每段音樂開頭象徵國王又講了一個故事；藉由特定涵意的音調來象徵某事物，例如柴可夫斯基用「馬賽曲」的曲調象徵法國軍隊；或是藉由音樂的情緒性內涵暗示某個主題，例如透過明亮、激昂的小號聲象徵革命軍的英 29.

(44) 勇。 2. 文化的內涵音樂除了能引發情感還能代表當地的生活、文化或宗教的特色，例如小步舞曲代表十八世紀，節奏輕快的饒舌歌則代表二十世紀的現代人生活。另外音樂內涵還能和地域文化結合，例如台灣小調就能表現出台灣特有的味道。音樂或藝術欣賞時，傳送者和接收者之間的訊息傳遞難免會有落差，「移情作用（Empathy）」是由 Lipps（1903）提出的理論，解釋人們看待外在事物時會將自身情感和知覺轉移到事物上的狀態，因此當創作者將個人情感和想要傳達的訊息投入在音樂中，聆聽者則可能依據各人的主觀情緒或認知經驗來欣賞和認知音樂。. 二、. 音樂認知. 根據 Piaget 的認知理論，人類接收音樂等新知識時，會加以類化（assimilation）和調適（ accomodation ），使認知結構得以適應（ adaptaiton ）和重新組織（organization），最後使認知結構重新達平衡的狀態（劉思量，1992）。在音樂認知的能力中，分類（Grouping）的機制是人類聽力的一個最基礎的方式，包含從環境中知覺到聲響，從低階層的將數個音符組織成一個片段的音樂，到處理一完整架構的音樂作品（Sloboda, 1985; Cohen, 2005）。格式塔學派（Gestalt）又稱完型心理學，為 20 世紀初興起的心理學派，從視覺感知方面提出一些人類分類組織的能力傾向，一個早期哲學家 Ehrenfels 在 1890 曾提出格式塔理論一個在音樂上最佳的例子「旋律轉位」（melodic transposition），也就人們能將兩段起始於不同音階上，但同樣音調關係的旋律判斷為相同的音調，例如在不同的音符上彈奏生日快樂歌（Cohen, 2005）。. 30.

(45) 三、. 聯覺和聽覺影像. 感知是指人接收訊息的方式和解決問題時的判斷思維能力，涵蓋了感覺、理解和認知的過程（郭美女，2000）。感覺包含視覺、聽覺、觸覺、嗅覺、味覺、溫覺、痛覺、方向等，由於人的不同感覺通常會同時作用，將感知對象知覺為一整體，對聲音的感知也是如此，包含其他的感覺，稱為聯覺（synesthesia），也就是共同感覺（Cytowic, 1993）。人體的所有感官作用可能同時涉入聽覺中，例如聽到流水聲時可能同時引起視覺的水的流動、聽覺的水流動的聲音、嗅覺的水的青心味道、觸覺的液體狀、味覺的水的甘甜等感知。一個感覺的作用通常也能夠從一個感官轉移到另一感官，例如用眼睛能判斷聲音大小、東西的軟硬等。聲音也能有同樣的轉移效果，而引起對於各種聲音的聯想，例如高音聯想到女人、低音聯想到大船等等（郭美女，2000）。當我們聆聽的過程中，視覺同時接收了影像，而產生了內化的圖像記憶，因此聆聽音樂的同時存在著視覺影像的再現，而出現了聽覺影像（郭美女，2000），例如聽到吉他聲音，腦海中便會立刻出現一個人彈著吉他的圖像，此時雖然只經由聽覺器官，卻同時產生視覺的感知。Vernon（1930）（轉引自 Valentin，1962）曾做過音樂欣賞的研究，發現人們欣賞音樂產生許多共感覺，尤其是視覺影像的聯想，其中 16%的人將音樂與色彩連結，12%與視動覺聯想，18%能直接產生實際樂音的視覺畫面（音符）。音樂的內涵包含無窮盡的意義，Stefani（1979）成為「無窮盡的一連串」，文字的意義是有限的，無法完全解是音樂的意義，因此還可以以其他感知的表現結合其他語言來詮釋聆聽的音樂，例如圖像、影像、手勢、符號、肢體動作等。 Pierer 曾提過音樂是經由樂音來傳達情感和心態的藝術，但無法像文學一樣透過文字傳達概念，也不能如視覺一樣靠可見的形象來認知，因此聆聽者必須透過聯想、想像等心理過程來引起感情的共鳴（Hanslick, 1997）。「聯想」是心中獲得一 31.

(46) 個印象所引起的反應，可能明顯的表現出來也可能是一種潛意識的作用（Seashore，1981），屬於再現原有形象的心理活動。. 四、. 音樂感知實驗. 過去有人類學家、心理學家等透過實驗找出人們聆聽音樂、感知音樂的方式和態度。英國心理學家 Charles Valentin（1962）曾在對大學生做過一個有關音程感知的實驗，發現幾種判斷的態度類型： 1. 客觀型判斷（objective）：客觀性的判斷音兩個音之間的關係，例如完美的結合、分得很遠、圓潤等。 2. 主觀型判斷（subjective）：指聲音對聆聽者的影響，例如令人害怕、傷感、刺激神經或激動人心等。 3. 性格型判斷（character）：將人的性格移轉對音樂的理解，例如果斷、溫順、聲氣、勇敢的等。 4. 聯想型判斷（associative）：Valentin 沿用布洛（Bullough, 1910）在色彩學的實驗說法，將聯想分為溶合聯想（fused association）和不溶合聯想（nonfused association），溶合聯想指與音樂密切相關，因為音樂本身引起的聯想，例如想到教堂的鐘聲，而不溶合聯想則是暗示性的事件聯想，例如想到鐘聲就像到當時在海邊漫步。以上是針對音程的感知，另外還有心理學家針對聆聽完整歌曲的感受，Watson 也曾做過一實驗（轉引自 Valentin，1962），了解音樂家們對一組音樂選取的心境感覺，要求受試者在聆聽音樂時以放聲思考法描述音樂對他來說是甚麼意思、有什麼感覺等，並將這些回答歸納為幾個類型：. 32.

(47) 1. 客觀的：例如「這是一個高音」。 2. 意象的：例如「這像是一個晚會」。 3. 聯想的：例如「聽起來像是打雷」。 4. 主觀的：例如「它讓我的內心激動了起來」。 5. 抽象的：例如「聽起來非常令人興奮」。也有研究者納入其他體驗音樂的方式，Weld 對 8 位心理學系的學生做實驗（轉引自 Valentin，1962），請他們以自己平常喜歡的方式聆聽音樂，並描述自己的體驗。並將這些體驗音樂的方式分為四個類型，而每個人聆聽歌曲會依時間而改變體驗的型態： 1. 分析型：喜歡對音樂加以評論。 2. 運動型：藉由身體的運動反應體驗音樂，例如拍手、用腳打節拍等。 3. 意象型：各種感官的聯想意象，例如聽覺意象或視覺意象。 4. 情感型：情感的體驗。以上皆為針對受試者聆聽音樂的感知過程、體驗方式，以下提到心理學家針對人們音樂的經驗描述觀察，Ruud（1998）做了一個實驗，要求學生錄製一段對他們意義重大的音樂，以及撰寫 10 頁有關音樂的經驗，並且進行一小時左右的訪談，根據學生對於音樂和音樂經驗的描述，歸納成幾個類型： 1. 音樂與個人連結經驗 musical and personal space 2. 音樂與社會連結經驗 musical and social space 3. 特殊時間與事件經驗 the space of time and place 4. 超現實的經驗 transpersonal space 33.

(48) 第五節現今線上音樂服務目前有越來越多線上音樂服務網站，除了最早以書目資訊作為查詢音樂資訊的檢索系統外，內容式查詢系統可以解決許多音樂檢索的問題，在多方面貢獻良多：當使用者只知道一首歌的旋律，而不知道歌曲的名稱、歌手等資訊時，哼唱系統在唱片行中可以提供類似的找歌服務；對作曲者來說，快速查找其他相似的旋律可以解決音樂抄襲等版權問題；在公共場合中突然聽到收音機正在播放某一首歌曲，內容式查詢系統可以快速指認出該首歌曲資訊；對於影片工作者來說，這樣的音樂檢索功能可以幫助尋找類似的音效（Typke et al., 2005）。Typke （2005）等人整理了目前 MIR 服務中的各種內容式音樂檢索系統並比較其功能差異，目前主要的內容式音樂檢索系統演算方法有：搜尋符號資料（Symbolic data）： 1. 搜尋單音旋律：基於線性基礎（String-based），將旋律切割成 n-gram 來搜尋。 2. 搜尋多音旋律：將旋律視為多組音符，並且將每個音符依照開始時間、音調、音差來定義。 3. 可能性比對（Probabilistic Matching）：將使用者給系統的搜尋音樂片段與系統中可能的音樂片段做比對。搜尋聲音資料（Audio data）： 1. 擷取聲音特徵：將聲音本身切割成極小的片段，通常為兩萬五千至四萬分之一秒的長度，分析音量、音高、音調、梅爾頻率倒頻譜係數（MFCCs）、動態等聲音特徵。. 34.