國內可視化音樂研究現狀

楊季澤　高旖

音樂作為一種在時間中展現的聽覺藝術，在過去漫長的時間中，都是以抽象、難以捉摸的形象出現。隨著時代的發展，近些年來計算機和互聯網平臺涌現了一批可視化分析測量工具，并開始逐漸應用于音樂的可視化。音樂可視化是對音樂表達的一種非主觀的，科學的判斷和解釋方法，是為理解、分析、比較音樂的表現力和內部結構提供的一種呈現技術。在這個網絡快速發展的信息化時代，各種科學的手段和技術進入人文藝術領域自然是大勢所趨，在學術領域，可視化音樂也逐漸成為了國內研究的熱點問題。

通過CiteSpace的可視化技術，可以精準分析海量文獻信息，得出清晰，直觀的視圖，可以全景式探析一個領域的發展趨勢和熱點變遷。目前，在音樂領域，已經出現了一些使用可視化技術對目前某一熱點研究現狀分析的文獻，例如巫宇軍采用Cite Space（5.3.R4）可視化分析技術、計量學分析法及CNKI統計功能對我國近十年來發表在中國知網（CNKI）上關于我國音樂類非遺研究的期刊文獻進行了分析；劉苗，周莉，許頌采取定量分析結合定性研究的方法，文獻研究法、知識圖譜分析法、內容分析法對1957-2020年CNKI上所收錄的關于云南音樂的期刊文獻進行了可視化分析。但是在可視化音樂方面，目前國內尚無相關文獻。

本文采用了文獻計量的方法，運用CiteSpace（6.1.R3），選擇1997—2022中國知網（CNKI）上可視化音樂相關的文獻資料為數據來源，從發表數量，作者及機構聯系，關鍵詞聚類，突變率檢測對目前國內可視化音樂研究現狀進行可視化分析，探究發展趨勢，研究群體特點和研究熱點變遷，旨在為國內可視化音樂研究提供借鑒。

一、研究方法和數據來源

（一）研究設計

本文基于文獻計量和科學圖譜的方法，使用CiteSpace（6.1.R3）和CNKI統計功能進行研究，通過對作者、機構、關鍵詞的共現與聚類，以及關鍵詞突變率進行可視化呈現，探究學術發展的歷程和知識拐點，了解目前研究現狀和已經存在的不足之處。

（二）數據來源

本文選擇中國知網（CNKI）期刊音樂數據庫為數據來源，對主題“可視化音樂”及“音樂可視化”進行檢索，最終檢索出中文文獻共270條，通過人工整理與去重，剔除明顯不符合本主題的結果，最終得到有效中文文獻214條。得到最早的一篇期刊為李霞，劉征，劉遵仁，邵峰晶1997年12月30日在青島大學學報（自然科學版）發表的《關于音樂可視化的研究——聲音格式與音樂格式的轉換》。因此本文將以知網上1997年12月至2022年10月的關于可視化音樂的文獻為數據樣本進行可視化分析。

二、可視化音樂相關文獻的可視化分析

（一）文獻年度統計分析

根據知網的可視化圖譜工具分析可知，自1997年發表了第一篇關于可視化音樂的論文后，關于可視化音樂的研究很長時間里發展都十分緩慢，直到2008年才迎來一波小高峰。以2008年為分水嶺，之后開始逐年上升，尤其是在2017年之后，更是發展迅速，在近幾年達到最高峰。

1997年至2007年為可視化音樂研究的萌芽期，這些年文章發表的數量基本為個位數，甚至有些年份發文數為0。直至2005年至2008年間楊健建立了Vmus.net音樂可視化分析平臺并發表了一系列關于音樂可視化的論文，可視化音樂在學界開始逐漸應用于音樂表演相關的學術研究中。又經過了近十年的積累，于2017年迎來井噴，發文數量逐年飆升，成為近年來的學術熱點之一。

（二）研究群體特征分析

（1）核心學者群體與相關機構

將發文量最多的作者及其發文數（楊健，8）及總被引最多作者及其發文數（楊健，172）帶入普賴斯公式N=0.749x√Nmax、M=0.749x√Mmax，并四舍五入可以得出N≥2，M≥10，即符合發文量≥2且被引數≥10的學者可以視為本領域核心學者。綜合上述兩點可得出本領域目前核心學者有以下八位，按順序排列分別為“楊健，總發文8，總被引172，最新發文年數2022”“黃鶯，總發文4，總被引76，最新發文年數2022”“童玲卡、黃東軍、曲天喜，總發文2，總被引91，最新發文年數2008”“蔣達、房婷，總發文2，總被引21，最新發文年數2013”“張艷鵬，總發文2，總被引17，最新發文年數2013”。

從上方數據可以得出，目前在可視化音樂領域，楊健作為核心學者中的代表，從2008年開始一直活躍至今，不論是發文量還是被引數，都是一騎絕塵。同時通過觀察上圖中發文年數的信息，可以發現一個令人擔憂的事實，即雖然關于可視化音樂的發文量逐年攀升，但除去楊健和黃鶯，其他核心作者已慢慢淡出該領域，從數量上來看近年來可視化音樂相關的文章雖在逐年增加，但是卻并未有新的核心學者出現。

（2）作者，機構合作情況分析

為研究本領域內各學者以及各機構之間的合作關系，本文利用CiteSpace軟件對主要發文作者和機構分別進行共性分析，得出圖一。

通過對可視化音樂文獻相關的作者進行篩選，合并，去重，將一些相同的機構進行合并，最終得出了上圖。圖中作者及機構名稱節點越大，代表其發文數量越多。節點年輪的顏色越淺，代表著發文年限越接近，越深，代表著年份越久遠。聯結節點之間的曲線代表著作者及機構之間的合作情況。

從圖中的連線情況可知，目前各個學者之間的合作較少，大部分都是獨立研究。除去楊健與黃鶯；王旭，孫洋，王碩及張輝等作者，南京藝術學院，上海音樂學院音樂工程系，南京航天航空大學音樂系三所機構之外，近些年幾乎沒有什么穩定的研究團體出現。

（三）研究熱點分析

（1）關鍵詞分析

為了解目前本領域的研究內容，本文使用了CiteSpace軟件對關鍵詞進行了可視化分析，將Keyword設置為Node Type，時間切片設為1997年至2022年，時間間隔為1，將經過人工篩選的CNKI數據庫中關于可視化音樂的數據導入，最終得到關鍵詞共現性圖譜（圖二），通過人工梳理，將對義關鍵詞進行合并刪除去重，去除“可視化”“音樂”兩大類，按照出現頻次排序，最終得到了出現頻次最高的十個關鍵詞，即“音樂表演”“特征提取”“新媒體”“音樂教育”“節奏伸縮”“體態律動”“演奏風格”“器樂演奏”“虛擬現實”“參數分析”。

關鍵詞共現性圖譜（圖二）中節點N總數為254，連線E為322，網絡密度為0.01，Q值為0.7869（>0.3），Mean Silhouette值為0.9854（>0.4），這代表該圖表結構合理，可信度較高。

根據圖二可得，目前在國內可視化音樂領域內，關于音樂表演的研究是當前最熱門的主題，其節點大小是除去可視化和音樂兩大節點之外體量最大的，出現頻次高達11，并且除了音樂表演本身之外，節奏伸縮（排名5，詞頻7），演奏風格（排名7，詞頻5），器樂演奏（排名8，詞頻5）等幾大關鍵詞，同樣也屬于音樂表演領域的相關名詞。除此之外總量最多的便是特征提取（排名2，詞頻7），虛擬現實（排名9，詞頻5），參數分析（排名10，詞頻5）等，他們共同歸屬于可視化音樂軟件的算法和優化相關的計算機領域。除此之外便是新媒體（排名3，詞頻7），音樂教育（排名4，詞頻7）等，涉及媒體傳播以及教學領域的實際應用。

目前在可視化音樂領域中，對于音樂表演的研究可以說是“獨占鰲頭”，在實際表演中難以捉摸的律動、結構、姿態等非理性因素，通過可視化音樂的分析，可以更加直觀、清晰地表現出來，為表演者打開全新的思路，一定程度上緩解了目前音樂學科寫作存在的“數據量不足”的困境。并且隨著“Sonic Visualiser”，“Vmus.net”等軟件和平臺的出現和逐漸完善，讓可視化音樂分析的入門門檻在一定程度有所降低，僅需稍加嘗試熟悉便可熟練掌握，并且得出的結果也更加準確，科學，這吸引了一大批學者進入本領域。

（2）關鍵詞突現詞分析

突現詞的變化，即是學術熱點的變遷，越接近當前時間的突現詞，就越能代表當前的學術熱點，利用CiteSpace軟件對突現詞進行分析，總結出其中的八個突現詞，得出下面的突現詞演變軌跡圖（圖三）。

從上圖可以得出，自1997年以來，可視化音樂的研究熱點多次轉變，在2007年至2013年間，“特征提取”以1.48的突變率成為學術前沿，這一時期也是可視化音樂的理論建設時期，特征提取作為可視化音樂分析的重要分析方法成為了這一時期的研究熱點。

近些年來，音樂教育作為熱點開始逐漸出現在可視化音樂的領域之中，尤其是自2019年開始，小學音樂成為了這段時間最新的學術熱點，這與國家近些年來相繼提出的政策是密不可分的。在北京召開的“第六屆中小學數字化研討會”也進一步引發了學者對音樂可視化在教學實踐中應用的思考和研究，可視化音樂也從音樂表演和音樂分析領域開始進入了實際教學應用中。

三、研究結論

度過了漫長的萌芽期，如今的可視化音樂已經進入了快速發展時期，文章數量逐年攀升，不斷加入的新學者，產生的新技術，也為可視化音樂的發展帶來了全新的活力。作者構成方面也已形成以楊健、黃鶯為代表的核心學者群體和合作團體。更重要的是，研究并沒有僅僅停留在音樂表演和音樂分析方面，開始出現向新媒體傳播、音樂教育方面延伸的趨勢。

但是目前的可視化音樂領域依舊存在一定的不足。首先，雖然發表文獻數量在逐年增加，進入本領域的青年學者也越來越多，但是卻再無具有影響力的成果產出，如此下去定會造成學術斷層，嚴重影響學科的繼承與發展。其次，學者及機構之間的合作性不強，大多數依然在進行獨立研究，長此以往定會影響具有影響力文獻的產出。最后，雖然目前有部分理論研究能夠落實到實際應用中，但是總量仍然是遠遠不足的，只有大量產出能服務于實踐的研究成果，才能長久、良性地發展下去。

參考文獻：

[1]黃鶯，楊健：《看得見的好聲音——計算機可視化輔助聲樂教學之案例分析》，《南京藝術學院學報（音樂與表演版）》2012年第4期。

[2]楊健：《20世紀西方器樂演奏風格的結構特征及其形成原因——基于計算機可視化音響參數分析的研究結果概述》，《南京藝術學院學報（音樂與表演版）》2008年第3期。

[3]巫宇軍：《我國音樂類非遺保護研究20年回顧與反思——基于CNKI期刊論文的可視化計量分析》，《中國音樂》2022年第1期。

[4]劉苗，周莉，許頌：《云南音樂相關文獻的可視化分析》，《復旦學報（自然科學版）》2021年第3期。

[5]屈天喜，黃東軍，童卡娜：《音樂可視化研究綜述》，《計算機科學》2007年第9期。

[6]鐘文娟：《基于普賴斯定律與綜合指數法的核心作者測評——以〈圖書館建設〉為例》，《科技管理研究》2012年第2期。

楊季澤 南京藝術學院音樂學院碩士研究生

高 旖 南京藝術學院音樂學院講師

（責任編輯 于洋）