音乐信息研究实验中的效度
声音
2023-01-05 v1 音频与语音处理
摘要
效度是从证据（如实验中收集的数据）所作出推断的真实性，并且是科学工作的核心。鉴于音乐信息研究（MIR）领域的成熟性，我们认为效度应比迄今为止得到更多的讨论与考量。在个人工作中考虑效度可提升其科学与工程价值。通过对效度的审视，对抗性攻击与性能瓶颈等令人困惑的 MIR 现象变得不再神秘。在本文中，我们总体回顾效度这一主题，考量来自关键参考文献 Shadish 等人 2002 年的四种主要效度类型。我们以典型的 MIR 实验——使用机器学习的音乐分类——来夯实对这些类型的讨论。借此，MIR 实验者可被引导从其实验收集的数据中作出有效推断。
引用
@article{arxiv.2301.01578,
title = {Validity in Music Information Research Experiments},
author = {Bob L. T. Sturm and Arthur Flexer},
journal= {arXiv preprint arXiv:2301.01578},
year = {2023}
}