ungenaues Spiel die Kommunikation unter Musikern und mit dem Publikum
besonders stört, während eine fehlende Note im allgemeinen weniger gravierend
wirkt.
Relative Position und Reihenfolge gehen überhaupt nicht ein. Dies ist schwer zu
erklären, da die Reihenfolge eine wesentliche Rolle bei der Erkennung von Rhythmen
spielt. Die Position ist möglicherweise wichtiger, wenn es einen klaren metrischen
Zusammenhang gibt. Die Kürze der Beispiele und die Schwankungen der Einsatzzeiten
ließen einen klaren metrischen Bezug oft nicht zu. Möglicherweise würde sich die
Gewichtung auch ändern, wenn Tonhöhen berücksichtigt würden, denn tonale Bezüge
stellen ein starkes Mittel der Strukturierung dar.
Bei der Segmentierung haben die Länge und Dauer der Segmente ähnlichen Einfluß.
Die Gewichtung von Einsatzabständen und Pausen ist dagegen geringer und die
Regelmäßigkeit der Segmentierung bezüglich der Motivlänge und -dauer geht fast gar
nicht ein. Diese Tendenzen sind für die Segmentierung von Vorgabe und Eingabe
ähnlich. Die starke Bewertung der Motivdauer und Motivlänge war nach den
Erkenntnissen der Musikpsychologie so nicht zu erwarten, z.B. hebt Diana
Deutsch vor allem die zeitlichen Abstände als wichtig für die Segmentierung
hervor.8
Es ist erstaunlich, daß die Regelmäßigkeit der Segmentierung kaum eingeht, da dies der
musikalischen Erfahrung nicht entspricht. Möglicherweise hängt dies mit den Beispielen
zusammen, die teilweise erhebliche Abweichungen von der metrischen Sequenz enthalten
und oft kein klares Metrum erkennen lassen. Dies würde darauf hindeuten, daß die
Bevorzugung von Motiven ähnlicher Dauer und Länge an die Wahrnehmung eines
Metrums gekoppelt ist.
Da es nicht das Ziel dieser Arbeit ist, allgemeingültige empirische Erkenntnisse über
Musikwahrnehmung und Musikkognition zu gewinnen, sollen die sich aus den ermittelten
Gewichtswerten ergebenden Fragestellungen hier nicht vertieft werden. Dafür wäre es
sinnvoll, Tests mit größeren und repräsentativen Versuchsgruppen durchzuführen und für
diesen Zweck spezialisierte Verfahren zu verwenden, die eine zuverlässigere
Einschätzung der Bedeutung von Merkmalen zulassen, wie z.B. Automatic Relevance
Determination.9
Das ISSM kann um solche Verfahren erweitert werden und bietet die Möglichkeit,
Versuche mit entsprechenden Netzmodellen und Lernverfahren durchzuführen.