Open-Source Intelligence and Music Information Retrieval for Geographic Attribution of Musical Affect and the Ecological Limits of Population Inference

Resumen Técnico: Inteligencia de Fuentes Abiertas y Recuperación de Información Musical para la Atribución Geográfica del Afecto Musical y los Límites Ecológicos de la Inferencia de Población

Planteamiento del Problema
El artículo aborda una intuición cultural persistente: que el carácter afectivo de la música de una región (por ejemplo, melodías melancólicas) refleja el temperamento psicológico de su población (por ejemplo, un pueblo triste o melancólico). Mientras que la primera mitad de esta intuición —que la música regional posee estructuras afectivas mensurables— es ampliamente aceptada, la segunda mitad —que los agregados musicales predicen la disposición psicológica de los individuos dentro de esa población— permanece sin probar y es potencialmente falaz. Los autores identifican esta inferencia como una falacia ecológica, donde los agregados a nivel de grupo se atribuyen incorrectamente a los individuos. El estudio tiene como objetivo separar rigurosamente la geografía mensurable de la estructura musical de la inferencia hacia la psicología de la población, probando si los perfiles de afecto musical regional se correlacionan con índices validados de bienestar e individualismo nacional.

Metodología
La investigación emplea un enfoque de dos vertientes: análisis de música simbólica para la medición estructural y correlación estadística para las pruebas de inferencia.

1. Fuentes de Datos y Curación:

   • Corpus: El conjunto de datos primario consiste en 2,393 melodías folclóricas deduplicadas de la Colección de Canciones Folclóricas de Essen, complementada por la Base de Datos de Música de Nottingham (británica), ShourCorpus (clásica iraní), SymbTr (clásica turca) y el corpus de Beregovski (klezmer israelí/ashquenazí).
   • Alcance Geográfico: El análisis cubre 16 países a través de 7 regiones geográficas. Para asegurar la comparabilidad y evitar el dominio de grandes conjuntos de datos (Alemania y China), las muestras se limitaron a 400 melodías por país utilizando una semilla aleatoria fija.
   • Criterios de Exclusión: Las tradiciones clásicas y microtonales (Irán, Turquía) se incluyen para la caracterización descriptiva, pero se excluyen de las pruebas de significancia y las correlaciones de índices para evitar artefactos de repertorio y codificación (por ejemplo, colapsar los cuartos de tono en MIDI de 12 tonos).

2. Extracción de Características (Análisis Simbólico):

   • Características Estructurales: Se extraen siete características directamente de partituras simbólicas utilizando music21 y el formato Humdrum **kern. Estas incluyen el tono medio, el rango de tono, el intervalo melódico absoluto medio, la razón de saltos (intervalos > 2 semitonos), la razón ascendente, la densidad de notas y la entropía de la clase de tono.
   • Computación de Modos: En lugar de depender de metadatos de archivos poco fiables, se aplica el algoritmo de búsqueda de tonalidad Krumhansl-Schmuckler para computar las fracciones de modo mayor/menor.
   • Compuestos de Afecto: Se construyen dos compuestos estandarizados:
     • Arousal (Activación): Basado en la densidad de notas, el intervalo absoluto medio y el rango de tono.
     • Valence (Valencia): Basado en la fracción de modo mayor, el tono medio y la razón ascendente.
   • Pipeline de Audio: Un pipeline paralelo de Recuperación de Información Musical (MIR) utilizando librosa extrae características similares (energía RMS, centroide espectral, tempo, chroma) de archivos de audio para validar los proxies simbólicos y analizar la música popular contemporánea.

3. Análisis Estadístico:

   • Diferenciación Geográfica: Las pruebas de Kruskal-Wallis H determinan si las distribuciones de las características difieren entre países. Los tamaños del efecto se miden mediante la delta de Cliff y la estabilidad se evalúa mediante intervalos de confianza de bootstrap.
   • Benchmark de Clasificación: El aprendizaje supervisado (Regresión Logística y Random Forest) se utiliza para predecir el país o la región a partir de las características, estableciendo la cantidad de información geográfica que transporta la música.
   • Pruebas de Inferencia: Se computan correlaciones de rango de Spearman entre las medidas de afecto musical regional y dos índices externos: la escala del Informe sobre la Felicidad Mundial (WHR) y el índice de individualismo de Hofstede.

Resultados Clave

1. La Geografía de la Estructura Musical es Real y Mensurable:

   • Todas las 8 características probadas (7 estructurales + 1 indicador de modo) difieren significativamente entre países ($p < 0.001$).
   • Las características relacionadas con los saltos muestran una separación extrema ($p < 10^{-90}$).
   • Firmas Específicas de la Región: China exhibe un perfil distintivo de "saltos amplios, alta actividad" (intervalo absoluto medio de 2.77 semitonos frente a los 2.17 de Alemania; compuesto de arousal +1.24 DE). Por el contrario, la música clásica iraní (en el conjunto descriptivo) muestra los intervalos más pequeños (1.10 semitonos) y la menor activación (arousal).
   • Clasificación: Un clasificador de Random Forest logra una precisión del 54.6% en la clasificación de países de 13 vías (frente al 20% de la línea base) y del 62.1% en la clasificación de regiones de 6 vías, confirmando que las características musicales portan información geográfica significativa, aunque imperfecta.

2. La Mitad Inferencial es Rechazada (Falacia Ecológica):

   • Cero Correlaciones Significativas: Ninguna de las 6 correlaciones entre las medidas de afecto musical regional (arousal, valencia, razón de modo menor) y los índices nacionales (WHR, Hofstede) es estadísticamente significativa ($p > 0.05$).
   • Disociación: La señal geográfica fuerte y estable en la música no predice la felicidad o el individualismo a nivel de población. Por ejemplo, el compuesto de arousal regional no muestra tendencia alguna contra la puntuación del Informe sobre la Felicidad Mundial.
   • Validación de Audio: El análisis de un pequeño conjunto de canciones populares contemporáneas confirma que, si bien los proxies de audio pueden describir la música, no reproducen el ordenamiento del corpus simbólico, reforzando que las grabaciones modernas son malos proxies para las tradiciones históricas o la psicología de la población.

3. Robustez Metodológica:

   • El estudio evita explícitamente el "problema de la validez del modo" al restringir las correlaciones de valencia a los países de tradición tonal, reconociendo que aplicar etiquetas de mayor/menor a la música pentatónica (China) o microtonal (Irán/Turquía) constituye un error de categoría.
   • Se publica un verificador "fail-closed" para volver a derivar cada número del artículo a partir de los datos brutos, asegurando la reproducibilidad.

Significancia y Reivindicaciones
La contribución principal del artículo es un resultado negativo riguroso. Demuestra que, si bien la "mitad de la medición" de la intuición folclórica es cierta (la música varía sistemáticamente por geografía), la "mitad de la inferencia" es falsa. Los autores afirman que:

• La Geografía del Afecto Musical es Real: Los estilos musicales regionales (por ejemplo, los saltos amplios de China frente al movimiento por grados conjuntos de Europa Central) son estadísticamente distintos y recuperables a partir de partituras simbólicas.
• La Falacia Ecológica es Demostrada Empíricamente: No hay evidencia de que el afecto agregado de la música tradicional de una región prediga el bienestar psicológico o el individualismo de su población. Las afirmaciones de lo contrario carecen de soporte de datos y constituyen una falacia.
• Postura Metodológica: El estudio sirve como una advertencia contra estudios ingenuos que podrían derivar afirmaciones confiadas pero carentes de sentido sobre el carácter nacional a partir de datos musicales al ignorar los desequilibrios del corpus, la fiabilidad del modo y la falta de correlación con los índices de población.

Los autores concluyen que la música varía según el lugar, y que esta variación es un objeto de estudio válido por derecho propio, pero no es una medida de cómo se sienten las personas de un lugar. La herramienta desarrollada para el análisis de audio se posiciona estrictamente para el autoanálisis consentido de los hábitos de escucha, rechazando explícitamente el perfilado de individuos o poblaciones basado en su consumo musical.