何时停止：从生态学获取构建目录、收藏和语料库的洞见

音乐学的主要活动之一——尤其是在数字域中——是源数据的目录化，这需要大规模且持久的研究合作。然而，旨在覆盖和代表音乐版本的数据库永远不会完善，学者们必须面对的问题是：我们仍在遗漏什么？这一问题在结构上类似于生态学中的“未见物种”问题，后者需从有限观察中估算物种总数。本案例研究首次将常见的Chao1估计器应用于音乐学，具体针对西格伦颂歌曲。我们发现，主要颂歌类型版本覆盖率的上限范围在50%至80%之间。如预期，Mass Propers的覆盖率优于Divine Office，但差距并不显著。然而，积累曲线表明这些上限并不严格：1993年至2020年间，索引在源数据中的约5%的颂歌为新颖发现，表明就版本多样性而言，收益递减尚未出现。我们的研究表明，这些问题可通过经验方法加以解决，以信息化数据收集，展示了未见物种模型在音乐学中的潜力。