[论文解读] Sonification Abstraite/Sonification Concrète: An 'Aesthetic Perspective Space' for Classifying Auditory Displays in the Ars Musica Domain

Paul Vickers, Bennett Hogg|arXiv (Cornell University)|Nov 21, 2013

Tactile and Sensory Interactions参考文献 18被引用 44

一句话总结

本文提出一种「审美视角空间」，通过将声音化映射到「ars musica」领域（涵盖电子音乐与具体音乐），实现将音乐创作与审美原则迁移至声音化设计中，从而提升其表现力。通过将声音化视为艺术作品，该框架借助音乐在结构与音色组织方面的原则，增强其声学生态、听众参与度与传达效果。

ABSTRACT

This paper discusses æsthetic issues of sonifications and the relationships between sonification (ars informatica) and music & sound art (ars musica). It is posited that many sonifications have suffered from poor internal ecological validity which makes listening more difficult, thereby resulting in poorer data extraction and inference on the part of the listener. Lessons are drawn from the electroacoustic music and musique concrète communities as it is argued that it is not instructive to distinguish between sonifications and music/sound art.

研究动机与目标

• 解决声音化设计中缺乏审美与声学生态考量的问题，该问题阻碍了有效数据感知。
• 论证声音化与音乐/声音艺术在本质上并非截然不同，尤其体现在对组织化声音的运用上。
• 构建一个将声音化映射至「ars musica」领域的框架，以实现对审美维度的深入探究与设计优化。
• 证明音乐训练与审美意识可显著增强听觉显示的传达力。
• 鼓励声音化设计者采用类似作曲家、声音设计师与录音工程师的聆听实践。

提出的方法

• 提出一种「审美视角空间」，沿抽象/具体（索引性）轴线对声音化进行映射，使其与「ars musica」领域中的各类音乐类型相对应。
• 以电子音乐与具体音乐为参照点，强调谱系形态学与音色组织，而非传统调性结构。
• 应用谢弗（Schaeffer）与基翁（Chion）的聆听模式——尤其是因果聆听与减缩聆听——以区分数据模拟性感知与声音属性聚焦型感知。
• 对「ars musica」领域中的经典作品（如瓦雷兹、谢弗、斯特姆）进行深入分析，提取组织原则，如音色对比、空间化处理与时间结构。
• 将声音化映射至其对应的审美类型，以识别其共有的结构与感知特征。
• 利用该框架将声音化与音乐作品（如海沃德的地震图谱与谢弗的音响景观）进行对比，揭示设计上的相似性与可迁移策略。

实验结果

研究问题

• RQ1 鉴于声音化与音乐/声音艺术均运用组织化声音，如何实现其在意义层面的合理分类？
• RQ2 声音化中的审美与声学生态特征在多大程度上影响听众感知与数据提取？
• RQ3 电子音乐与具体音乐中的哪些作曲与组织原则可被迁移至声音化设计中以实现优化？
• RQ4 为何审美一致性更高的声音化能带来更好的听众参与度与更低的认知疲劳？
• RQ5 在听觉显示设计中，如何重新定义「聆听」（区别于单纯的「听见」）的角色，以增强数据理解？

主要发现

• 具有强审美一致性与良好声学生态结构的声音化，在数据感知方面更有效，且能降低听众疲劳。
• 具备音乐素养的设计者显著提升了声音化的审美与传达质量。
• 将声音化映射至「ars musica」领域，揭示了其与斯特姆的《来自海洋的音乐》及海沃德的地震图谱等作品在结构上的相似性，暗示存在共通的设计原则。
• 电子音乐与具体音乐传统为声音组织提供了超越简单音高-数据映射的宝贵框架，尤其体现在谱系形态学与音色控制方面。
• 该框架支持对音乐类型的「审美质询」，可提取如空间化、音色对比与时间定位等原则，从而增强声音化表达的清晰度。
• 审美设计不良——如掩蔽性音色或混乱的声学生态——会阻碍数据推断；而过度音乐化的声音化则可能分散对数据内容的注意力。