ResonaVis：透過音樂數據視覺化支持治療性音樂創作的反思過程
arXiv - Human-Computer InteractionAbhishek Karwankar, Elise Ruggiero, Daniel Stevens, Matthew Louis Mauriello
開發 ResonaVis 系統，透過視覺化互動與音訊數據，幫助作曲家在治療性音樂創作中進行數據驅動的反思。
AI 幫你先抓重點
AI 重點 1
將「數據驅動的反思」引入藝術創作流程
滑鼠懸停看 AI 判斷理由
傳統音樂創作高度依賴直覺，而此研究展示了如何利用量化數據（互動日誌與音訊特徵）轉化為視覺資訊，讓創作者能從過去的經驗中進行結構化反思，這為藝術教育與專業實務提供了新的認知工具。
AI 重點 2
視覺化工具在特殊教育輔助設計中的應用潛力
滑鼠懸停看 AI 判斷理由
該系統並非直接進行治療，而是透過呈現 ASD 兒童的反應模式來輔助設計，這種「間接支持」的模式對於開發針對特殊需求族群的數位學習或治療工具具有重要的設計啟發。
核心研究發現
- 1
ResonaVis 系統展現良好的可用性，其 SUS 使用者滿意度分數為 72.23，超越了早期原型的基準值。
- 2
研究顯示參與者能有效識別互動模式、理解音樂層次關係，並在低挫折感的情況下做出知情的創作決策。
- 3
在多個維度上，作曲家對於解讀 ASD（自閉症譜系障礙）治療音樂互動與聲學數據的信心顯著提升（p < 0.05）。
對教育工作者的啟發
對於設計輔助學習或治療工具的開發者，本研究建議：1. 不要試圖用系統取代人類的專業判斷，而是提供「數據視覺化」作為反思的媒介；2. 整合多維度數據（如行為互動與感官特徵）能提供更全面的洞察；3. 在設計針對特殊需求（如 ASD）的工具時，應著重於如何將複雜的感官反應轉化為直觀的視覺模式，以支持設計者的決策過程。
原始文獻資訊
- 英文標題：
- ResonaVis: Visualizing Interactive Music Data to Support Reflective Music Composition for Therapeutic Contexts
- 作者：
- Abhishek Karwankar, Elise Ruggiero, Daniel Stevens, Matthew Louis Mauriello
- 來源：
- arXiv - Human-Computer Interaction
- AI 摘要模型：
- /models/gemma-4-26B-A4B-it
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。