Pedagogía del análisis musical a través de herramientas digitales y de inteligencia artificial (1ª edición)
Este curso servirá para aprender de manera didáctica las diferentes herramientas de análisis digital que están siendo pioneras en el campo del análisis musical en EEUU, Canadá y el resto de Europa. Consistirá en cuatro sesiones de cuatro horas completamente online, con el fin de que puedan asistir muchos estudiantes procedentes de otras ciudades y de hacer un curso interactivo a través de la plataforma TEAMS. El público al que va dirigido debe tener, al menos, conocimientos básicos de música, ya que se basará en el análisis de muchos parámetros musicales. La finalidad del curso es conseguir competencias sobre la aplicabilidad del análisis computacional en repertorios desde la época medieval hasta la música del siglo XXI. Se utilizarán programas gratuitos, como jSymbolic y Weka, que permiten el análisis estadístico de cientos de características musicales, como el machine learning para la identificación de repertorios de procedencia desconocida; el lenguaje python aplicado al análisis musical para descubrir patrones de similitud entre obras renacentistas; así como otras herramientas destinadas al análisis de diferentes repertorios musicales a través de Verovio.
Los conocimientos y herramientas impartidos y explicados en el curso facilitarán la adquisición de competencias digitales y musicales de una forma práctica e interactiva. Los estudiantes también realizarán propuestas didácticas que serán aplicables en la futura docencia e investigaciones propias.
Módulo 1: Pedagogía del análisis estadístico: machine learning con bases de datos musicales
- Introducción al proyecto jMIR de McGill University
- jSymbolic y el análisis estadístico de características musicales
- Análisis en grandes bases de datos
- Experimentos de machine learning para averiguar la procedencia de obras sin identificar
- Estudios de caso recientes y posible aplicabilidad
- Puesta en práctica de esta metodología
Módulo 2. Pedagogía del análisis de patrones estilísticos con python
- Introducción al CRIM project del Haverford college para el análisis de música renacentista
- Identificación de patrones melódicos y contrapuntísticos
- Análisis de tipos de presentación del contrapunto
- Extracción de heatmaps y gráficas analíticas
- Análisis de homofonía y cadencias
- Estudios de caso y posible aplicabilidad
- Puesta en práctica de esta metodología
Módulo 3. Propuestas pedagógicas con otros recursos digitales: Verovio
- Introducción a Verovio y su metodología de análisis digital
- Introducción a las herramientas analíticas del Josquin Research Project
Módulo 4: Presentaciones de trabajos finales y feedback sobre las propuestas didácticas
- Días: Todos los sábados desde el 17 de junio 2023 hasta el 8 de julio de 2023
- Horario: 10:00-14:00
- Lugar de celebración: Online por TEAMS
- María Elena Cuenca Rodríguez (Departamento Interfacultativo de Música UAM)
Conocimientos básicos de música (nivel de básico de lenguaje musical y lectura de partituras)
- Asistencia y participación: 30%
- Actividades propuestas a lo largo del curso: 50%
- Trabajo final: 20%
MATRICULACIÓN:
- Matrícula Ordinaria –> 90€
- Matrícula AlumnosUAM, AlumniUAM+, AlummiUAM+Plus y amigos de la UAM –> 81€
*Para beneficiarse de la matrícula reducida, los estudiantes deben inscribirse con su correo institucional @estudiante.uam.es*
PLAZAS OFERTADAS:
Máximo 30 plazas
**El curso se impartirá si alcanzará el número mínimo de 6 plazas**
RECONOCIMIENTO DE ECTS:
Accede aquí para consultar los cursos con reconocimiento de créditos
- Número de becas: 2 (si se alcanzan 24 estudiantes)
- Criterios de concesión:
- Situación de desempleo: 40%
- Situación socio-económica: 30%
- Expediente académico: 30%
**Para solicitar una beca debe ponerse en contacto con: maria.cuenca@uam.es

Módulo 1: Pedagogía del análisis estadístico: machine learning con bases de datos musicales
- Introducción al proyecto jMIR de McGill University
- jSymbolic y el análisis estadístico de características musicales
- Análisis en grandes bases de datos
- Experimentos de machine learning para averiguar la procedencia de obras sin identificar
- Estudios de caso recientes y posible aplicabilidad
- Puesta en práctica de esta metodología
Módulo 2. Pedagogía del análisis de patrones estilísticos con python
- Introducción al CRIM project del Haverford college para el análisis de música renacentista
- Identificación de patrones melódicos y contrapuntísticos
- Análisis de tipos de presentación del contrapunto
- Extracción de heatmaps y gráficas analíticas
- Análisis de homofonía y cadencias
- Estudios de caso y posible aplicabilidad
- Puesta en práctica de esta metodología
Módulo 3. Propuestas pedagógicas con otros recursos digitales: Verovio
- Introducción a Verovio y su metodología de análisis digital
- Introducción a las herramientas analíticas del Josquin Research Project
Módulo 4: Presentaciones de trabajos finales y feedback sobre las propuestas didácticas