研究記事

ピアノ専攻向けの人工知能音楽プラットフォームが学習向上と不安軽減:心拍変動の手がかりを用いたランダム化研究

246 閲覧数

⸱

DOI：

10.3791/69106

⸱

2026年4月21日

1School of Arts, Jingchu Technology University

この記事について

サマリー

このプロトコルは、HRVに反応したマイクロ介入と可視化に基づくフィードバックを用いたAI駆動の音楽教育プラットフォームを用いて、学部生ピアノ専攻の音楽理論学習を向上させ、状態不安を軽減するランダム化ワークフローを説明しています。

要約

人工知能(AI)は音楽教育にますます応用されていますが、知識獲得と不安の調整を共同で評価する再現可能なワークフローは依然として限られています。このプロトコルは、AI駆動の音楽教育プラットフォームを日常的なスタジオクラスの授業に導入し、学部生ピアノ専攻者への効果を評価するためのランダム化管理ワークフローを説明しています。参加者はスクリーニングされ、2週間(12回の30分セッション)AI駆動プラットフォームまたは従来型指導にランダムに割り当てられます。成果には、構造化された音楽理論・分析テストや状態-特性不安検査(STAI-S;20問、4点制、合計20–80点)が含まれます。心拍変動(HRV)は、5分間の座席休息と5分間の標準化練習セグメントで記録されます。主要な指標には、正常から正常までの間隔の連続差の平均二乗根(RMSSD;短期迷走神経活動)、正常から正常間隔の標準偏差(SDNN;全体変動)、および高周波(HF)パワー(副交感神経関連スペクトル成分)が含まれます。このプロトコルにより、講師や研究者はプラットフォームを展開し、参加者スクリーニング、ランダム化実行、プラットフォームの設定・設定、HRVセンサーの配置と記録、アーティファクト処理とHRV計算、すべてのアウトカム指標の管理・スコアリング、最終データエクスポート、ファイル名付け、統計分析のための安全な保存を網羅する標準化された手順を踏襲できます。解析では独立標本t検定と共分散解析(ANCOVA)を用い、ベースラインを共変量として用いています。代表的な結果では、AI駆動群で調整後のテスト理論のパフォーマンスが高く(部分的 η2 = 0.206)、介入後の状態不安が低いことが示されています(t(38) = −3.486、p = 0.001;対照群よりもコーエン氏のd≈1.10)が比較群より高く、HRVパターンは生理学的文脈を提供し、副次的な認知負荷アウトカムは余計な負荷の減少を示しました。

概要

現代の高等教育において、指導目標は知識伝達を超え、生徒の心理的健康や演奏者としての持続可能な成長も含まれます。ピアノ専攻の学生は、審査員、コンクール、オーディション、公開リサイタルなどから繰り返し評価圧力を受けながら訓練を受けており、不安が注意のコントロールを妨げ、演奏の質を低下させることがあります。

音楽演奏不安(MPA)および試験関連不安は、音楽院や大学のサンプルで一貫して報告されており、異なるコホートや測定アプローチで高い有病率の推定が記録されています。主観的苦痛を超えて、不安は生理的覚醒、注意散漫、自己効力感の低下と関連しており、これらはピッチやタイミングの不安定さ、評価下のパフォーマンスの不安定さにつながります。

人工知能(AI)の最近の進展は、この文脈でのより的確な支援への道筋を示しています。AI駆動のパーソナライズは、学習者の進化するニーズに合わせて内容の難易度、ペース配分、フィードバックを調整し、スタジオティーチングにおける画一的な指導への依存を減らすことができます。同時に、感情計算は多様態の手がかり(例:表情、発話、生理的信号)から瞬間的な感情状態を推定し、実践中の不安の変動に反応できるようにします。

この領域における重要な生理学的マーカーは心拍変動(HRV)であり、これは自律神経調節やストレス応答性に関連する非侵襲的指標として一般的に用いられます6。HRVに配慮したプロンプトは、指導に組み込まれることで、練習中の急性状態不安を抑えることを目的としたジャストインタイムのマイクロ介入(例えば、短い呼吸やマインドフルネスの合図)を支援します。

もう一つの設計柱は、可視化に基づくフィードバックです。進捗曲線、誤り位置マップ、心率変動に応じた指標を表示するダッシュボードは、練習行動や認知・情動負荷をより透明にすることで、自己モニタリングや教師・生徒の共同調整を強化します8。学習科学の観点から見ると、これらの設計選択は認知負荷理論と一致しており、これは簡略化されたプレゼンテーション、セグメンテーション、フィードバック設計を通じて余計な負荷を軽減しつつ、関連処理によるスキーマ構築を支援する9。

AIベースの音楽学習ツールの急速な発展にもかかわらず、高等教育音楽教育においてAI駆動のパーソナライズ、生理モニタリング(HRV)、可視化によるフィードバックを単一のプラットフォーム内で統合し、ランダム条件下で全体のワークフローを評価する研究は比較的少数である。さらに、多くの報告では、センサー記録、アーティファクト処理、データエクスポートのためのフィルム可能なパラメータレベルの手順を明示せず、結果を重視しており、再現性やサイト間複製を制限しています。本研究では、AI駆動の音楽教育プラットフォームをスタジオクラスのルーティンに導入し、その音楽理論/分析の達成度および状態不安(STAI-S)への影響を評価する段階的なプロトコルを提示し、標準化された休息と練習のセグメント中にHRV指数を記録し、生理学的文脈を提供します。

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

プロトコル

この研究プロトコルは、景楚工業大学芸術学院の機関審査委員会(承認番号:JCTU-ARTS-2025-013)によって承認されました。登録前にすべての参加者から書面によるインフォームドコンセントが取得されました。

参加者登録
登録前に書面によるインフォームドコンセントを取得してください。各候補者は、研究目的、手順、潜在的なリスクと利益、機密保持、データ取り扱いの取り決めについて書面および口頭で説明を受けた後です。署名済み同意書は研究データとは別に、鍵付きのキャビネットや、主任研究者と指定されたデータ管理者1名に限定された暗号化されたデジタルアーカイブに保管してください。各参加者の承認番号、承認日、同意日を研究ログに記録し、透明な報告と再現を支援すること11。機関の方針やジャーナルの指針により必要な場合は、適切な試験レジストリに登録し、登録識別子と登録日を研究ログに記録してください。12。

参加者の資格と募集
参加者のスクリーニングと募集
音楽院または大学の音楽プログラムから18歳から22歳の学部ピアノ専攻40名を募集し、ほぼバランスの取れた男女比を目標に60:40を超えない目標を目指す。各候補者が少なくとも6か月間の正式なピアノ学習を修了し、五線譜を流暢に読めること、基礎試験を完了できる入門的な音楽理論知識を持っていることを確認しましょう。関心のある候補者をスクリーニング訪問に招待し、スクリーニングの少なくとも24時間前に時間のコミットメント、データ収集手順、機密保持に関する書面による研究情報を提供してください。

包含基準を適用する
全般性不安障害7(GAD-7)アンケートを各候補者に実施し、計測マニュアル13に従って採点します。5〜8分間の短い半構造化面接を行い、候補者が指示を理解し、手順に耐え、すべてのセッションに参加できるかを確認します。参加者は、すべての基準を満たしている場合のみ含めてください:18歳から22歳、正式なピアノ訓練を少なくとも6か月以上、GAD-7スコアが5から14歳の間で、軽度から中等度の不安を示す14、すべての介入および評価手続きを完了する意欲、書面によるインフォームドコンセントの提供。

除外基準を適用する
現在重度の精神障害があるか、参加や結果の妥当性に支障をきたす可能性のある精神科治療中の候補者は除外します。過去3か月以内に同様のAI駆動の音楽トレーニング研究に参加した候補者は除外します。これらの研究は、アルゴリズム駆動の実践指導または≥3セッションにわたる自動フィードバックを伴う介入研究と定義されます。対象レパートリーに不慣れで、抜粋を標準化した15分間の慣れ後でも安定したベースラインパフォーマンスを達成できない候補者は除外します。ピアノ演奏や心拍変動(HRV)記録に支障をきたす重大な運動障害、視覚障害、聴覚障害のある候補者は除外します。HRV測定の質を著しく損なう疾患や要因(例:既知の不整脈、植込み型ペースメーカー、自律神経機能に著しい影響を与える薬剤)を持つ候補者は除外し、該当する場合はスクリーニングログに理由を記載することを検討してください。15。すべての参加・除外の決定、除外理由は匿名化された参加者IDで識別されるスクリーニングログに記録し、結果データとは別に保存してください。

ランダム化と割り当て隠蔽
ランダム化配列の準備
統計ソフトウェアを使って、参加者を実験群(AI駆動プラットフォーム)または対照群(従来型指示)に割り当てる1:1の置換ブロックランダム化シーケンスを生成します。置換ブロックに使われるブロックサイズを4としてあらかじめ定義し、ソフトウェア名、バージョン、そしてランダムなシード値20250113をランダム化ログに記録して再現性を確保します。16。シーケンスを生成する研究者が参加者評価、成果スコアリング、教育に関与していないことを確認してください。各グループの課題を同一の紙片(約5 cm x 2 cm)に印刷し、各課題を連番の不透明な封筒に入れます。エンベロープ作成の詳細を監査ログ(日付、作成者、総エンベロープ数=40)に記録し、監査ログはアウトカムデータとは別に保存します。

配分隠蔽の実装
封筒は、割り当てを担当する職員のみがアクセスできる安全な場所に保管してください。各参加者のベースラインセッション終了時に、次の封筒を数値順に取り出します。参加者の立ち会いのもとで封筒を開け、公開された割り当て内容(参加者ID、封筒番号、日付・時刻、割り当て者署名)に記録します。割り当ての隠し方を守るため、残りの封筒は使用まで封を封したままにしてください。

パフォーマンス評価者の盲目化の維持
各参加者に、グループ割り当てを符号化しない匿名化されたIDをP001–P040形式で割り当てます。すべての音声および映像記録には参加者IDと時間点(介入前後)のみをラベル付けしてください。パフォーマンス評価者に対し、グループ割り当てに関する情報を含まず、共有前にファイルメタデータが削除された非識別化されバランスの取れた録音セットを提供します。

レパートリーと舞台設定
ターゲットレパートリーの選定
モーツァルトのピアノソナタ ト長調 K.283 第2楽章(アンダンテ)を共通のトレーニングと評価曲として使うのが良いでしょう。1小節目から32小節を標準化された抜粋としてトレーニングと評価に用い、この抜粋の長さと難易度が中級レベルのピアノ専攻に適していることを確認し、セッション17を通じて安定したテンポ目標と一貫したフレージング要求を可能にします。

物理的な環境の標準化
すべてのセッションは、安定した照明と温度を22 ± 1°Cに保った静かなスタジオで行ってください。 重り付きデジタルピアノや同等の鍵盤操作を持つアコースティックピアノを固定された部屋の場所に置き、訪問ごとに参加者ごとにベンチの高さを一定に保ちましょう。楽器から0.8m離れた場所に、固定された高さ1.2mの位置にマイクを設置し、サウンドボードやキーベッドに向かって45°の角度で配置し、クリッピングなくクリアな信号を受信します。パフォーマーから1.8m離れた高さ1.4mの三脚にカメラを取り付け、すべてのセッションで手や上半身を一定の角度で捉えます。

各試験日前の機器の校正
メトロノームの音量を設定しテストし、参加者がはっきり聞き取れるようにしつつ、録音を支配しないようにし、ベンチポジションで約60〜65dBの再生レベルを目標にします。オーディオインターフェースや録音機器の録音ゲインを調整し、クリッピングを防ぎつつ高い信号対雑音比を維持し、フォルテパッセージ時の−12 dBから−6 dBのピークレベルを目標にします。カメラの構図とピントを確認し、キーボード、手、上半身が常に視界に入っているか確認してください。リアルタイム表示を観察し、少なくとも30秒間安定したR–R間隔検出(または安定した心電図波形)を確認してからデータ収集を開始します。音声クリッピングが発生した場合は、入力ゲインを3〜6dB下げ、10秒のテスト録音を繰り返し、ピークレベルがクリッピング閾値以下にとどまったまで録音を進めます。R–R検出が不安定な場合は、胸部ストラップを締め、接触パッドを湿らせ(またはメーカーの指示に従って心電図電極の位置を変えるなど)して皮膚接触を増やし、30秒の信号チェックを繰り返し、安定したトレースが得られた後にのみ進行します。

アウトカム指標
知識と分析(主要な認知結果)
内容領域と難易度に合わせた構造化された音楽理論と楽譜分析テストの2つの並行形式(フォームAとフォームB)を開発する。対象レパートリーおよび関連資料の調和(8項目)、リズムの分割(4項目)、動機認識(4項目)、形式分析(4項目)を含む20項目を含みます。各評価のタイミングで、参加者を静かな部屋に一人で座らせ、あらかじめ決められたスケジュールに従ってフォームA(ベースライン)またはフォームB(テスト後)のいずれかを提出してください。参加者に、機器や教科書、電子教材を使わずに30分以内にテストを完了するよう指示します。テスト終了時に回答シートを回収し、完了時間を数分で記録してください。各回答を標準化された解答キーで採点し、総合精度スコア(0–100)を主な認知結果として計算し、1項目あたり5点を与えます。合計スコアと完了時間を、参加者の匿名IDの下に保存してください。

パフォーマンスルーブリック(二次的なスキル成果)
標準化された器具、マイクの配置、カメラアングルを使い、介入前後の各参加者のターゲット抜粋の音声・映像パフォーマンスを録音します。メロディックな流暢さ、リズムの正確さ、協調性とテクニック、表現的な解釈の4つの側面を持つパフォーマンスルーブリックを使いましょう。各次元を1から5のスケールで評価し、合計スコアは4から20の範囲にします。詳細なルーブリック文書と6つのパイロット録音(3つの基準記録と3つの試験後録音)を用いて、少なくとも2人の独立した評価者を訓練し、すべての側面で適切な合意が得られるまで行います。評価者には、グループ情報は含め、匿名化されたIDと時間点のみでラベル付けされた全録画セットを提供すること。評価者には録音を独立して評価し、スコアを安全なスコアシートやデータベースに記録するよう指示してください。1次元で2点を超える不一致を特定し、議論を通じて解決します。合意が得られない場合は、三番目の評価者の判断を得る。全得点前に、6つのパイロット録画のクラス内相関係数(ICC)を用いて評価者間信頼性を推定し、ICCが少なくとも0.8019であることを確認しましょう。グループレベルのルーブリックスコア(試験前後の合計および4次元)を補 足表1にまとめ、補 足表2に評価者間信頼性統計(ICC95%信頼区間付き)を報告します。

状態不安と心拍変動(二次的な感情・生理的アウトカム)
介入前後の両方で状態-特性不安インベントリー(STAI-S;20項目、4点リッカート尺度、合計スコア20–80)を実施します。参加者には 、今の自分の気持ち に基づいて回答し、すべての質問に答えるよう指示してください。各アンケートに抜けている回答がないか確認し、必要に応じて参加者に欠落した項目を記入してから退出するよう促してください。計器マニュアルに従って合計STAI-Sスコアを計算してください。検証済みの10項目サブセットまたは適応フォーマットを可視化や探索的分析に使用する場合は、適応および選択ルールを文書化し、根拠と参考文献を提供し、結果21の全スケールおよびサブセットの両方に対するクロンバックのαを報告してください。HRV記録の少なくとも2時間前は激しい運動、カフェイン、重い食事を控え、各訪問の少なくとも12時間前はアルコールを避けるよう指示します。口頭で遵守を確認し、セッションログにイエス/ノーとして記録してください。HRVは(i)胸部ストラップ式心電図センサーまたは(ii)三誘導心電図システムのいずれかを用いて記録します。すべての記録に1000 Hzのサンプリング周波数を持つ心電図由来のR–R間隔を使用し、セッションログにモダリティ(心電図)、サンプリング周波数(1000 Hz)、記録日時を記録します。胸部ストラップ記録の場合、関節の甲骨突起の高さにしっかりと皮膚が接触し、ストラップを位置付けます。心電図記録の場合は、電極を標準的なリードII構成に配置し、開始前に安定したR波検出を確認します。安静時の心率変動(HRV)では、参加者を快適に座らせ、足を床に平らにつけ、手を太ももに置くようにします。最小限の動きで5分間話さずに静かな覚醒を指示する;60秒の安定化期間後に記録を開始し、その後の300秒のセグメントを解析します。

HRVの練習として、参加者に目標パッセージを5分間、固定テンポの76拍/分とメゾフォルテのダイナミックな目標で行うよう指示します。メトロノームでテンポを維持し、最初の30秒後に分析を始め、その後の270秒のセグメントを分析します。各録音後、生のR–R間隔系列をカンマ区切られた価値ファイル(CSV)としてエクスポートし、最低でも2つのフィールド(タイムスタンプはms単位で、R–R間隔(ms単位)を使い、記録ソフトウェアと目視検査でトレースを検査し、信号損失、アーティファクト、異所性ビートを特定します。

あらかじめ指定されたアーティファクト訂正ワークフローを適用し、セッションログ23に各セグメントの修正ビートの割合を記録します。
アーティファクト検出ルール:前の5つの正規区間の中央値から20%以上逸脱した場合、または絶対的なR–R値が300〜2000msを外れる場合、R–R区間をアーティファクトとしてフラグ付け。修正方法:異所性拍片を除去した後、隣接する正規間隔の立方スプライン補間を用いてフラグ付き間隔を置き換えます。
品質管理閾値:補正ビート比率が5.0%を超える場合や、連続的に5秒を超える信号損失がある場合に録音セグメントを繰り返します。


解析ソフトウェアバージョン1.3.0を用いてRMSSDやSDNNを含む時間領域インデックスを計算し、出力は参加者ID、タイムポイント、セグメントタイプ(休息または練習)に紐づいた構造化結果ファイル(CSV)に保存します。120秒のウィンドウ長、50%の重なり、ハミングウィンドウ、補間R–R系列の4Hzリサンプリングを用いたウェルチ周期図を用いて、0.15–0.40Hz帯のHF出力を含む周波数領域指数を計算します。MS2でHFを報告し、推論解析前に対数変換HFを報告します。オプションで低頻出力(0.04–0.15 Hz)およびLF/HF比を計算し、適切な注意をもって記述的に報告してください。

認知負荷(探索的二次アウトカム)
レピンクらが開発した多次元認知負荷アンケートをテスト25後に実施します。3つのサブスケール(余計負荷(3項目)、内発負荷(3項目)、関連負荷(4項目)を構成する10項目を提示し、それぞれ7点のリッカート尺度で1(強く反対)から7(強く同意)までの評価を付けます。各サブスケールごとに、対応する項目の平均を計算し、1から7の間のサブスケールスコアを算出します。欠損値は無効とみなし、スコアリングには完全な応答を求めます。高い余計な負荷を、より大きな無関係な処理、高い内在的負荷を固有のタスクの複雑さの増大と、関連的な負荷が高いと、より生産的でスキーマ構築の努力を考えると解釈してください。非英語版を使用する場合は、2人の独立したバイリンガル専門家による翻訳と逆翻訳を行い、翻訳された楽器を10人の非専攻ピアノ専攻者でパイロットテストし、各サブスケールごとにクロンバックαを計算します。適格基準26 α ≥0.70を採用します。結果にサブスケール固有のα値を報告し、3つのサブスケールを個別に分析し、家族ごとの比較に対してホルム–ボンフェローニ調整を適用します。家族ごとのα比較 = 0.0527。必要に応じて、10項目すべての算術平均として複合認知負荷指数を導出してください。

ベースライン(事前検査;第1週)
ベースラインセッションの開始時に適格性とインフォームドコンセントを確認し、参加者に匿名化されたIDを割り当てます。年齢、性別、ピアノ学習年数、通常の週次練習時間などの人口統計情報やトレーニング履歴をベースラインデータフォームに記録します。知識分析テスト(フォームA)を静かな環境で実施し、30分の制限時間を確保し、参加者IDの下で合計スコアと完了時間を記録します。HRVセンサーを取り付け、5分間の休憩時HRVセグメントを記録し、その後76拍毎分のターゲット抜粋とメゾフォルテダイナミックターゲットの標準化された5分間の練習HRVセグメントを記録します。

取得時に信号品質を監視し、ストラップテンション調整や電極配置を調整した後に過剰なアーティファクトがあるセグメントを再現します。修正ビートの割合が5.0%を超える場合や連続的な信号損失が5秒を超えた場合に繰り返し、繰り返しと原因をセッションログに記録します。 補足表3 にHRVデータ品質指標(アーティファクト補正拍率、重複セグメント、除外)をまとめます。STAI-Sを投与し、スコアキーに従って合計スコア(20–80)を計算します。あらかじめ定められた楽器、マイク、カメラのセットアップを使って、ターゲットの抜粋の基準となる音声・映像パフォーマンスを記録し、フレームと音声レベルを一定に保ちます。すべてのデータファイル(テスト、HRV録画、アンケート、パフォーマンスビデオ)に匿名化された参加者IDと事前タイムポイントインジケーターを付け、以下のファイル命名規則で安全でアクセス制御・バックアップされたディレクトリに保存します:P###_TP(pre/post)_MOD(test/HRVrest/HRVrrac/STAI/perf)_YYYYMMDD_HHMM28。

介入セッション(第2〜3週目)
スケジュール
実験群の参加者一人ひとりに対して、2週間にわたり30分の監督付きセッションを12回スケジュールします。各参加者の初回セッション開始時間に対して±2時間という固定された時間内にセッションをスケジュールし、各セッションの開始時間と終了時間を記録して、HRVや不安の日ごとの変動を減らし定量化します。出席状況、欠席・再スケジュールの理由、プロトコルの逸脱を遵守記録に残してください。セッション前の条件を標準化し、参加者がカフェイン、激しい運動、重い食事、アルコールの事前録画制限を遵守していることを確認し、29番の場合はイエス/ノーとして簡単なメモを付けて記録します。

実験アーム:AI支援プラットフォーム(図1)
各セッション開始時に、匿名化された参加者IDを使ってAIプラットフォームにログインするよう指示し、インターフェースに個人を特定できる情報が表示されていないことを確認します。インタラクティブなスコアインターフェースでモーツァルトのソナタ抜粋を読み込み、正しい曲目、抜粋境界線(1小節から32小節)、難易度設定が表示されているか確認してください。プラットフォームを設定して、音と小節レベルで練習テレメトリーを記録できるように設定してください。これにはピッチ精度(%)、開始タイミングの偏差(ms)、メトロノームに対するテンポドリフト(%)、小節レベルの誤差位置、ループセグメントごとの繰り返しカウントが含まれます。テレメトリ更新間隔を200ms、バーレベルの集約間隔を1バーに設定します。45秒のキャリブレーション再生を行い、プラットフォームがノートイベントを捉え、検出されたノートをスコアポジションに合わせているか確認してください。アライメント誤差が以下のいずれかの許容範囲を超えた場合、再度校正してください:任意の10ノートウィンドウで80msを超える中央値開始ミスマッチ、または連続した2小節にわたるバーレベルのミスアライメントが繰り返される場合。

パーソナライズされたトレーニングモジュールを有効にし、セッション中のパフォーマンス機能を取り込み、固定ルールを用いてセグメントレベルの目標を生成する:合計エラースコアが = 0.5 × ピッチエラー率 + 0.3 × 絶対タイミング偏差 + 0.2 × テンポドリフトの合計エラースコアが最も高い2つのバーを選択する;セッションログに選択された小節と上位3つのエラードライバーを記録します。参加者にターゲットセグメントの練習を指示し、インタラクティブなスコアがリアルタイムで音をハイライトし、難しいパッセージのループをサポートし、ターゲットセグメントのMIDI例を目標テンポ(76 bpm)および足場用に60 bpmの低テンポで再生します。固定された構成でセッション時間を割り当て、各フェーズごとに実現した分を記録します:3分ログイン/キャリブレーション、21分ターゲットセグメント練習、5分の会話パートナーとの振り返り(セクション7.3)、1分のまとめ/エクスポートとノート30。

会話練習パートナー
大規模な言語モデル(LLM)で駆動される会話型プラクティスパートナーを安全なAPI接続を通じて起動し、モデルバージョンをLLM-PracticePartner v2.1(ビルド2025-01-15)、推論エンドポイントタイプをクラウド、アクセス制御手法をトークンベースの認証として研究ログに記録します。パートナーには固定されたシステムプロンプトを設定し、出力を練習関連コンテンツ(フレージング、トーン・カラーの意図、ペダリングの決定、エラー診断、次のステップの提案)に限定し、個人データを求める機能は無効にします。

各ターゲット練習のセグメントの後、参加者にフレージングの選択、音色の意図、ペダルの決定、感じた困難、認識された不安レベルを0から10の自己申告スケールで記述させ、回答をセッションログに構造化された欄として記録させます。パートナーを設定し、固定された生成パラメータを用いて現在の目標に沿った短いセグメント固有の提案を返すように設定します:最大応答長80ワード、セグメントあたり最大2ターン、温度0.2、応答タイムアウト2秒;1セッションあたりのやり取り回数と会話の総時間を記録します。会話時間をプレイの優先にしないようにし、セッションあたりの会話時間を6分に制限し、上限に達したらさらにプロンプトを無効にして制限してください。

プライバシーとセキュリティ:会話ログは匿名IDで保存し、TLS 1.2以降で暗号化し、静止時にはAES-256で暗号化し、許可された人員のみのアクセスを制限し、生のトランスクリプト保持期間を24ヶ月に設定し、データ管理計画に設定された各参加者のトランスクリプトの削除日を記録します。

マルチモーダル感情認識とマイクロ介入
マルチモーダル感情認識モジュールを有効にし、入力モダリティとサンプリング/更新率をセッションログに記録します。以下は、30フレーム毎秒の顔の映像、16kHzのモノラル音声、そして心電図由来のR–R間隔を用いて1Hzで更新されたHRVストリームです。あらかじめ指定されたトリガーロジックを使って高揚応力を定義し、正確なパラメータを記録します。
HRVトリガー:RMSSDは参加者内のベースライン標準偏差を少なくとも1秒下回り、練習中はこの閾値を少なくとも60秒連続で下回ります。これは1秒ごとに更新される30秒のローリングウィンドウで計算されます。
パフォーマンストリガー:ランニングエラー率は、少なくとも60秒の連続ウィンドウで、過去3回のセッションの参加者の平均エラー率を少なくとも20%上回ります。この場合、ランニングエラー率は5ノートごとに更新される20ノートのロールウィンドウで計算されます。
マルチモーダル確認ルール:トリガーにはHRVトリガー単独、またはパフォーマンストリガーに加え、顔や声の特徴からの少なくとも1つの裏付け手がかりが必要です。これは、顔の価数スコアがセッション中ベースラインから少なくとも10秒間0.30%減少するか、または声の震えが少なくとも10秒間連続して参加者のセッション中ベースラインに対して15%増加していることと定義されます。 ベースラインはセッションの最初の2分間から計算されました。

マルチモーダル融合がルールベースの閾値化か、訓練された分類器かを指定します。このプロトコルにはルールベースの閾値設定を使用し、プラットフォーム設定ファイル32にすべての閾値を記録してください。ストレス閾値に達したら練習を一時停止し、事前に指定されたライブラリから選択した1つのマイクロ介入をトリガーするようにシステムをプログラムします。介入の種類、開始時間、所要時間、完了状況をセッションログに記録してください。
ペース配達呼吸:90秒の脚本で、画面上のタイマーと音声キュー33で1分間に6回の固定呼吸で伝えられます。
簡単なマインドフルネスキュー:75秒の誘導注意指導(固定された言葉で、画面上のテキストと音声ナレーションで提示)。
低覚醒の背景音楽:ベンチポジションで固定された音量目標55–60dBで、あらかじめ指定された低覚醒トラックを90秒再生し、セッションログにTrack-LA-01としてトラック識別子を記録します。

マイクロ介入後、トリガーがHRVベースの場合、再関与から最初の60秒間は中断されたパッセージを再開し、再関与後60秒間テンポを8%減らし、ランニングエラー率が過去3セッションの平均エラー率の10%以内に回復した場合、目標テンポに戻り、少なくとも30秒連続で続けます。
品質管理:1セッションあたりのトリガー数、完了したマイクロ介入数、中止された介入数を記録し、完了したトリガー数を総トリガー数で割った各参加者の遵守率を計算します。

あらかじめ定められた基準を用いて偽陽性と偽陰性事象を要約し、トリガーのパフォーマンスを検証します。
偽陽性:トリガーは、参加者が次のプロンプトで低い不安(≤2/10)を報告し、実行中のエラー率が過去3セッションの平均エラー率の10%以内に、その後60秒にわたって維持されている場合に発生します。
偽陰性:参加者がトリガーなしの次のプロンプトで高い不安(≥7/10)を報告した場合、エラー率が過去3セッションの平均エラー率を少なくとも20%上回り、少なくとも60秒、またはHRVがトリガー基準を満たしているにもかかわらず。

補足表434に、参加者一人当たりおよびセッションあたりの偽陽性および偽陰性のカウントと発生率を要約します。補足表4で複合認知負荷指数を記述的に報告してください。

伐採と遵守
プラットフォームを設定し、すべてのプラクティスイベントや出力を、ISO 8601形式で匿名化されたID、セッション番号、タイムスタンプに紐づけた構造化レコードとして記録します。必須項目には、ターゲットバー、ループ数、正確率指標、テンポドリフト、対話数、会話の合計持続時間(秒単位)、トリガーイベント、介入の種類と持続時間(秒単位)、そして講師による手動オーバーライドが含まれます。セッションレベルの要約を毎日20:00にエクスポートし、生のログと要約したテーブルを安全なサーバーに保存し、1日2:00に自動バックアップをスケジュールします。すべてのエクスポートには標準化されたファイル名の規則をStudyID_Group_ID_Session##_YYYYMMDD_HHMM形式で使い、非独自フォーマットでは以下の通り保存してください:ログ用CSV、音声録音用にWAV、ビデオ録画用にMP4、セッションレポート用にPDFを。エクスポートパス、ファイルチェックサム(SHA-256)を用いて記録し、バックアップ確認を研究ログに記録し、トレーサビリティ35を支援します。

コントロールアーム:伝統的な指示
対照群の各参加者に対し、2週間にわたり12回の30分教師指導セッションをスケジュールし、実験群36の総監督付き接触時間に合わせます。実験部門と同じレパートリー、教材、講師を用いて教師と材料効果を制御する37。各セッションは標準的なスタジオ教育法を用いて行い、教師の実演、口頭説明、抜粋に対するターゲットを絞った練習を行います。AI生成のプロンプトや分析を使わず、従来の口頭または書面の指示を用いて家庭練習課題を割り当て、ホームタスクを1日1回の20分間の自己練習ブロックとして定義します。個別分析、自動プロンプト、ダッシュボード、マイクロ介入をコントロール参加者から提供しないこと。各対照参加者に簡単な紙または電子の練習ログを提供し、追加の監督なし練習の日付とおおよその期間を数分で記録するよう指示します。介入終了時にログを収集し、対象抜粋の監督なし練習時間の総時間を研究データベースに入力します。

視覚フィードバックと自己調整経路(実験群)
練習行動、感情の変動、生理的負荷を共有時間軸38上で連結するグラフィカルフィードバックシステムを有効にします。音声特性、HRVトレンド、エラースパイクやテンポの不安定性などのパフォーマンス挙動の異常を含むマルチモーダル入力に基づいて感情ヒートマップを計算します。39。日次要約では、エラー率がセッションの上位20%以内に入り、かつ少なくとも1つのストレスマーカー(HRVトリガー達成またはマルチモーダル確認達成)が存在する任意の30秒間隔のホットスポットをフラグ付けし、その後のセッション40にフラグ付けされたホットスポットを記録します。1セッションあたり3つの固定エポック(事前練習(最初の60秒)、中間練習(3〜4分)、練習後(最終60秒)について、RMSSDとHFパワーを要約したHRVトレンドチャートを作成し、参加者間で一貫した単位と軸のスケーリングを用い、41。フラグ付けされたホットスポットに連動したセッション事前練習時段と比較して少なくとも15%の減少と定義されるRMSSDまたはHFパワーの著しい低下を特定し、これらのパターンをプラットフォーム主導介入の候補として扱います。介入が引き起こされ完了したかどうかを記録します42。

セッションレベルの平均と、各グループ内の参加者間で計算された95%信頼区間を用いて、セッション全体の音程精度、リズム精度、音楽的完全性、誤差率の進行曲線をプロットします43。パフォーマンスと進捗曲線を感情ヒートマップと重ね合わせて、感情とパフォーマンスの結合やメタ認知コントロールに関する振り返りを支持する44.個人レベルおよびグループレベルで同じ情報を表示するインストラクターダッシュボードを提供し、セッション終了後5分以内にダッシュボードを更新し、不安やパフォーマンス不安定のピークを強調表示します45。ダッシュボードを使って、インストラクターノートに記録された個別の教育的回答を案内し、一時的なテンポの緩和、難易度の高い小棒への段階的な接触、追加の口頭励まし、または特定されたホットスポットに焦点を当てた短い個別指導などを行ってください46。

介入後のセッション(検査後;第3週末)
介入後の評価は第3週の終わりに予定し、ベースラインセッション開始から±2時間以内に、部屋、機器、時間帯など、できるだけベースラインの状態を一致させてください。HRVセンサーを取り付け、5分間の休憩時HRVセグメントを記録し、その後、基準と同じ配置、サンプリング設定、アーティファクト処理ルールで5分間の標準化された練習HRVセグメントを記録し、同じテンポ目標の1分間76拍とメゾフォルテダイナミックターゲット47を使用します。

ベースラインと同じ条件と時間制限で知識分析テスト(フォームB)を実施し、合計スコアと完了時間48を記録します。STAI-Sを実施し、スコアキー49に従って合計スコア(20–80)を算出します。基準50時と同じマイクとカメラのセットアップ、器具、構図を使い、抜粋の介入後の音声・映像パフォーマンスを録音します。認知負荷アンケートを実施し、余計、内在的、関連負荷51のサブスケールスコアを記録します。

実験群では、固定されたインタビューガイドと一貫したプロンプトを用いて、プラットフォームの使いやすさと不安調節および学習への影響の認識について6〜8分間の短い半構造化インタビューを実施します。同意のある音声録音インタビューと、定性的分析のために逐語の文字起こしを行います。

統計解析
採用前にGPower(バージョン3.1以降)を用いて 事前 検出力分析を行い、テストファミリーをF検定として、統計検定をANCOVAとして記録します:固定効果、主効果、相互作用。ANCOVAモデルを2つのグループから指定し、ベースラインスコアを共変量として、α = 0.05、望ましい検出力 = 0.80、そして既存の文献と実現可能性の制約に基づき、一次認知的結果の効果量をf = 0.30と仮定します。仮定効果が部分η2として表されている場合、あらかじめ指定された変換f = √(η2 / (1 −η 2))を用いてコーエンのfに変換し、計算方法53を記録します。

得られた必要なサンプルサイズを記録し、n = 40が指定された仮定の下で目標に到達または近づいているかを確認します。パワー分析出力ファイルを研究記録に保持してください。SPSS 26.0または同等のソフトウェアで解析を行い、ソフトウェア名やバージョンを解析ログに記録してください。連続的なアウトカムを平均±標準偏差として、カテゴリ変数をカウントとパーセンテージとしてまとめます。

一次有効性を評価する。グループ間比較を基点共変量としたベースラインを比較し、調整平均、部分η2、95%信頼区間を報告する。適切な場合、グループ間比較には独立標本t検定を用い、グループ内の変化にはペアt検定を用い、仮定が破られた場合は、ノンパラメトリックな代替を適用します。正規性と同様方差性を確認;解析前の対数変換スペクトルHRV変数の対数変換と変換詳細報告。

ロバスト手法を使用する場合は、正確な方法と理由を明確にしてください。α = 0.05の両側p値を報告し、効果量(コーエンのd、部分的2 η2)および95%信頼区間を含む仮説検定を添付します。実験群でプラットフォーム利用指標(総プラットフォーム通話時間、マイクロ介入回数、遵守率)と認知、情動、HRVアウトカムとの関連を調査する探索的分析を行う。

データの品質と安全性
各HRV記録中の生理信号をリアルタイム表示で検査し、アーティファクトや不安定なR–R検出を行ってください。ストラップテンションや電極配置を調整した後、信号品質が悪いHRVセグメントを繰り返し、修正された拍子比率が5.0%を超えるか連続的な信号損失が5秒を超えた場合に繰り返します。繰り返しと原因が疑われる原因をセッションログに記録してください。各訪問開始時に音声レベルとメトロノーム設定を校正し、クリッピングを防ぎ、録音間で比較可能な音量を維持し、ピークレベルを−12dBから−6dBの間で目標にします。

参加者の有害事象、過度の疲労、練習やセンサーに関連する不快感を監視し、安全ログにイベントを記録します。参加者が過度の疲労、不安、不快感を報告した場合は追加の休憩を許可したりセッションを短縮したりし、その変更はプロトコルの逸脱として記録してください。すべてのプロトコルの逸脱(欠席セッション、不完全なHRV記録、重大な逸脱)を記録し、感度分析の逸脱を考慮してください。

データ処理とブラインド
各参加者に一意の匿名IDを割り当て、このIDを使ってすべての録音、アンケート、データファイルにラベルを付けます。すべてのデータをアクセス制御ドライブに保存し、機関のデータ保護方針に従い、毎日1日1回の自動バックアップを1日2時にスケジュールしています。参加者IDと個人識別子を認証された場所で認証された場所で、認可された職員のみがアクセスできる別のリンクファイルを維持します。匿名化・時間軸の音声・映像クリップを提供し、グループ配分情報を隠すことで、パフォーマンス評価者を盲目にしておく。

評価開始前にスコアリングルーブリックを確定し、書面での指示と模範記録を提出してください55。フルスコアリング前に6つのパイロット録音のレーティング間信頼性を再確認し、ICC≥0.80を確認してください。

最低でも以下の機能仕様が報告されていることを確認してください:HRVサンプリング周波数=1000Hz、顔面ビデオキャプチャ=1080解像度1920×30フレーム/秒、音声音声キャプチャ=16kHzモノラル、プラットフォームテレメトリ更新間隔=200ms。

タイミングと遵守
プロトコルごとの遵守閾値を、2〜3週目に12回の監督付きセッションのうち少なくとも10回を完了し、各セッションは計画された30分枠内で少なくとも27分間の積極的な参加を伴う監督付きセッションと定義します。各参加者の監督付きセッション数と総監督時間を記録し、監督付き遵守時間を360分の計画時間で割った割り算で計算します。参加者の記録から自己申告の追加練習時間を記録し、合計を1日あたりの分数および2週間の介入期間の総分としてデータベースに入力し、120分を超える日の値は検証のためにフラグを立てます。

実験群では、プラットフォームログからシステムトリガーマイクロ介入の数、種類、開始時間、持続時間を1セッションあたり記録し、1セッションあたりの介入総時間(秒単位)として介入曝露指数を計算します。すべての無作為化参加者を意図治療分析に含め、最後の観察をアンケートアウトカムに、再記録ができない場合のパフォーマンス記録には完全症例分析を用いて欠落した検査結果を扱います。処理ルールを解析ログに記録してください。プロトコルごとの閾値を満たす参加者に限定された感度解析を行い、さらにプロトコルの逸脱(HRV記録の欠落または5分以上短縮されたセッション)を除外した感度分析を行います。

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

結果

音楽理論認知への影響
表1に示されているように、実験群(M = 72.45、SD = 6.83、n = 20)と対照群(M = 71.30、SD = 7.14、n = 20)は事前検査時に差がなく、t(38) = 0.625、p = 0.604であり、一次認知エンドポイントの基準値の比較可能性を示しています。介入後、事前テストスコアを管理したANCOVAでは、実験群の調整後平均が対照群よりも高かった(調整済みM = 84.95 vs. 78.75;表2)。グループ間の差は統計的に有意で、F(1, 37) = 9.842、p = 0.003、部分的 η2 = 0.206でした。図2はテスト後の領域パフォーマンスをまとめており、実験グループにおける和声・音調、動機認識、リズム/拍の分割、目標指向戦略の各要素でより高いスコアを示しています。

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

ディスカッション

このランダム化研究は、パーソナライズされた実践分析、マルチモーダル感情認識とジャストインタイムのマイクロ介入、そして可視化に基づくフィードバックを統合したAI駆動の音楽教育プラットフォームを評価しました。従来の指導と比較して、実験群は音楽理論および分析の成績において中程度から大きな向上(部分的 η2 = 0.206)と状態不安の大幅な減少(t = −3.486、p = 0.001; d ≈ 1.10)を示し、認知負荷プロファイルもより良好(余計な負荷の低下、内在的負荷のわずかな減少、関連負荷の増加傾向)が見られました。この全体的なパターンは、プレゼンテーションの効率化、タスクの複雑さの足場化、セグメント化、作業例、タイムリーなフィードバックによるスキーマ構築を支援する指導原則と一致しています56。

本研究は、AI駆動プラットフォームがセグメントレベルの目標、インタラクティブな記譜法、生理学的に知られたマイクロ介入を中心にピアノ理論学習を組織し、ラ...

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

開示事項

著者は競合する金銭的利害関係を一切主張していない。

謝辞

参加学生とスタジオ講師の皆様の時間と献身、そして楽器編成や部屋のスケジューリングにご協力いただいた音楽院の技術スタッフに感謝いたします。

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

材料

この記事で使用された材料の一覧
名前会社カタログ番号コメント
AI駆動の音楽教育プラットフォーム(研究ビルド)社内/機関プラットフォームビルドID:v2.1(ビルド2025-01-15)インタラクティブスコア+練習テレメトリー+ダッシュボード+ルールベースのトリガーエンジン;テレメトリー更新間隔=200ms;ログをCSVとしてエクスポートします。
アルコールワイプ(スキンプレップ)NA(医療提供者全般)NA電極/ストラップの接触と信号安定性の向上;もし可能なら記録用ロットを。
胸ストラップ式心電図HRVセンサー(1000Hz)ポーラー・エレクトロポーラーH10;パートナンバー 92075957心電図由来のR–R間隔;サンプリング周波数=1000Hz(あなたのプロトコルによる);5分間の休憩+5分間の標準化練習セグメントに使用されます。
認知負荷質問票(Leppink、10項目)NA(出版物の出典)NA7ポイントのリッカート;3つのサブスケールを計算します。翻訳すると:翻訳–逆移動 + パイロット n=10;報告 クロンバック」s & α;サブスケールで。
プラットフォーム操作およびログ記録用のコンピュータNANA最新のノートパソコンやデスクトップなら、OSバージョンを録音;ログタイムスタンプのタイム同期を必ず確認してください。
データストレージ(暗号化ドライブ/セキュアサーバー)NANAアクセス制御;自動バックアップ;ファイル名:「P###_TP(前後)_MOD(…)_YYYYMMDD_HHMM」と述べた。生 + 派生出力を保存します。
心電図電極ゲル/導電性ゲル(オプション)NA(医療提供者全般)NA信号品質が不安定な場合に使用;セッションログで使用状況のYes/Noを記録できます。
外部マイク(録音機ではなくマイク+インターフェースを使用する場合)オーディオテクニカAT2020ポータブルレコーダーのオプション代替品;マイク距離は0.8mに保つ;クリッピングを避け、ゲイン設定を文書化してください。
HRV処理ソフトウェアクビオス(または同等のもの)NAアーティファクト検出+補間、RMSSD/SDNN、ウェルチHF(0.15–0.40 Hz)は120秒のウィンドウ、50%のオーバーラップ、ハミングウィンドウ、4 Hzのリサンプリング;使用しているソフトウェア名やバージョンを記録してください。
メトロノームコルグMA-2 BLBK練習テンポ(76 bpm)を標準化し、セッション間で一貫したタイミングを支えるために使用されました。
ポータブルオーディオレコーダー(ボイスキャプチャ)ズームH1n音声キャプチャは16kHzモノラルで録音します(高く録音した場合はダウンサンプリング);ストアはWAVとして、マイクの配置は一定に保ちましょう。
パワー解析ソフトウェアG*パワー3.1(またはそれ以降)事前検出力分析に使用されます。パワー分析出力ファイルにテストファミリーやモデル設定を記録してください。
プラクティスパートナー大規模言語モデル(LLM)サービス機関向け/セキュアAPIプロバイダーLLM-PracticePartner v2.1(ビルド 2025-01-15)エンドポイントタイプ:クラウド;トークンベースの認証、匿名化されたIDのみを保存し、プロンプトや出力を暗号化されたテキストとしてログに記録します。
アンケート:GAD-7NA(ライセンス/出版情報源)NA検証済みの言語バージョンを使い、マニュアル単位の得点;学習用バインダーにコピーを保管し、匿名化されたIDで応答を保存します。
アンケート:STAI-S(20項目)NA(ライセンス/出版社)NA公式・検証済みの言語版を使いましょう。合計20–80;図の10項目部分集合を表示する場合は、結果の文書選択ルール+信頼性を記載します。
統計解析ソフトウェアIBMSPSS統計 26.0ANCOVAおよびt検定に使用;正確なバージョンや分析ログを組み込みます。
三脚/カメラマウントマンフロット(または同等のもの)NA安定した三脚なら何でも構いません。セッション間の距離や高さ(例:1.8m、1.4m)を固定します。確定モデルなら、NAをラボに置き換えてください。モデル番号。
USBオーディオインターフェース(マイク+インターフェースを使用する場合)フォーカスライトスカーレット 2i2(第3世代)任意;ターゲット記録のピークは−−の間で;12 dB と & マイナス;フォルテのパッセージでは6dB(プロトコルのテキストによる)です。
ビデオカメラ(1080p、30fps)ロジクールC920;パート番号960-001055顔のビデオキャプチャ = 1920年以降;1080fps、30fps(プロトコルで指定);識別可能な情報が表示されないようにしてください。
重り付き鍵盤デジタルピアノ(またはアコースティックピアノ)NANA88鍵の加重アクション推奨;すべてのセッションで同じ楽器を使い続けること;楽器の種類とキーアクションを記録する。

参考文献

  1. Eysenck, M. W., Derakshan, N., Santos, R., Calvo, M. G. Anxiety and cognitive performance: attentional control theory. Emotion. 7 (2), 336-353 (2007).
  2. Gómez-López, B., Sánchez-Cabrero, R. Current trends in music performance anxiety intervention. Behav Sci (Basel). 13 (9), 720(2023).
  3. Turan, B., Hurst-Wajszczuk, K., Edwards, D. A. Hormone and enzyme reactivity before, during, and after a music performance: Cortisol, testosterone, and alpha-amylase. Psychoneuroendocrinol. 9, 100111(2022).
  4. du Plooy, E., Casteleijn, D., Franzsen, D. Personalized adaptive learning in higher education: A scoping review of key characteristics and impact on academic performance and engagement. Heliyon. 10 (21), e39630(2024).
  5. Zhang, J., et al. Real-time mental stress detection using multimodality expressions with a deep learning framework. Neurosci. 16, 947168(2022).
  6. Laborde, S., Mosley, E., Thayer, J. F. Heart rate variability and cardiac vagal tone in psychophysiological research - recommendations for experiment planning, data analysis, and data reporting. Front Psychol. 8, 213(2017).
  7. Chung, A. H., Gevirtz, R. N., Gharbo, R. S., Thiam, M. A., Ginsberg, J. P. J. Pilot study on reducing symptoms of anxiety with a heart rate variability biofeedback wearable and remote stress management coach. Appl Psychophysiol Biofeedback. 46 (4), 347-358 (2021).
  8. Susnjak, T., Ramaswami, G. S., Mathrani, A. Learning analytics dashboard: a tool for providing actionable insights to learners. J Educ Technol High Educ. 19 (1), 12(2022).
  9. Paas, F., Renkl, A., Sweller, J. Cognitive load theory and instructional design: recent developments. Educ Psychol. 38 (1), 1-4 (2003).
  10. Hirten, R. P., et al. Remote short sessions of heart rate variability biofeedback monitored with wearable technology: open-label prospective feasibility study. JMIR Ment Health. 11, e55552(2024).
  11. Chan, A. W., et al. SPIRIT 2013 statement: defining standard protocol items for clinical trials. Ann Intern Med. 158 (3), 200-207 (2013).
  12. Schulz, K. F., Altman, D. G., Moher, D. CONSORT Group. CONSORT 2010 statement: updated guidelines for reporting parallel group randomised trials. Trials. 11, 32(2010).
  13. Plummer, F., Manea, L., Trepel, D., McMillan, D. Screening for anxiety disorders with the GAD-7 and GAD-2: a systematic review and diagnostic metaanalysis. Hosp Psychiatry. 39, 24-31 (2016).
  14. Spitzer, R. L., Kroenke, K., Williams, J. B., Löwe, B. A brief measure for assessing generalized anxiety disorder: the GAD-7. Arch Intern Med. 166 (10), 1092-1097 (2006).
  15. Ernst, G. Hidden signals-the history and methods of heart rate variability. Front Public Health. 5, 265(2017).
  16. Schulz, K. F., Grimes, D. A. Generation of allocation sequences in randomised trials: chance, not choice. The Lancet. 359 (9305), 515-519 (2002).
  17. Park, J., et al. Piano performance evaluation dataset with multilevel perceptual features. Sci Rep. 14, 23002(2024).
  18. Ali, U. S., van Rijn, P. W. An evaluation of different statistical targets for assembling parallel forms in item response theory. Appl Psychol Meas. 40 (3), 163-179 (2016).
  19. Koo, T. K., Li, M. Y. A guideline of selecting and reporting intraclass correlation coefficients for reliability research. J Chiropr Med. 15 (2), 155-163 (2016).
  20. Julian, L. J. Measures of anxiety: State-Trait Anxiety Inventory (STAI), Beck Anxiety Inventory (BAI), and Hospital Anxiety and Depression Scale-Anxiety (HADS-A). Arthritis Care Res (Hoboken). 63 (Suppl 11), S467-S472 (2011).
  21. Gagnier, J. J., Lai, J., Mokkink, L. B., Terwee, C. B. COSMIN reporting guideline for studies on measurement properties of patient-reported outcome measures. Qual Life Res. 30 (8), 2197-2218 (2021).
  22. Damoun, N., Amekran, Y., Taiek, N., Hangouche, A. J. E. Heart rate variability measurement and influencing factors: Towards the standardization of methodology. Cardiol Sci Pract. 2024 (4), e202435(2024).
  23. Quintana, D. S., Alvares, G. A., Heathers, J. A. Guidelines for reporting articles on psychiatry and heart rate variability (GRAPH): recommendations to advance research communication. Transl Psychiatry. 6 (5), e803(2016).
  24. Shaffer, F., Ginsberg, J. P. An overview of heart rate variability metrics and norms. Front Public Health. 5, 258(2017).
  25. Leppink, J., Paas, F., Van der Vleuten, C. P., Van Gog, T., Van Merriënboer, J. J. Development of an instrument for measuring different types of cognitive load. Behav Res Methods. 45 (4), 1058-1072 (2013).
  26. Beaton, D. E., Bombardier, C., Guillemin, F., Ferraz, M. B. Guidelines for the process of cross-cultural adaptation of self-report measures. Spine (Phila Pa 1976). 25 (24), 3186-3191 (2000).
  27. Tavakol, M., Dennick, R. Making sense of Cronbach's alpha. J Med Educ. 2, 53(2011).
  28. Wilkinson, M. D., et al. The FAIR guiding principles for scientific data management and stewardship. Sci Data. 3 (1), 1-9 (2016).
  29. Task Force of the European Society of Cardiology and the North American Society of Pacing and Electrophysiology. Heart rate variability: standards of measurement, physiological interpretation, and clinical use. Circulation. 93 (5), 1043-1065 (1996).
  30. Chan, A. W., et al. SPIRIT 2013 explanation and elaboration: guidance for protocols of clinical trials. BMJ. 346, e7586(2013).
  31. Scarfone, K., Souppaya, M., Sexton, M. Guide to storage encryption technologies for end user devices. NIST Special Publication. , 800-111 (2007).
  32. Lian, H., et al. A survey of deep learning-based multimodal emotion recognition: speech, text, and face. Entropy (Basel). 25 (10), 1440(2023).
  33. Steffen, P. R., Austin, T., DeBarros, A., Brown, T. The impact of resonance frequency breathing on measures of heart rate variability, blood pressure, and mood. Front Public Health. 5, 222(2017).
  34. Cohen, J. F., et al. STARD 2015 guidelines for reporting diagnostic accuracy studies: explanation and elaboration. BMJ Open. 6 (11), e012799(2016).
  35. National Institute of Standards and Technology. FIPS 180-4: Secure hash standard (SHS). NIST. , (2015).
  36. Hoffmann, T. C., et al. Better reporting of interventions: template for intervention description and replication (TIDieR) checklist and guide. BMJ. 348, g1687(2014).
  37. Eldridge, S. M., et al. CONSORT 2010 statement: extension to randomised pilot and feasibility trials. BMJ. 355, i5239(2016).
  38. Sokolovskis, J., Herremans, D., Chew, E. A novel interface for the graphical analysis of music practice behaviors. Front Psychol. 9, 2292(2018).
  39. Wu, Y., Mi, Q., Gao, T. A comprehensive review of multimodal emotion recognition: techniques, challenges, and future directions. Biomimetics (Basel). 10 (7), 418(2025).
  40. Nahum-Shani, I., et al. Just-in-time adaptive interventions (JITAIs) in mobile health: key components and design principles for ongoing health behavior support. Ann Behav Med. 52 (6), 446-462 (2018).
  41. Burma, J. S., et al. The validity and reliability of ultra-short-term heart rate variability parameters and the influence of physiological covariates. J Appl Physiol. 130 (6), 1848-1867 (2021).
  42. Nunan, D., Sandercock, G. R., Brodie, D. A. A quantitative systematic review of normal values for short-term heart rate variability in healthy adults. Pacing Clin Electrophysiol. 33 (11), 1407-1417 (2010).
  43. Cumming, G. Understanding the new statistics: effect sizes, confidence intervals, and meta-analysis. , Routledge. New York, NY. (2013).
  44. Ou, J., Nogueira, J., Qin, C. Exploring the impact of AI-assisted practice applications on music learners’ performance, self-efficacy, and self-regulated learning. Front Psychol. 16, 1675762(2025).
  45. Hunter, J. F., et al. Effect of brief biofeedback via a smartphone app on stress recovery: randomized experimental study. JMIR Serious Games. 7 (4), e15974(2019).
  46. Kaliisa, R., Dolonen, J. A. CADA: a teacher-facing learning analytics dashboard to foster teachers’ awareness of students’ participation and discourse patterns in online discussions. Technol Knowl Learn. 28, 937-958 (2022).
  47. Lipponen, J. A., Tarvainen, M. P. A robust algorithm for heart rate variability time series artefact correction using novel beat classification. J Med Eng Technol. 43 (3), 173-181 (2019).
  48. Chan, A. W., et al. SPIRIT 2025 statement: updated guideline for protocols of randomised trials. The Lancet. 405 (10491), e19-e27 (2025).
  49. Zigmond, A. S., Snaith, R. P. The hospital anxiety and depression scale. Acta Psychiatr Scand. 67 (6), 361-370 (1983).
  50. Boutron, I., et al. CONSORT statement for randomized trials of nonpharmacologic treatments: a 2017 update and a CONSORT extension for nonpharmacologic trial abstracts. Ann Intern Med. 167 (1), 40-47 (2017).
  51. Paas, F. G. W. C. Training strategies for attaining transfer of problem-solving skill in statistics: a cognitive-load approach. J Educ Psychol. 84 (4), 429(1992).
  52. Kallio, H., Pietilä, A. -M., Johnson, M., Kangasniemi, M. Systematic methodological review: developing a framework for a qualitative semi-structured interview guide. J Adv Nurs. 72 (12), 2954-2965 (2016).
  53. Kim, H. Y. Statistical notes for clinical researchers: sample size calculation 3. Comparison of several means using one-way ANOVA. Restor Dent Endod. 41 (3), 231-234 (2016).
  54. Vickers, A. J., Altman, D. G. Statistics notes: analysing controlled trials with baseline and follow up measurements. BMJ. 323 (7321), 1123-1124 (2001).
  55. Robertson, R. L., Vergis, A., Gillman, L. M., Park, J. Effect of rater training on the reliability of technical skill assessments: a randomized controlled trial. Can J Surg. 61 (6), 405-411 (2018).
  56. Van Merrienboer, J. J. G., Sweller, J. Cognitive load theory and complex learning: recent developments and future directions. Edu Psychol Rev. 17 (2), 147-177 (2005).
  57. Bentley, T. G. K., et al. Breathing practices for stress and anxiety reduction: conceptual framework of implementation guidelines based on a systematic review of the published literature. Brain Sci. 13 (12), 1612(2023).
  58. Panadero, E. A review of self-regulated learning: six models and four directions for research. Front Psychol. 8, 422(2017).
  59. NIST Privacy Framework: A Tool for Improving Privacy through Enterprise Risk Management, Version 1.0. NIST. , National Institute of Standards and Technology. (2020).

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

再版と許可

このJoVE記事のテキストまたは図の再利用許可をリクエスト

許可をリクエスト

タグ

HRV

関連記事