⚡ electrical engineering

Decoding Musical Evolution Through Network Science

Door bijna 20.000 MIDI-bestanden uit vier eeuwen met behulp van netwerkwetenschap te analyseren, onthult deze studie dat hoewel klassieke muziek en jazz historisch gezien een grotere structurele complexiteit vertonen, de muzikale evolutie door digitale hulpmiddelen en streamingplatforms wordt gedreven naar vereenvoudiging en homogenisatie.

Oorspronkelijke auteurs: Niccolo' Di Marco, Edoardo Loru, Alessandro Galeazzi, Matteo Cinelli, Walter Quattrociocchi

Gepubliceerd 2026-04-27

📖 4 min leestijd☕ Koffiepauze-leesvoer

CC BY 4.0

Oorspronkelijke auteurs: Niccolo' Di Marco, Edoardo Loru, Alessandro Galeazzi, Matteo Cinelli, Walter Quattrociocchi

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je muziek voor als een gigantisch, onzichtbaar web. In dit web is elke muzikale noot een stad, en elke keer dat de muziek van de ene noot naar de volgende beweegt, is het een weg die die steden met elkaar verbindt. Hoe vaker een weg wordt bereden, hoe breder en helderder deze wordt.

Dit artikel is als een team stedenbouwkundigen dat heeft besloten om de volledige geschiedenis van de muziek in kaart te brengen met behulp van dit "stad-en-weg"-systeem. Ze luisterden niet alleen naar nummers; ze zetten ongeveer 20.000 nummers (van Klassiek tot Hip Hop) om in deze digitale kaarten om te zien hoe de "steden" met elkaar verbonden zijn.

Hier is wat ze ontdekten, eenvoudig uitgelegd:

1. De "Oude Meesters" versus de "Nieuwe Hits"

Toen ze de kaarten van Klassieke en Jazz-muziek bestudeerden, vonden ze uitgestrekte, complexe steden met vele kronkelende wegen en diverse verbindingen. Het was als een bruisende metropool met een doolhof van straten.

Daarentegen leken de kaarten voor moderne genres zoals Pop, Rock en Elektronisch meer op kleine, ordelijke dorpen. De wegen waren korter en de verbindingen eenvoudiger.

De Analogie: Denk aan Klassieke muziek als een complex, meerlagig autosysteem met veel afritten en lussen. Denk aan moderne Popmuziek als een eenvoudig rooster waar je voornamelijk rechtuit rijdt over een paar hoofdstraten.

2. De Trend van "Vereenvoudiging"

De meest verrassende ontdekking was het bekijken van hoe deze steden in de loop van de tijd veranderden.

Het Verleden: Oudere Klassieke en Jazz-stukken waren het meest complex, met de meest ingewikkelde wegennetten.
Het Heden: Zelfs deze "oude meesters" zijn in de loop van de decennia begonnen om eenvoudiger te lijken. Hun kaarten worden minder als doolhoven en meer als de eenvoudige roosters van moderne Pop.
De Conclusie: Het is alsof de hele muzikale wereld langzaam zijn wegennet verkleint. Of het nu een symfonie uit de 19e eeuw is of een pophit uit de jaren 2020, muziek wordt gestroomlijnder en minder gevarieerd in zijn structuur.

3. Waarom gebeurt dit?

De auteurs suggereren dat de manier waarop we vandaag muziek consumeren de boosdoener is.

Het "Radio"-effect: In het verleden was muziek vaak een gemeenschappelijke, live ervaring. Vandaag luisteren we via streamingapps (zoals Spotify) en sociale media. Deze platforms gebruiken algoritmen om nummers aan te bevelen.
De "Hook"-factor: Het artikel suggereert dat in een wereld die snel gaat en wordt gedreven door algoritmes, muziek die makkelijker te verteren is (eenvoudigere wegen, kortere lussen) meer aandacht krijgt. Het is als hoe een pakkend, kort slogan sneller rondgaat dan een lang, complex verhaal. Deze druk zou zelfs complexe genres als Jazz ertoe kunnen aanzetten hun "wegkaarten" te vereenvoudigen om te passen bij het moderne oor.

4. Hoe maten ze "Complexiteit"?

Ze deden niet zomaar een gok; ze gebruikten wiskunde om twee dingen te meten:

Efficiëntie: Hoe snel kun je van de ene noot naar de andere komen? In complexe muziek (zoals oude Jazz) zijn de paden langer en minder direct, wat betekent dat de muziek je meeneemt op een langere, interessantere reis. In simpele muziek kom je heel snel en direct van A naar B.
Reciprociteit: Dit meet of de muziek heen en weer gaat tussen dezelfde twee noten (zoals een pingpongbal). Pop- en Rockmuziek stuiteren vaak heen en weer tussen dezelfde noten (wat een pakkende "hook" creëert). Klassiek en Jazz bewegen zich vaker voorwaarts in nieuwe richtingen zonder direct terug te keren.

5. De "Trieste" versus "Vrolijke" Kaart

Ze keken ook naar de "afstand" tussen noten (intervallen).

Stabiele Intervallen: Noten die opgelost en kalm klinken (zoals een reine kwint).
Instabiele Intervallen: Noten die gespannen klinken en willen bewegen (zoals een tritonus).
Ze ontdekten dat oudere muziek en complexe genres een mix van deze gebruikten, waardoor spanning en ontspanning ontstond. Moderne genres houden zich vaker aan de "stabiele" en "simpele" noten, waardoor de muziek consistenter aanvoelt maar minder dynamisch.

Samenvatting

Het artikel betoogt dat technologie, hoewel het muziekcreatie voor iedereen toegankelijk heeft gemaakt, ook een "vereenvoudigingsfilter" heeft gecreëerd. Net zoals een stad een complex, kronkelend historisch district kan vervangen door een rechte, efficiënte snelweg om meer verkeer te verwerken, verschuift ons muzikale landschap naar eenvoudigere, meer repetitieve structuren. Zelfs de genres die ooit het meest complex waren, volgen nu deze trend en worden meer als de rest van de groep.

1. Probleemstelling

De studie adresseert het gebrek aan precieze, kwantitatieve methoden om muzikale complexiteit te meten en de evolutie daarvan in de tijd te volgen. Hoewel eerdere onderzoeken hebben gesuggereerd dat moderne digitale omgevingen (streamingplatforms, algoritmen) een vereenvoudiging van content kunnen veroorzaken (waargenomen in teksten en sociale media), blijft het onduidelijk of deze trend ook van toepassing is op de muziekcompositie zelf. De auteurs beogen vast te stellen:

Hoe muzikale complexiteit varieert tussen verschillende genres (Klassiek, Jazz, Pop, Rock, Elektronisch, Hip Hop).
Of er een temporele trend naar vereenvoudiging bestaat in hedendaagse muziek.
Hoe de democratisering van muziekcreatie en algoritmische curatie de structurele diversiteit beïnvloeden.

2. Methodologie

De auteurs maken gebruik van Netwerkwetenschap om muzikale composities te modelleren als gewichte gerichte grafen.

Datasetconstructie

Bron: De MetaMIDI Dataset (MMD), met ongeveer 400.000 MIDI-bestanden.
Filtering: De auteurs selecteerden ongeveer 20.000 tracks over zes macro-genres (Klassiek, Jazz, Rock, Pop, Elektronisch, Hip Hop).
Preprocessing: Tracks werden gefilterd op lengte (>60s) en geparseerd met de bibliotheek tuneR.
Metadata-verrijking: MIDI-bestanden werden gekoppeld aan Spotify-metadata (populariteit, releasedata) met behulp van het pakket spotifyr.
Schatting van releasedata: Vanwege onnauwkeurigheden in Spotify's metadata betreffende heruitgegeven albums, gebruikten de auteurs een Groot Taalmodel (Gemini) om de oorspronkelijke releasedata te schatten voor oudere tracks (pre-1980), terwijl ze voor nieuwere tracks vertrouwden op Spotify-gegevens.

Netwerkreprentatie

Knopen: Verschillende muzikale noten (tonen).
Randen: Gerichte overgangen tussen noten ( $x \to y$ ).
Gewichten: De frequentie van de overgang (hoe vaak noot $y$ volgt op noot $x$ ).
Grafentype: Gewichte gerichte netwerken. Lussen ( $x \to x$ ) werden verwijderd om de focus te leggen op overgangen tussen verschillende noten. Akkoorden werden behandeld als complete bipartiete grafen tussen de noten van opeenvolgende akkoorden.

Analytische Metrieken

De studie maakt gebruik van verschillende topologische en informatietheoretische maten:

Globale Efficiëntie: Meet hoe efficiënt informatie zich verspreidt (inversie van de kortste padlengte). Hoge efficiëntie impliceert kortere paden en minder repetitieve melodieën.
Gewichte Reciprociteit: Meet de neiging van overgangen om bidirectioneel te zijn ( $x \to y$ en $y \to x$ ).
Gemiddelde Knopenentropie: Kwantificeert de heterogeniteit van overgangskansen vanuit een knoop. Hoge entropie duidt op uniforme overgangen (hoge variabiliteit); lage entropie duidt op repetitieve patronen.
Netwerkinbeddingen:
- Interval-inbeddingen: Een 12-dimensionale vector die de frequentie van muzikale intervallen (semitoonverschillen) in een lied weergeeft.
- UMAP: Gebruikt om de dimensionaliteit te reduceren en genre-clustering te visualiseren.
- Nulmodellen: Twee randomisatiemodellen werden gebruikt voor vergelijking: één waarbij randen opnieuw werden verbonden (behoud van graad) en één waarbij gewichten werden geschud (behoud van sterkte).

3. Belangrijkste Bijdragen

Nieuw Kader: Stelt een robuust Netwerkwetenschap-kader voor om muzikale complexiteit te kwantificeren, en gaat voorbij aan subjectieve analyse naar structurele metrieken.
Grootschalige Temporele Analyse: Analyseert bijna 20.000 composities over vier eeuwen, waardoor een longitudinaal beeld van muzikale evolutie wordt geboden.
Integratie van Topologie en Muziektheorie: Combineert grafmetrieken (efficiëntie, reciprociteit) met muziektheoretische concepten (intervallen, stabiliteit) om netwerkeigenschappen te interpreteren.
Beoordeling van Algoritmische Impact: Biedt empirisch bewijs dat de opkomst van streamingplatforms en algoritmische curatie koppelt aan een trend naar muzikale homogenisatie en vereenvoudiging.

4. Belangrijkste Resultaten

Genre-specifieke Complexiteit

Hoge Complexiteit: Klassieke en Jazz-composities vertonen de hoogste complexiteit en melodische diversiteit. Ze tonen:
- Hogere gewichte efficiëntie (wat wijst op minder repetitieve, gevarieerdere overgangen).
- Lagere gewichte reciprociteit (minder heen-en-weer nootpairs, wat langere, niet-repetitieve melodieën suggereert).
- Hogere entropie (een uniformere verdeling van overgangen).
Lagere Complexiteit: Pop, Rock, Elektronisch en Hip Hop tonen lagere complexiteit, gekenmerkt door:
- Hoge reciprociteit (repetitieve "hooks" en korte frasen).
- Lagere efficiëntie (meer repetitieve structuren).
- Zwaarstaartige gewichtsverdelingen (weinig overgangen komen zeer frequent voor).

Temporele Evolutie (De Vereenvoudigingstrend)

Daling in Klassiek/Jazz: Zelfs historisch complexe genres zoals Klassiek en Jazz tonen een dalende trend in complexiteit in de loop van de tijd. Moderne Klassieke en Jazz-stukken hebben complexiteitsniveaus bereikt die vergelijkbaar zijn met moderne Pop/Rock.
Stagnatie in Moderne Genres: Genres zoals Pop en Rock hebben relatief vlakke complexiteitsniveaus aangehouden, maar op een lager basisniveau dan historisch Klassiek/Jazz.
Het "Brug"-tijdperk: Muziek uit de periode 1950–1979 fungeert als een overgangspunt, waarna een duidelijke verschuiving naar eenvoud wordt waargenomen.

Inbedding en Clustering

UMAP-analyse: Klassieke muziek vormt een distinct cluster, gescheiden van andere genres. Jazz is ook distinct, maar ligt dichter bij Klassiek. Moderne genres (Pop, Rock, Elektronisch, Hip Hop) tonen aanzienlijke overlap, wat wijst op homogenisatie.
Intervalcorrelatie:
- Het eerste UMAP-component correleert met stabiele intervallen (unisono's, reine kwinten) en topologische eigenschappen.
- Het tweede component correleert met instabiele intervallen (seconden, septimen) en gewichte complexiteit.
- Klassiek en Jazz vertrouwen sterk op instabiele intervallen (wat spanning/oplossing creëert), terwijl moderne genres meer vertrouwen op stabiele, repetitieve intervallen.

Populariteit versus Complexiteit

Er bestaat een significante negatieve correlatie tussen liedpopulariteit en muzikale complexiteit, met name in Klassiek en Jazz.
Populairdere liederen neigen naar lagere dichtheid (minder overgangen) en lagere entropie, wat suggereert dat algoritmische curatie eenvoudige, meer repetitieve structuren bevoordeelt.

5. Betekenis en Implicaties

Culturele Homogenisatie: De studie levert kwantitatief bewijs dat de "democratisering" van muziekcreatie en de dominantie van algoritmische aanbevelingssystemen hebben geleid tot een homogenisatie van muzikale stijl.
Algoritmische Invloed: De bevindingen ondersteunen de hypothese dat digitale platformen fungeren als "nieuwe radio's" die filteren op eenvoud en onthoudbaarheid (hoge reciprociteit, lage complexiteit), wat structurele innovatie potentieel kan verstikken.
Methodologische Vooruitgang: Het artikel vestigt een reproduceerbare pijplijn voor het analyseren van culturele evolutie met behulp van netwerkwetenschap, toepasbaar op andere domeinen buiten muziek (bijv. literatuur, beeldende kunst).
Toekomstig Onderzoek: De auteurs suggereren dat toekomstig werk tekstanalyse, klankkleur en productietechnieken moet integreren om een holistisch model van muzikale evolutie te creëren, aangezien het huidige onderzoek beperkt is tot structurele (MIDI)-gegevens.

Conclusie

Het artikel concludeert dat hoewel er nieuwe genres zijn ontstaan, de algehele trajectory van muzikale evolutie in het digitale tijdperk neigt naar vereenvoudiging. Zelfs traditioneel complexe genres passen zich aan aan de beperkingen en voorkeuren van modern digitaal consumptie, wat resulteert in een landschap waarin structurele diversiteit afneemt en muzikale complexiteit convergeert naar lagere basissniveaus.