Slovní popis barvy hudebního zvuku: I. Percepční prostory slovních atributů



Podobné dokumenty
Barva hudebního zvuku a její slovní popis

Závěrečná zpráva o řešení výzkumného záměru

Ing. Zdeněk Otčenášek, Ph.D. Narozen: Vzdělání: Střední průmyslová škola elektrotechnická, Praha, obor radioelektronika

Úvodem Dříve les než stromy 3 Operace s maticemi

Vícerozměrné statistické metody

ZNALOSTI A DOVEDNOSTI ČESKÝCH MUŽŮ V OBLASTI INFORMAČNÍ BEZPEČNOSTI - VÝSLEDKY STATISTICKÉ ANALÝZY

Vlny konečné amplitudy vyzařované bublinou vytvořenou jiskrovým výbojem ve vodě

Vícerozměrné statistické metody

ANOVA. Semestrální práce UNIVERZITA PARDUBICE. Fakulta chemicko-technologická Katedra analytické chemie

Statistické vyhodnocení průzkumu funkční gramotnosti žáků 4. ročníku ZŠ

Profilování vzorků heroinu s využitím vícerozměrné statistické analýzy

VLIV INTERNETOVÉ SOCIÁLNÍ SÍTĚ NA ŽIVOT STUDENTŮ ZDRAVOTNICKÝCH OBORŮ

Akustické aplikace pro IB

STONOŽKA 2014/ ROČNÍKY

NÁRODNÍ TESTOVÁNÍ 2018/ ROČNÍK

2D A 3D SNÍMACÍ SYSTÉMY PRŮMĚRU A DÉLKY KULATINY ROZDÍLY VE VLASTNOSTECH A VÝSLEDCÍCH MĚŘENÍ

KULOVÝ STEREOTEPLOMĚR NOVÝ přístroj pro měření a hodnocení NEROVNOMĚRNÉ TEPELNÉ ZÁTĚŽE

VOLBA SAMOSTATNÉHO CENTRÁLNÍHO ÚTVARU LOGISTIKY VE VÝROBNÍM PODNIKU

Základy Hudební Akustiky. 1. Úvod

STONOŽKA 2014/15 6. ROČNÍKY modul KEA

Návrh a implementace algoritmů pro adaptivní řízení průmyslových robotů

ZNALOSTI A DOVEDNOSTI ČESKÝCH ŽEN V OBLASTI INFORMAČNÍ BEZPEČNOSTI - VÝSLEDKY STATISTICKÉ ANALÝZY

TECHNOLOGICKÝ LIST č. 58

Vzdělávání v Biomedicínské a Zdravotnické Informatice

Souběžná validita testů SAT a OSP

MODERNÍ MARKETINGOVÝ VÝZKUM

Společenství prvního stupně ověření norem

Psychosémantické metody

Quantization of acoustic low level signals. David Bursík, Miroslav Lukeš

Hodnocení kvality logistických procesů

Fakulta chemicko-technologická Katedra analytické chemie. 3.2 Metody s latentními proměnnými a klasifikační metody

Matematika I 12a Euklidovská geometrie

INTEGRATED APPROACH TO THE LANDSCAPE THE INDICATORS OF SUSTAINABLE DEVELOPMENT AS THE TOOL OF THE REGIONAL POLICY OF RURAL SPACE

SMÍŠENÉ MODY SBĚRU DAT - DRUHY CHYB A MOŽNOSTI SROVNATELNOSTI

VYUŽITÍ DYNAMICKÝCH MODELŮ OCELÍ V SIMULAČNÍM SOFTWARE PRO TVÁŘENÍ

EFFECT OF FEEDING MYCOTOXIN-CONTAMINATED TRITICALE FOR HEALTH, GROWTH AND PRODUCTION PROPERTIES OF LABORATORY RATS

Řízení pohybu stanice v simulačním prostředí OPNET Modeler podle mapového podkladu

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ. FAKULTA STROJNÍHO INŽENÝRSTVÍ Ústav materiálového inženýrství - odbor slévárenství

Projekt Posilování sociálního dialogu prevence násilí na pracovišti. Mgr. Dušan MARTINEK vedoucí Oddělení pro rozvoj lidských zdrojů a projekty ČMKOS

IMPLEMENTACE OBJEKTIVNÍHO MODELU HODNOCENÍ KVALITY ZVUKU PEMO-Q V PROSTŘEDÍ MATLAB SE ZAHRNUTÝM MODELEM SLUCHOVÉ CESTY A MODELEM CASP

Současný stav likvidace dat v organizacích

Předpoklad o normalitě rozdělení je zamítnut, protože hodnota testovacího kritéria χ exp je vyšší než tabulkový 2

POČET ROČNÍKŮ JEHLIC POPULACÍ BOROVICE LESNÍ. Needle year classes of Scots pine progenies. Jarmila Nárovcová. Abstract

Euro měna v Mezinárodních účetních standardech a v českém účetnictví #

11. konference ČAPV Sociální a kulturní souvislosti výchovy a vzdělávání POSTOJE K UČITELSKÉ PROFESI V PREGRADUÁLNÍ UČITELSKÉ PŘÍPRAVĚ

Laserový skenovací systém LORS vývoj a testování přesnosti

Příklad 2: Obsah PCB v játrech zemřelých lidí. Zadání: Data: Program:

MÍRY ZÁVISLOSTI (KORELACE A REGRESE)

TECHNOLOGICKÝ LIST čís. 59

CONTROLLING IN LOGISTICS CHAIN

Grafický a číselný popis rozložení dat 3.1 Způsoby zobrazení dat Metody zobrazení kvalitativních a ordinálních dat Metody zobrazení kvan

CZ.1.07/1.2.08/ Vyhledávání talentů pro konkurenceschopnost a práce s nimi. Závislost úspěšnosti v testu TP2 na známce z matematiky

EFFECT OF MALTING BARLEY STEEPING TECHNOLOGY ON WATER CONTENT

POČÍTAČE, INTERNET A E-LEARNING COMPUTERS, INTERNET AND E-LEARNING. Hana Rysová, Eva Jablonská, Jitka Štěpánová

6.1 Vektorový prostor

VYUŽITÍ NAMĚŘENÝCH HODNOT PŘI ŘEŠENÍ ÚLOH PŘÍMÝM DETERMINOVANÝM PRAVDĚPODOBNOSTNÍM VÝPOČTEM

Zelený produkt automobilek a jeho vnímání různými generacemi českých spotřebitelů EVA JADERNÁ, MARTIN MLÁZOVSKÝ

HODNOCENÍ KVALITY A EFEKTIVITY E-LEARNINGOVÉHO VZDĚLÁVÁNÍ THE QUALITY AND EFFICIENCY EVALUATION OF E-LEARNING EDUCATION. Tomáš Maier, Ludmila Gallová

Akustika pro posluchače HF JAMU

34A101 Návrh objektivního hodnocení jízdních vlastností, provedení experimentů s více vozidly a zkušebními řidiči.

Přednáška 13 Redukce dimenzionality

GRAFICKÉ ŘEŠENÍ ROVNIC A JEJICH SOUSTAV

Interakce úrovně vzdělání a faktoru nezaměstnanosti v hospodářsky slabých a silných obcích České republiky

Skalární součin dovoluje zavedení metriky v afinním bodovém prostoru, tj. umožňuje nám určovat vzdálenosti, odchylky, obsahy a objemy.

Lineární algebra : Skalární součin a ortogonalita

Vyhodnocení 2D rychlostního pole metodou PIV programem Matlab (zpracoval Jan Kolínský, dle programu ing. Jana Novotného)

Angličtina v matematických softwarech 2 Vypracovala: Mgr. Bronislava Kreuzingerová

Regresní a korelační analýza

Přehled modelů reputace a důvěry na webu

IMPLEMENTACE AUTOMATIZOVANÉHO MĚŘENÍ HRTF V MATLABU

ČERVNA 2009 PRAHA ČESKÁ REPUBLIKA

PŘÍLOHY. Příloha č. 1 - Vyjádření etické komise FTVS UK. Příloha č. 2 Informovaný souhlas. Příloha č. 3 Dotazník

UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie Nám. Čs. Legií 565, Pardubice

CREATION OF THE STABLE ELASTIC LOOP

STONOŽKA 2008/ TŘÍDY

Měření rozložení optické intenzity ve vzdálené zóně

Energy vstupuje na trh veterinárních produktů Energy enters the market of veterinary products

Zjišťování expozic RF v blízkosti telekomunikačních antén. E pole (db)

Matematika B101MA1, B101MA2

Název práce: DIAGNOSTIKA KONTAKTNĚ ZATÍŽENÝCH POVRCHŮ S VYUŽITÍM VYBRANÝCH POSTUPŮ ZPRACOVÁNÍ SIGNÁLU AKUSTICKÉ EMISE

Význam inovací pro firmy v současném období

UŽIVATELSKÝ MANUÁL. Obecné informace pro uživatele a administrátory dotazníku. Kariérový kompas

TELEGYNEKOLOGIE TELEGYNECOLOGY

Moderní technologie ve studiu aplikované fyziky CZ.1.07/2.2.00/ Množiny, funkce

Datové struktury. Zuzana Majdišová

TECHNICKÁ UNIVERZITA V LIBERCI

Regresní a korelační analýza

Veritas Information Governance získejte zpět kontrolu nad vašimi daty

ANALÝZY HISTORICKÝCH DEŠŤOVÝCH ŘAD Z HLEDISKA OCHRANY PŮDY PŘED EROZÍ

Aplikace akustiky koncertních sálů, hal, kostelů a dalších interpretačních prostor na nahrávku hry na klasické nástroje

EXACT DS OFFICE. The best lens for office work

Národní informační středisko pro podporu kvality

Regresní a korelační analýza

Akustika pro posluchače HF JAMU

Statistická analýza jednorozměrných dat

KEA 2009/ ROČNÍKY

11. konference ČAPV Sociální a kulturní souvislosti výchovy a vzdělávání

VÝZKUM VLASTNOSTÍ SMĚSI TEKBLEND Z HLEDISKA JEJÍHO POUŽITÍ PRO STAVBU ŽEBRA

Eukleidovský prostor a KSS Eukleidovský prostor je bodový prostor, ve kterém je definována vzdálenost dvou bodů (metrika)

Transkript:

Slovní popis barvy hudebního zvuku: I. Percepční prostory slovních atributů Jan Štěpánek, Ondřej Moravec Výzkumné centrum hudební akustiky, Zvukové studio HAMU Malostranské nám. 13, 118 00 Praha 1, Czech Republic jan.stepanek@hamu.cz www.hamu.cz/sound Abstract Three sound-context free experiments were provided with the Czech music professionals: questionnaire survey for the collection of verbal attributes used for the description of timbre, dissimilarity pair test with 25 mostly used verbal attributes and the test of suitability of 60 verbal attributes for the description of other aspects of music performance. The dissimilarity pair test described in this contribution was provided with five groups of professionals (players of string, wind and keyboard instruments, composers & conductors and sound designers). Common and group perceptual spaces of verbal attributes were acquired using multidimensional scaling method and compared using embedding technique. Common three-dimensional perceptual space of verbal attributes constitute dimensions: 1. gloomy, dark clear, bright, 2. harsh, rough delicate, 3. full, wide narrow. At least two first dimensions are shared by all participating groups of professionals. Úvod Vícedimenzionální povaha barvy hudebního zvuku je jedním z důvodů obtížnosti jejího popisu. Klasický přístup ke studiu barvy zvuku (Bismarck 1974 a, b, Grey 1977) je založen na poslechových testech zvoleného kontextu zvukových podnětů. Zjištěné vlastnosti či dimenze jsou však nepochybně platné jen pro studovaný kontext, možnost jejich zobecnění je omezená a bez dalších experimentů diskutabilní. Dosažené výsledky mohou být navíc závislé na složení skupiny hodnotitelů (posluchačský kontext). Pokusem vyhnout se výše zmíněným úskalím je přístup C. Stumpfa (Stumpf 1890), který bez poslechových experimentů čistě spekulativním postupem stanovil základní dimenze barvy zvuku: 1. tmavý světlý, 2. tupý / měkký ostrý / hrubý, 3. plný / široký prázdný / tenký. Cílem grantového projektu "Percepční prostory barvy hudebního zvuku a jejich slovní popis" (projekt GA ČR č. 202/02/1370), řešeného v letech 2002 až 2004 (Štěpánek, Moravec 2004, 2005 a, b) bylo studium slovního popisu barvy hudebního zvuku, zejména nalezení obecného percepčního prostoru, stanovení počtu jeho dimenzí a nalezení slovních atributů popisujících jednotlivé dimenze, a dále zjištění existence skupinových percepčních prostorů. Metodika výzkumu byla založena na zjišťování názorů hudebníků bez použití konkrétního zvukového kontextu. V první etapě řešení projektu byly formou dotazníku získány slovní atributy, používané k popisu barvy hudebního zvuku v českém jazykovém prostředí (Moravec, Štěpánek 2003 a, b). Ve druhé etapě, jejíž výsledky jsou popsány v tomto příspěvku, byly studovány vzájemné vztahy nejčastěji používaných slovních atributů (částečné výsledky viz též Moravec, Štěpánek 2004). Třetí etapa (viz též Moravec, Štěpánek 2005 a) byla zaměřena na zjišťování názorů na vhodnost použití vybraných slovních atributů k popisu blíže vymezeného aspektu spojeného s produkcí hudby, její výsledky jsou popsány v tomto sborníku ve druhé části příspěvku (Moravec, Štěpánek 2005 b).

Metoda Metodiku zvolenou pro řešení projektu je možno nahlížet jako aplikaci klasických psychologických postupů testování a hodnocení, která však není spojena s konkrétními zvuky, ale mapuje názory odrážející současnou hudební estetiku zejména v oblasti klasické hudby i individuální poslechovou zkušenost. Ve druhé etapě výzkumu byl proveden párový test nepodobnosti slovních atributů, jako podněty bylo použito 25 nejčetnějších slovních atributů získaných v dotazníkovém průzkumu v první etapě projektu. Seznam použitých slovních atributů je v Tab. 1. Úkolem respondentů bylo stanovení míry nepodobnosti vzhledem k barvě hudebního zvuku ve všech párech slovních atributů, přípustné hodnoty byly v rozmezí od 0 (žádná odlišnost) do 5 (maximální odlišnost). Test byl připraven v prostředí MATLAB. Získané matice nepodobností byly vyhodnoceny metodou multidimenzionálního škálování (Multidimensional Scaling, MDS) (Borg, Groenen 1997) pomocí programu CLASCAL, který kromě zkonstruování percepčního prostoru (převod nepodobností mezi podněty na euklidovské vzdálenosti) a určení počtu jeho dimenzí též stanovuje rozdělení respondentů do tříd s podobnými modely hodnocení (latent class approach) (Winsberg, De Soete 1993). Kromě společného percepčního prostoru byly pomocí programu CLASCAL nalezeny i skupinové percepční prostory pro jednotlivé profesní skupiny respondentů testu (Tab.2). Vzájemné porovnání společného a skupinových percepčních prostorů bylo provedeno metodou zakomponování (Borg, Groenen 1997, Štěpánek 2004). Zakomponování externí škály (škály s hodnotami popisujícími tytéž objekty jako percepční prostor, ale získanými na něm nezávislým způsobem) do percepčního prostoru spočívá v nalezení směru v percepčním prostoru, pro který nabývá korelace mezi hodnotami škály a hodnotami průmětu objektů na tento směr svého maxima. Pro porovnání percepčních prostorů byly za externí škály zvoleny postupně jednotlivé dimenze porovnávaného prostoru. Za úspěšné zakomponování bylo považováno takové, které mělo statisticky významnou maximální korelaci. Pro posouzení podobnosti percepčních prostorů byly též spočteny úhly mezi zakomponovanými dimenzemi. Pro interpretaci percepčního prostoru byly vypočteny úhly, které mezi sebou svírají "směry" objektů (slovních atributů). Směr atributu byl určen spojnicí počátku souřadnicové soustavy percepčního prostoru a polohy objektu. Následně byly za pomoci hierarchického shlukování vyhledány dvojice blízkých (svírajících uhel α 20 o ), přibližně ortogonálních (70 α 110 o ) a přibližně protilehlých (α 160 o ) slovních atributů. Cílem bylo najít systém přibližně ortogonálních slovních atributů, který lze považovat za novou (rotovanou) souřadnicovou soustavu interpretovaného percepčního prostoru. Výsledky Testu se zúčastnilo 43 respondentů, jejich rozdělení podle profesního zaměření spolu s počtem dimenzí optimálního modelu MDS jsou uvedeny v Tab. 2. Výsledky porovnání skupinových percepčních prostorů se společným percepčním prostorem jsou v Tab. 3. Rovněž vzájemné porovnání skupinových percepčních prostorů vedlo ke zjištění úspěšných zakomponování dimenzí (Štěpánek, Moravec 2004) s pochopitelnou výjimkou jedné (vždy třetí!) dimenze při zakomponování z 3D prostoru do 2D. Příklad zakomponování dimenzí percepčního prostoru skupiny hráčů na dechové nástroje do společného percepčního prostoru je na Obr. 1, do percepčního prostoru hráčů na klávesové nástroje je na Obr. 2, kde byla zjištěna významná úspěšnost zakomponování: r(d1) = 0,982, r(d2) = 0,909, úhel mezi zakomponovanými dimenzemi α = 78 o. Úhly mezi vybranými slovními atributy ve společném percepčním prostoru jsou uvedeny v Tab. 4.

Tab. 1 Slovní atributy použité v testu nepodobnosti a jejich pořadí podle četnosti výskytu v dotazníku. č. slovní atribut pořadí č. slovní atribut pořadí 1 ostrý 1 14 hrubý 14.5 2 2 15 tmavý 14.5 3 měkký 3 16 teplý 16 4 4 17 zářivý 17 5 sametový 5 18 čistý 18.5 6 6.5 19 vřelý 18.5 7 kulatý 6.5 20 barevný 20.5 8 tupý 8 21 zvonivý 20.5 9 10 22 chladný 23.5 10 světlý 10 23 průzračný 23.5 11 tvrdý 10 24 široký 23.5 12 sladký 12 25 23.5 13 plný 13 Tab. 2 Složení respondentů testu nepodobnosti z hlediska profesního zaměření a optimální modely řešení MDS. profesní zaměření počet dimenzí počet dotazník optimálního respondentů z nich vyplnilo modelu MDS smyčce 12 9 3 dechy 6 3 2 klávesy 7 4 2 skladatelé / dirigenti 8 6 3 zvukoví designéři 6 5 3 ostatní 4 0 všichni 43 27 3 Tab. 3 Porovnání skupinových percepčních prostorů se společným percepčním prostorem výsledky zakomponování dimenzionálních os: korelační koeficient r jako míra úspěšnosti zakomponování a úhly mezi zakomponovanými dimenzemi jako míra deformace způsobená jejich zakomponováním. profesní zaměření dimenze r úhel [ o ] Dim 1 Dim 2 Dim 1 0.994 smyčce Dim 2 0.986 84 Dim 3 0.989 86 84 dechy Dim 1 0.995 Dim 2 0.975 86 klávesy Dim 1 0.993 Dim 2 0.983 95 Dim 1 0.994 skladatelé / dirigenti Dim 2 0.990 88 Dim 3 0.977 89 87 Dim 1 0.995 zvukoví designéři Dim 2 0.989 99 Dim 3 0.980 102 89

průzračný 3 světlý zvonivý sladký čistý zářivý měkký sametový vřelý teplý kulatý barevný chladný plný široký tmavý tupý tvrdý hrubý ostrý Dim 2 2 1 0-1 -2 ostrý tvrdý hrubý chladný zvonivý tupý průzračný zářivý světlý čistý vřelý sladký měkký barevný teplý plný kulatý široký sametový tmavý zakomponování Dim 1 zakomponování Dim 2-3 -4-3 -2-1 0 1 2 3 Dim 1 Obr. 1 Zakomponování dimenzí percepčního prostoru skupiny hráčů na dechové nástroje do společného percepčního prostoru. Obr. 2 Zakomponování dimenzí percepčního prostoru skupiny hráčů na dechové nástroje do percepčního prostoru hráčů na klávesové nástroje. Tab. 4 Matice úhlů vybraných slovních atributů společného percepčního prostoru, úhly blízkých a přibližně protilehlých dvojic jsou pod diagonálou, přibližně ortogonálních dvojic nad diagonálou. Vybrané slovní atributy reprezentující jednotlivé dimenzionální atributy i úhly, které mezi sebou svírají, jsou vyznačeny tučně. úhel [ o ] tmavý světlý hrubý sladký plný široký chladný 84 75 91 94 71 68 109 80 tmavý 5 84 76 93 93 66 63 113 84 176 172 97 106 89 84 106 109 75 104 světlý 165 166 15 110 118 74 73 112 116 71 102 92 88 77 62 hrubý 10 93 89 76 57 159 152 106 109 85 97 sladký 168 167 32 77 80 114 129 plný široký 4 169 165 chladný 142 138 31

Diskuse a závěry Z Tab. 3 je zřejmé, že ve všech případech bylo zakomponování dimenzí skupinového percepčního prostoru do společného percepčního prostoru vysoce úspěšné (významnost korelace lepší než 0,1%) s velice dobrou reprodukcí ortogonality (84 o α 102 o ). Navíc, podobně jako v případě hráčů na dechové nástroje (Obr. 1), byla rovina vymezená zakomponováním 1. a 2. dimenze jen mírně odkloněná od roviny prvních dvou dimenzí společného percepčního prostoru. Přestože došlo k vzájemnému pootočení os (Obr. 1, ale i Obr. 2) je možno považovat první dvě dimenze společného percepčního prostoru za sdílené všemi profesními skupinami. Z Tab. 4 vyplývá, že vybrané slovní atributy splňují kritéria přibližné ortogonality a protilehlosti (s výjimkou o 1 o ). S ohledem na směrovou blízkost dalších slovních atributů dospíváme k následujícím obecným dimenzím společného percepčního prostoru barvy hudebního zvuku: 1. / tmavý / světlý 2. / hrubý 3. plný / široký Základní vybrané dimenzionální pojmy jsou schematicky zobrazeny na Obr. 3, včetně nejčastěji používaného slovního atributu ostrý, který leží v rovině prvních dvou dimenzí mezi atributy a. První dvě dimenze i poloha atributu ostrý jsou společné všem sledovaným profesním skupinám. Při porovnání námi nalezených dimenzí barvy hudebního zvuku se Stumpfovými zjišťujeme dobrou shodu v 1. a 3. dimenzi, větší odlišnost lze spatřovat v 2. dimenzi, a to i v souvislosti s atributem ostrý. Zjištěné názory hudebních profesionálů na vhodnost použití dimenzionálních (ale i řady dalších) slovních atributů k popisu specifické situace při produkci hudby jsou popsány ve druhé části příspěvku (Moravec, Štěpánek 2005 b). ostrý plný Obr. 3 Schematické zobrazení třídimenzionálního společného percepčního prostoru slovních atributů s vyznačením polohy nejčastěji používaného atributu ostrý.

Uznání Výzkum byl financován Grantovou agenturou České republiky, projekt č. 202/02/1370. Literatura Bismarck, G. von, 1974 a. Timbre of steady sounds: A factorial investigation of its verbal attributes. Acustica 30: 146-159. Bismarck, G. von, 1974 b. Sharpness as an Attribute of the Timbre of Steady Sounds, Acustica 30: 159-172. Borg, I., Groenen, P., 1997. Modern Multidimensional Scaling, Theory and Applications. Springer-Verlag, New York. Grey, J. M., 1977. Multidimensional perceptual scaling of musical timbres. Journal of the Acoustical Society of America 61 (5): 1270-1277. Moravec, O., Štěpánek, J., 2003 a. Verbal description of musical sound timbre in Czech language. In Proceedings of the Stockholm Music Acoustics Conference (SMAC'03), Stockholm, 643-645. Moravec, O., Štěpánek, J., 2003 b. Collection of Verbal Descriptions of Musical Sound Timbre in Czech Language. In Proceedings of the 7 th International Colloquium "ACOUSTICS '03", Zvolen Šachtičky, 23-26. Moravec, O., Štěpánek, J., 2004. Perceptual spaces of verbal attributes used for description of musical sound timbre in Czech language. In Proceedings of 7. CFA / 30. DAGA, Strasbourg, 881-882. Moravec, O., Štěpánek, J., 2005 a. Verbal Descriptions of Musical Sound Timbre and Musician's Opinion of their Usage, 31. DAGA, München, in print. Moravec, O., Štěpánek, J., 2005 b. Slovní popis barvy hudebního zvuku: II. Vhodnost použití slovních atributů, Proceedings of the 1 th International Symposium Material Acoustics Place 2005, Zvolen, in this proceedings. Stumpf, C., 1890. Tonpsychologie I-II. S. Hirzel Verlag, Leipzig 1883. Štěpánek, J., 2004. Relations between perceptual space and verbal description in violin timbre. In acústica 2004 Guimarães, Portugal, CD ROM: AFP 077-S. Štěpánek, J., Moravec, O., 2004. Percepční prostory barvy hudebního zvuku a jejich slovní popis, Závěrečná výzkumná zpráva projektu GA ČR 202/02/1370. Štěpánek, J., Moravec, O., 2005 a. Verbal description of musical sound timbre in Czech language and its relation to musicians profession and performance quality, CIM05 Montréal, Québec, Canada, Electronic proceedings, file: STEPANEK_J_CIM05_02.pdf. Štěpánek, J., Moravec, O., 2005 b. Barva hudebního zvuku a její slovní popis, Akademie múzických umění v Praze, Akustická knihovna Zvukového studia Hudební fakulty AMU, ISBN 80-7331-031-7. Winsberg, S., De Soete, G., 1993. A latent class approach to fitting the weighted Euclidean model, CLASCAL. Psychometrika 58: 315-330.