HIGH-M
Willkommen auf der Online-Präsenz des HIGH-M Projekts (Human Interaction assessment and Generative segmentation in Health and Music)!
Angesiedelt am Institut für Angewandte Sozialwissenschaften (IFAS) der Technischen Hochschule Würzburg Schweinfurt (THWS) wird im HIGH-M Projekt ein Analysetool entwickelt, das Autonomie - verstanden nach Kenneth E. Bruscia als Typen musikalischer Interaktion - in musiktherapeutischen Improvisationen untersucht. Dazu werden verschiedene Theorien zur Analyse von Improvisation und Interaktion miteinander synthetisiert und automatisiert. Mit der Frage nach spezifischen Typen von Interaktion, wird unser Analysetool an musiktherapeutischen Improvisationen von Personen mit depressiver Erkrankung getestet und angewandt.
In der Entwicklung unseres Tools verfolgen wir zwei Ziele in der Anwendung: Zum einen soll es in der Lage sein, musiktherapeutische und künstlerische Improvisationen in ihrer mikrosozialen Dynamik zu analysieren. Zum anderen soll es als diagnostisches Instrument in der klinischen Musiktherapie verwendet zu werden und Assessment-Prozesse damit unterstützen. Unser Fokus liegt dabei auf der Analyse und Erkennung depressiven Verhaltens, auf dem unser Datensatz beruht.
Unterstützt werden wir in der Entwicklung von zahlreichen nationalen und internationalen Partner*innen, die neben den bereitgestellten Daten, Expertise im Bereich computerbasierter Analyse, Music Information Retrieval und kognitiven sowie musiktherapeutischen Hintergründen mit einbringen. Die THWS ist auch Gründungsmitglied des International Music Therapy Assessment Consortium (IMTAC), wozu HIGH-M einen weiteren Beitrag leistet.
Auf den folgenden Seiten können Sie Näheres zum Aufbau, dem momentanen Stand der Studie, unseren Partnern und bisherigen Veröffentlichungen erfahren. Bei weiteren Fragen oder Interesse treten Sie gerne mit uns in Verbindung.
Aktuelles
Unser letzter Beitrag
Projektstatus HIGH-M (April 2024)
Zu Beginn des Jahres wurden folgende Ziele des HIGH-M Projekts erreicht:
- Die Analysemethode wurde finalisiert und primäre Arbeitsfelder zur Umsetzung in automatisierte Verfahren wurden identifiziert
- Ein Prototyp zur Segmentierung wurde angefertigt
- Der zugrundeliegende Datensatz wurde aufbereitet und neu organisiert
- Beispielhafte Einzelfälle wurden ausgewählt und durch die Autonomy Microanalysis analysiert
Als nächstes werden folgende Ziele verfolgt:
- Ein Segmentierungverfahren mit Thresholds zur Erkennung musikalischer Bewegungen wird erstellt und implementiert
- Autonomy Microanalysis Prozesse werden mit datenbasierten Prozessen abgeglichen und in beiderlei Richtung optimiert und formalisiert
- Das Erstellen des ersten Papers wird begonnen
Unsere Partner
