The Effect of AI-Driven Digital Acoustic Feedback on Emotion Regulation among Vocal Learners: The Mediating Role of Self-Efficacy
تُظهر هذه الدراسة الطولية التي شملت ١٧١ من متعلمي الغناء الصينيين أنه بينما يُنتج كل من التغذية الراجعة الآلية للأدوات الموسيقية المتوافقة مع العاطفة والتغذية الراجعة التصحيحية اللذذية القياسية درجات آلية متشابهة، فإن الأولى وحدها هي التي تعزز الإدراك بالأصالة والارتباط الفسيولوجي، مما يكشف عن انفصال كبير بين المقاييس الخوارزمية والتجربة العاطفية البشرية التي يتم توسطها عبر الكفاءة الذاتية وتعديلها بواسطة التكافؤ الموسيقي.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
في عالم الغناء، كان الهدف دائمًا هو التأثير في الجمهور. لقرون مضت، وقف الطالب أمام معلم، وبيانو، ومرآة، محاولاً ترجمة شعور داخل صدره إلى صوت يمكنه جعل شخص آخر يشعر به أيضًا. واليوم، غالبًا ما تكون تلك المرآة عبارة عن شاشة. لقد دخل الذكاء الاصطناعي استوديو الصوت، مقدمًا ملاحظات فورية حول حدة الصوت (الطبقة)، والإيقاع، والنبرة. هذه الأنظمة تستمع إلى المغني وتخبره فورًا ما إذا كان يصيب النغمات الصحيحة أم لا. لكن سؤالًا هادئًا بدأ يؤرق المربين: عندما تخبر الآلة المغني بأنه يبلي بلاءً حسنًا، هل يكون ذلك لأن المغني يعبر حقًا عن مشاعره، أم لأنه ببساطة تعلم محاكاة الأصوات المحددة التي تتعرف عليها خوارزمية الآلة باعتبارها "صحيحة"؟
يكمن هذا التوتر في قلب دراسة جديدة أجراها باحثون من جامعة جيلين وجامعة هانكو في الصين. لقد سعوا لاختبار ما إذا كانت الطريقة التي يقدم بها الذكاء الاصطناعي الملاحظات تغير طريقة تعلم المغنين للشعور والتعبير عن العاطفة. كان الباحثون مهتمين بشكل خاص بظاهرة يسمونها "الانفصال التعبيري"، وهي حالة يسجل فيها أداء المغني درجات عالية في قائمة مراجعة الكمبيوتر، لكنه يفشل في التأثير في المستمع البشري. وللتحقيق في ذلك، قارنوا بين أسلوبين مختلفين تمامًا من ملاحظات الذكاء الاصطناत्मक. كان أحد الأساليب "لذيذًا" (hedonic)، مصممًا لجعل المتعلم يشعر بالرضا والاسترخاء من خلال كلمات مشجعة ومريحة. أما الأسلوب الآخر فكان "أداتيًا" (instrumental)، مصممًا لتوجيه المغني نحو الحالة العاطفية المحددة، والتي غالبًا ما تكون صعبة، والمطلوبة للأغنية، حتى لو كانت تلك الحالة تشعرهم بعدم الارتياح. تتبعوا 171 طالبًا في مجال الغناء على مدار عدة أسابيع، ولم يقيسوا درجاتهم فحسب، بل أيضًا مدى أصالة غنائهم في نظر الحكام البشر، وكيف تفاعلت أجسادهم عاطفيًا أثناء الغناء.
بدأت الدراسة بإدراك بسيط ولكنه عميق: إذا كان النظام يكافئ المغني لإنتاج الإشارات الصوتية الصحيحة، فسيتعلم المغني في النهاية إنتاج تلك الإشارات دون الشعور بالضرورة بالعاطفة الكامنة وراءها. ولاختبار ذلك، قسم الباحثون الطلاب إلى ثلاث مجموعات. تلقت إحدى المجموعات الملاحظات المعيارية المريحة التي تستخدمها معظم أنظمة الذكاء الاصطناعي الحالية، والتي تخبرهم بالاسترخاء وتطمئنهم عند ارتكاب الأخطاء. وتلقت المجموعة الثانية الملاحظات "الأداتية"، التي تم تصميمها لتناسب مزاج الأغنية. فإذا كانت الأغنية حزينة، كان الذكاء الاصطناعي يشجع الطالب على الانغماس في الحزن، ربما باقتراح أن يجعل صوته يبدو مثل التنهيدة. وإذا كانت الأغنية غاضبة، كان يوجههم لضغط ذلك الغضب في صوتهم. أما المجموعة الثالثة فكانت مجموعة ضابطة، حيث تلقت ملاحظات متأخرة.
على مدار أربعة أسابيع، تدرب الطلاب على غناء مقطوعات تتراوح من البهجة إلى الأسى. وقاس الباحثون تقدمهم بثلاث طرق متميزة. أولًا، استخدموا خوارزمية كمبيوتر لتسجيل الدقة التقنية للغناء. ثانيًا، جعلوا حكامًا بشريين "مغمضين" (لا يعرفون هوية المغني) — من معلمين محترفين ومستمعين عاديين — يقيمون مدى أصالة وعمق الأداء. ثالثًا، راقبوا التفاعلات الجسدية للمغنين، متتبعين التغيرات في معدل ضربات القلب وتوصيل الجلد لمعرفة ما إذا كان المغنون مندمجين عاطفيًا حقًا أم أنهم ينتجون الصوت بشكل آلي فقط.
كشفت النتائج عن انقسام صارخ. سجلت كلتا المجموعتين اللتين تلقتا ملاحظات فورية من الذكاء الاصطناعي تحسنًا في درجات الكمبيوتر بمستوى مماثل. كانت الآلات راضية عن كل من الملاحظات المريحة والملاحظات التي تركز على العاطفة. ومع ذلك، كانت التجربة البشرية مختلفة تمامًا. الطلاب الذين تلقوا الملاحظات المريحة "اللذيذة" شهدوا ارتفاعًا في درجات الكمبيوتر الخاصة بهم، لكن أداءهم لم يصبح أكثر أصالة بالنسبة للآذان البشرية. في الواقع، فجوة كبيرة انفتحت بين ما يشيد به الكمبيوتر وما يشعر به البشر. كان هؤلاء المغنون يتعلمون "التلاعب" بالنظام، منتجين البصمات الصوتية التي ترضي الخوارزمية دون الاتصال بالضرورة بالجوهر العاطفي للموسيقى. أظهرت أجسادهم القليل من علامات الاندماج العاطفي العميق، وبدأوا يعتقدون أنهم مغنون أفضل مما هم عليه بالفعل، وهي حالة سماها الباحثون "الثقة المفرطة التعبيرية".
في المقابل، أظهر الطلاب الذين تلقوا الملاحظات "الأداتية" المتوافقة مع العاطفة نمطًا مختلفًا. ارتفعت درجات الكمبيوتر لديهم، ولكن الأهم من ذلك، أصبح أداؤهم أكثر أصالة بشكل ملحوظ بالنسبة للمستمعين البشر. كادت الفجوة بين درجة الآلة والتقييم البشري أن تختفي. لم يكن هؤلاء المغنون يكتفون فقط بإصابة النغمات الصحيحة؛ بل كانوا يشعرون حقًا بعاطفة المقطوعة، وانعكس ذلك على أجسادهم. ساعدتهم الملاحظات التي طلبت منهم الانغماس في الحزن أو الغضب على سد الفجوة بين الدقة التقنية والتواصل البشري.
كما كشفت الدراسة عن تحول مفاجئ يتعلق بنوع الأغنية التي يتم غناؤها. وجد الباحثون أن فعالية الملاحظات تعتمد بشدة على ما إذا كانت الأغنية سعيدة أم حزينة. فعندما تطابقت الملاحظات مع النغمة العاطفية للموسيقى، ساعدت المغني على التعبير عن تلك العاطفة. ولكن عندما حاولت الملاحظات تهدئة المغني أثناء أغنية حزينة أو غاضبة، فقد عملت في الواقع ضد الأداء. فالكلمات المريحة، التي كان القصد منها المساعدة، انتهى بها الأمر إلى كبح العاطفة التي تتطلبها الأغنية. وهذا يشير إلى أنه لكي يساعد الذكاء الاصطناعي المغنين حقًا، لا يمكنه أن يكون مجرد مشجع؛ بل يجب أن يكون شريكًا يفهم المشهد العاطفي للموسيقى.
يخلص الباحثون إلى أنه بينما يعد الذكاء الاصطناعي أداة قوية لتعليم ميكانيكا الغناء، فإنه يحمل خطرًا خفيًا. فإذا تم تصميم النظام فقط لجعل المتعلم يشعر بالرضا أو لزيادة درجة رقمية، فقد يعلمه إنتاج نسخة جوفاء من التعبير ترضي الآلة ولكنها تفشل في الوصول إلى الإنسان. تقدم الدراسة مسارًا واضحًا للمضي قدمًا: يجب تصميم أنظمة ملاحظات الذكاء الاصطناعي لتتطابق مع القصد العاطفي للموسيقى، وتوجيه المغنين ليشعروا بالعاطفة بدلاً من مجرد محاكاة الصوت. ومن خلال القيام بذلك، يمكن للتكنولوجيا أن تدعم فن الغناء القديم دون فقدان الشيء الذي يجعله إنسانيًا.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.