Revista Venezolana de Computación
ISSN: 2244-7040
http://www.svc.net.ve/revecom
Vol. 1, No. 2, pp. 54-62, Diciembre 2014
Selección de los Mejores Artículos de CoNCISa 2014
de Computación
Sistema Informático para el Aprendizaje de la Guitarra Eléctrica
bajo una Estrategia de Juego Interactivo
German Rodriguez 1, Kristian Cortés 1, José Suarez 1, Wilmer Pereira 1, 2
garodriguezr.11@gmail.com, kristcort@gmail.com, jsuarez@ucab.edu.ve, wpereira@ucab.edu.ve
1
Escuela de Ingeniería Informática, Universidad Católica Andrés Bello, Caracas, Venezuela
2
Departamento de Computación, Universidad Simón Bolívar, Caracas, Venezuela
Resumen: Este trabajo ofrece una alternativa automatizada para el aprendizaje musical de la guitarra eléctrica, usando
estrategias de juegos interactivos. Esta herramienta para la enseñanza musical, se implementó para dispositivos móviles con
conexión a internet, permitiendo la comunicación con un servidor que brinda la información de texto, imágenes y sonidos;
además permite la evaluación de los usuarios y medir el progreso del juego mediante preguntas. En el servidor se procesa la
información que permite comparar notas, acordes y ritmos musicales emitidos por el guitarrista. Esto alimenta la dinámica del
juego llevando las estadísticas de cada usuario. Así cada estudiante puede comparar sus resultados con el de los compañeros
que también utilizan la aplicación. El sistema fue validado como herramienta para la enseñanza musical contra el método
presencial tradicional, ya que se compararon los resultados de evaluaciones teóricas y prácticas para dos grupos de estudiantes
de guitarra. El primer grupo estuvo conformado por personas que hicieron uso de la aplicación para aprender guitarra y el
segundo por personas que asistían regularmente a clases presenciales de guitarra eléctrica. Los resultados muestran el
potencial de la aplicación y las posibles mejoras para lograr un aprendizaje más eficiente.
Palabras Clave: Aprendizaje Musical; Juego Interactivo; Aplicación Cliente/Servidor; Reconocimiento de Notas; Acordes y
Rítmica.
Abstract: This paper provides an automated alternative to the musical learning of the electric guitar, using interactive games
strategies. This tool for music education was implemented for mobile devices with internet access, enabling communication
with a server that provides the information in text format, images and sounds; also allows the user evaluation and measure
progress of the game by questions. On the server the information is processed to compare notes, chords and rhythms issued by
guitarist. This feeds the dynamics of the game, showing statistics for each user´s score. So every student can compare their
results with those of colleagues who also use the application. The system was applied and validated as a tool for teaching
music in compare with the traditional classroom method, the results of theoretical and practical evaluations for two groups of
guitar students were compared. The first group consisted of people who took the application to learn guitar and the second by
people who regularly attended face classes of electric guitar. The results show the potential of the application and possible
improvements for a more efficient learning.
Keywords: Musical Learning; Interactive Game; Client/Server Application; Recognition of Notes; Chords and Rhythmic.
I.
plataformas móviles y así aprovechar cualquier ocasión para el
autoaprendizaje y mantener al estudiante inmerso en su
objetivo de mejorar su nivel como ejecutante de guitarra.
INTRODUCCIÓN
El aprendizaje convencional de la teoría de la música y la
ejecución de un instrumento, es un proceso lento que requiere
mucha práctica, específicamente un trabajo constante y
metódico de repetición. Los avances del aprendiz dependen de
la disponibilidad de los profesores, una gran cantidad de
tiempo y muchas veces recursos financieros del principiante.
Algunas personas tienen la disponibilidad para cursos
presenciales mientras que hay estudiantes, con otro tipo de
obligaciones y responsabilidades, que les conviene un método
más flexible. Más aún para este tipo de personas la
disponibilidad debe ser inmediata para maximizar el
aprovechamiento del tiempo. Es básicamente por esta razón
que surge la necesidad de implantar la aplicación para
II.
TRABAJOS RELACIONADOS
Además de los manuales publicados por revistas
especializadas de enseñanza de guitarra eléctrica y algunas
aplicaciones sencillas vía Web, se está realizando mucha
investigación en programas para el aprendizaje de diferentes
tipos de instrumentos musicales. Específicamente se está
proponiendo cada vez más el uso de la realidad aumentada
para potenciar las posibilidades de ejecución del practicante.
En [1], Liarokapis propone un sistema, en particular para
guitarra, donde el aprendiz mediante realidad aumentada,
puede ver claramente la posición de la mano y dedos sobre los
54
Revista Venezolana de Computación - ReVeCom (ISSN: 2244-7040) - SVC
Vol. 1, No. 2, Diciembre 2014 - Selección de los Mejores Artículos de CoNCISa 2014
De hecho, el formato WAV por tener buena calidad al
reproducir la melodía, ofrece una riqueza sonora superior a
MP3. Sin embargo, a pesar de comprimir con más pérdida, el
formato MP3 sólo deja de lado aspectos que en la mayoría de
los casos no son captados por el oyente. Las estrategias de
enmascaramiento por frecuencia y el enmascaramiento
temporal [5] sólo obvian aquellos detalles que no son
percibidos por el oído humano y en consecuencia el oyente no
pierde información sonora significativa.
trastes y escuchar los sonidos. Esto claramente es de gran
utilidad para el correcto posicionamiento ante el instrumento.
No obstante no recibe ninguna retroalimentación de su
ejecución sonora ni sobre su posicionamiento con respecto a la
guitarra. Es decir, el sistema no le informa sobre sus avances y
presupone que el estudiante tiene un conocimiento mínimo de
teoría musical. En consecuencia no hay un seguimiento del
aprendiz durante su trabajo con el sistema.
Por otro lado, en [2] al igual que el artículo de Liarokapis, este
trabajo ofrece indicaciones con realidad aumentada de las
buenas posiciones del aprendiz pero a diferencia del anterior
artículo, utiliza una cámara para hacer reconocimiento de
patrones para asegurarse de que el estudiante efectivamente si
manipula la guitarra de la manera adecuada. Tampoco graba la
ejecución del aprendiz ni la compara con una base de datos
para verificar la exactitud de la ejecución. Tampoco graba
sonidos …
Con el formato WAV, utilizando diversos algoritmos sin
delimitación de espectrograma, al comparar dos archivos de
audio, la calidad de los resultados es excelente pero los
algoritmos requerían entre 30 segundos y hasta 8 minutos para
arrojar un resultado de la comparación. En cambio, con el
formato MP3, aunque para la codificación y decodificación no
existen soluciones implementadas nativamente para el SDK de
Android, el tiempo de procesamiento es menor. Se utilizó la
librería LAME [6], para C++ que puede ser adaptada a
Android NDK [7] junto con el plugin “MP3PLUGIN”
encargado de suministrar métodos para transformar un arreglo
de bytes a un arreglo de tipo short, facilitando así la
comparación de notas, acordes y pautas rítmicas.
El sistema propuesto en este artículo si graba el trabajo del
practicante: notas, acordes y pautas rítmicas y compara su
ejecución con patrones almacenados, en formato MP3, para
asegurarse del desempeño del estudiante y poder ofrecer
retroalimentación e indicaciones.
Tabla I: Comparación WAV vs MP3
En lo que concierne a video juego y guitarra eléctrica sin
ninguna duda la aplicación más conocida en el área es guitar
hero. Este producto comercial ofrece al jugador melodías que
debe seguir lo más fielmente posible mediante un dispositivo
cuya interfaz es parecida a una guitarra eléctrica Gibson SG.
El jugador aprende por repetición aunque no se le ofrece
ningún conocimiento de música ni retroalimentación que le
indique como mejorar su desempeño.
Tamaño del
Archivo
Porcentaje
de Acierto
Tiempo de
Procesamiento
WAV
MP3
353 KB
51,5 KB
95%
85%
Hasta dos minutos
Hasta 2 segundos
Una vez tomada la decisión por el formato MP3, se
implementa en el dispositivo móvil, la recepción del audio
entrante por el micrófono del teléfono y se codifica en una
tabla gracias a la clase “AudioRecorder” [8] dentro de la
librería “LAME” y se envía al servidor. La decodificación de
sonido se hace en el servidor y no en el dispositivo móvil
debido a que los módulos de comparación requieren tal
capacidad de procesamiento que haría muy lento el
procesamiento. Los resultados de esta evaluación están en la
Tabla I.
De hecho cuando es necesario dar retroalimentación sonora
los problemas técnicos son numerosos pues las fuentes de
ruido son difíciles de evitar y/o filtrar. Hay patentes que
intentan resolver el problema como en [3] y [4] mediante
sistemas computarizados para el reconocimiento de melodías.
Específicamente en [3] se pretende enseñar a tocar cualquier
instrumento agregando componente de video juegos
competitivos para motivar al estudiante. En el caso del piano
cambian la notación clásica de partituras por una nueva escala
que se lee verticalmente. La segunda patente [4] es mucho
más específica para el aprendizaje de la guitarra y da más
indicaciones sobre cómo convertirse en un buen ejecutante,
sin dejar de lado el aprendizaje de la teoría de la música.
III.
Formato del
Archivo
IV.
SERVIDOR WEB
Con la finalidad de tener un sistema con mayor poder de
procesamiento para la gestión de usuarios, comparación de
archivos de audio, almacenamiento de las estadísticas de
usuarios y la base de conocimiento musical, se implementó la
aplicación bajo una arquitectura cliente/servidor. Esto además
hace el sistema más escalable y facilita el mantenimiento.
PROCESAMIENTO DE SONIDO
En un primer momento se realizó un pequeño estudio
comparativo para seleccionar el formato de audio más
conveniente para el procesamiento de la información sonora.
Para ello se grabó de antemano cada nota, acorde y pauta
rítmica en dos formatos WAV y MP3 con un guitarrista
experto. Cuando se desea comparar los resultados del
estudiante, los sonidos generados, con su guitarra, se
transfieren al servidor para cada formato y se comparan con lo
almacenado en la base de datos. Con esto se verifican los
tiempos de respuesta y el porcentaje de acierto de las muestras
de sonidos. El objetivo es evaluar el desempeño para poder
seleccionar el formato más adecuado para la aplicación.
El servidor web, con la información recibida de la aplicación
móvil, sigue el progreso del juego, envía archivos como
imágenes y/o sonidos al aprendiz a guitarrista y recoge los
resultados de esta interacción para mantener la dinámica del
juego. Para ello ofrece los siguientes servicios:
Ingresar a la aplicación con Facebook y vincular a sus
amigos, siempre que estén registrados en la aplicación
como seguidores.
Ver los niveles del juego con sus imágenes y nombres,
filtrando por el progreso del estudiante. Consultar detalles
de seguidores, con su puntaje.
Es claro que la calidad del formato juega un rol fundamental
en la cantidad de espacio necesario para el almacenamiento.
55
G. Rodriguez, K. Cortés, J. Suarez, W. Pereira
Acceder a los seguidores de un estudiante diferente al que
ingreso en la aplicación.
Descargar el listado de pruebas por nivel.
Acceder a la totalización del puntaje obtenido una vez que
se termina el nivel.
Consultar los reportes del estudiante.
V.
APLICACIÓN MÓVIL
Para conseguir una buena aceptación de parte de las personas
interesadas en aprender teoría musical y ejercitarse como
ejecutante de la guitarra eléctrica, es importante la motivación.
Es por ello que la estrategia de videojuego interactivo,
estructurado por niveles, es fundamental. El objetivo es que
las pruebas sean lo suficientemente entretenidas para el
usuario, mientras van aprendiendo conocimientos y nuevas
destrezas, bajo un marco de competencia con sus amigos y
usando como incentivo los puntajes de las pruebas.
Figura 1: Información Musical Teórica
Pregunta V/F: ofrecen la opción de avalar o rechazar
algún concepto de la teoría musical, ya presentado en las
pruebas teóricas (Figura 2).
A. Niveles
Para el sistema un nivel es el conjunto de 10 pruebas a ser
completadas para progresar en el juego. Estos niveles están
ubicados en la pantalla principal de la aplicación y pueden
tener tres estados:
Disponible: Son aquellos niveles, aún no completados por
el estudiante, que deben concluirse para pasar al siguiente
nivel.
Completado: Son los niveles ya completados por el
estudiante aunque están disponibles para su repetición.
Estos no desbloquean nuevos niveles.
Bloqueados: Son las actividades o niveles a los que el
estudiante no puede acceder a menos que complete los
niveles previos.
B. Pruebas
Para la enseñanza práctica y teórica de la guitarra eléctrica se
deben considerar, tanto los fundamentos teóricos por los
cuales se rige la música para su apreciación y escritura; como
los principios básicos prácticos para la ejecución. Se deben
tomar en cuenta desde las notas y acordes que emite la
guitarra hasta las pautas rítmicas de una composición musical.
Es por todo esto que se diseñaron varias pruebas, las cuales
están en las siguientes categorías:
Figura 2: Prueba de V/F o Respuesta por Selección de Imagen
Teórico-Prácticas para Notas: Estas pruebas muestran al
usuario una imagen con las indicaciones para poder emitir
la nota o acorde con la guitarra. Junto con su descripción,
el estudiante dispone de un audio del sonido asociado y la
posibilidad de grabar su ejecución para la comparación
con el patrón almacenado, mostrando gráficamente los
sonidos en tiempo real en decibeles (Figura 3).
Teóricas: ofrecen una breve descripción de un concepto
musical, eventualmente con imágenes (Figura 1).
Figura 3: Respuesta sobre Notas con Teoría y Práctica
56
Revista Venezolana de Computación - ReVeCom (ISSN: 2244-7040) - SVC
Vol. 1, No. 2, Diciembre 2014 - Selección de los Mejores Artículos de CoNCISa 2014
Teórico-Prácticas de Acordes Musicales: Estas pruebas
muestran al usuario una imagen que enseña el lugar donde
se deben colocar los dedos para emitir el acorde. Junto a su
descripción tiene un audio del cómo debería sonar el
acorde musical y un grabador que registra los sonidos que
ejecute el estudiante para compararlo con lo almacenado
en el servidor. Se muestra gráficamente el sonido en
tiempo real en decibeles (Figura 4).
en tiempo real, se comparará con lo almacenado en el
servidor (Figura 6).
Figura 6: Pregunta Prácticas de Notas y Acordes
C. Notificaciones
Estas motivan al estudiante según la constancia con la que
ingresa a los niveles de la aplicación. Se generan, después del
ingreso del ejecutante, gracias a un calendario interno que se
actualiza en función a la regularidad del aprendiz. También se
le pueden enviar mensajes de alerta o felicitaciones a la
bandeja de notificaciones de Android (Figura 7).
Figura 4: Pregunta sobre Acordes con Teoría Práctica
Teórico-Prácticas de Pautas Rítmica: Estas pruebas
muestran una imagen sugiriendo la pauta rítmica, un
metrónomo para que el usuario se guie al momento de la
interpretación, una muestra de cómo debería sonar el ritmo
y un grabador que registra los sonidos que toque el
estudiante con su guitarra. Esta muestra se usa para
compararla con lo almacenado en el servidor, mostrando
los sonidos en tiempo real en decibeles (Figura 5).
D. Integración con Facebook
Para lograr que la aplicación tenga un buen grado de
aceptación, amigabilidad y simplicidad se decidió realizar el
registro de jugadores mediante Facebook, ya que esta red
social es muy utilizada a nivel mundial y brinda servicios que
permiten tener un control de acceso, información del usuario y
listado de amigos.
Para esta integración, Facebook provee un SDK para Android
que proporcionar una documentación sencilla para su
implementación y uso. El framework Grails posee un plugin
para hacer uso de Facebook vía Web, en donde el sistema
hace la vinculación entre los amigos que posee el usuario en
Facebook y los convierte en seguidores del usuario-estudiante
de la aplicación.
Figura 5: Pregunta Teórico-Práctico de Pautas Rítmicas con
Metrónomo
Prácticas de Notas y Acordes: Estas pruebas indican
como colocar los dedos en los trastes de la guitarra para
poder ejecutar el sonido y un grabador que se encargue de
registrar el resultado. Además de mostrarse gráficamente
Figura 7: Notificación sobre la Interfaz de Android
57
G. Rodriguez, K. Cortés, J. Suarez, W. Pereira
E. Sincronización de Archivos
Dado que el tiempo de procesamiento puede ser considerable
y para agilizar la interacción entre los estudiantes, resulta
conveniente que los archivos de los servicios que se utilizan
regularmente solo sean descargados la primera vez que se les
necesita. Para ello esta información se almacena localmente en
una base de datos, para el dispositivo móvil con Android,
llamada Sqlite.
realizó una investigación de los algoritmos de comparación de
archivos de audio. Se seleccionó el método de reconocimiento
de vocales, donde se parte de la identificación de formantes de
un sonido en el dominio de la frecuencia, para diferenciar una
vocal de otra. Según la bibliografía es usado para
reconocimiento de sonidos en general y efectivamente resultó
ser adecuado aunque no está explícitamente diseñado para
reconocimientos de notas, acordes y pautas rítmicas.
El servidor envía a la aplicación del estudiante un listado de
los identificadores de los archivos necesarios para la interfaz
gráfica. Esta lista es comparada contra los archivos de base de
datos local y, en caso de no tenerlos, se descargan desde el
servidor.
Por otro lado, para encontrar las características asociadas a las
ondas de los audios, se utilizó la Transformación Rápida de
Fourier, la cual permite cambiar el dominio de tiempo de un
audio a un dominio de frecuencia, mostrando las frecuencias
de los formantes más significativas de un sonido.
F. Amigos
Este módulo tiene la capacidad de listar los amigos asociados
que tiene el guitarrista aprendiz, junto con sus puntajes hasta
la fecha de la consulta. Además se pueden ver los amigos de
los amigos con el objeto de que pueda invitarlos y así generar
un ambiente de mayor competitividad (Figura 8).
A fin de cuentas, las características más significativas para
comparar e identificar sonidos son principalmente la
frecuencia y el rango de tiempo donde ocurre dicha
frecuencia. Para las notas es sencillo pues basta con identificar
el formante más cercano a dicha frecuencia. En el caso de los
acordes se utiliza el mismo método de comparación pero
ubicando todas las frecuencias de las notas que debe poseer
ese acorde. Para las pautas rítmicas se debe añadir, además de
las frecuencias y rangos, los intervalos de tiempos entre las
notas para que el algoritmo pueda verificar si las frecuencias
se encuentran en los instantes de tiempo esperados.
Análisis y Comparación de Notas: Para identificar una
nota musical se parte de la frecuencia almacenada
previamente en la base de datos. Con el rango en el cual se
encuentran dichas notas, el espectrograma de tiempodecibeles (Figura 10) y dada la decodificación del archivo
de audio enviado por el estudiante, se comparan los
archivos para determinar el sonido generado por el
guitarrista aprendiz.
Figura 8: Amigos de un Usuario y Amigos de un Amigo
G. Reportes
Este módulo emite varios tipos de reportes, específicamente
como serían las notas, acordes y pautas rítmicas tocadas por el
aprendiz que consulta y por todos los demás estudiante.
Algunas reportes son: notas o acordes más fáciles y difíciles
de tocar, promedio de puntos ganados en teoría y en práctica,
(Figura 9).
Figura 10: Verificación de una Nota con el Espectrograma de
Frecuencia
Más detalladamente, el procedimiento consiste en tomar
los valores en el rango donde debería estar la frecuencia
de la nota buscada y se identifica cual es el primer
formante o el formante con el valor más alto de
decibelios. Con el programa Audacity se identifica el
formante más alto, en este caso con el valor de 294 dB,
Figura 9: Pantallas de Reportes
VI.
ANÁLISIS Y COMPARACIÓN DE NOTAS, ACORDES Y PAUTAS
RÍTMICA
Con la finalidad de implementar un método eficiente para el
procesamiento de las notas, acordes y pautas rítmicas, se
58
Revista Venezolana de Computación - ReVeCom (ISSN: 2244-7040) - SVC
Vol. 1, No. 2, Diciembre 2014 - Selección de los Mejores Artículos de CoNCISa 2014
por lo que según los conocimientos teóricos, en este caso,
el valor corresponde a la nota Re.
seleccionada las notas se acopla su aparición usando el
espectrograma rítmico y con un rango de error fijado
como aceptable, se identifica la periodicidad y por ende la
pauta rítmica.
En general el cálculo de la similitud entre dos acordes o dos
pautas rítmicas tiende a ser más inexacto que el de las notas.
Aunque se pueden encontrar algunas imperfecciones en la
muestra de audio almacenada, la principal fuente de error para
la identificación bajo el ruido ambiental. Este introduce
armónicas que alteran la codificación del sonido. Para mitigar
el grado de error, se decidió analizar los 10 formantes más
significativos con el objetivo de aproximar la frecuencia más
cercana a la nota buscada.
Análisis y Comparación de Acordes: Sabiendo cada nota
que compone el acorde y los rangos en que varían estas
frecuencias, es posible lograr una comparación de las
muestras obtenidas del estudiante y compararlas con lo
almacenado en el servidor a través del método de
comparación de acordes (Figura 11).
VII.
MÓDULO DE AFINACIÓN
Para el módulo de afinaciones es preferible no acceder al
servidor, ya que esto conllevaría a un amplio gasto de recursos
y aumentaría el tiempo de espera del estudiante. Por esto se
implementó dicho módulo en la aplicación móvil, donde
mediante una interfaz de fácil uso (Figura 13), el usuario
deberá selecciona la cuerda que se quiere afinar. La aplicación
va dando una referencia de la acción que debe tomar el
estudiante, sobre la guitarra, para afinarla.
Se reutilizaron algunos códigos de identificación de sonidos
del servidor y se cargaron localmente en el dispositivo móvil.
La intención era tener una interfaz rápida, sencilla e intuitiva,
de fácil uso para el aprendiz, sin conocimiento previo o
adiestramiento en el sistema.
Figura 11: Verificación de un Acorde con el Espectrograma de
Frecuencia
A partir del espectro de la muestra de audio se crean
divisiones según los rangos de frecuencia en los que se
encuentran las notas musicales que posee el acorde. En
este caso, se trata del acorde Do Mayor, el cual posee las
notas Do y La además del Do en otro rango de frecuencia.
Una vez identificados los rangos se realiza el cálculo de
los 10 formantes más altos de cada rango, los cuales son
comparados contra las frecuencias buscadas para saber
cuál es el formante más cercano a las frecuencias
buscadas.
Para conseguir un resultado similar al de los métodos
implementados en el servidor se reutilizó el método de
codificación de audio MP3 a un arreglo de shorts utilizando la
librería “LAME”, aplicando a este el análisis y comparación
de frecuencias. Esto, por supuesto, sabiendo de antemano la
nota de cada cuerda, sin aplicar los dedos en ningún traste.
El método de análisis y comparación de frecuencias para la
afinación utiliza la estrategia FFT sobre las muestras en
tiempo real desde el micrófono, que son decodificadas por la
librería “LAME” para su inmediata comparación con lo
almacenado en la base de datos local.
Análisis y Comparación de Pautas Rítmica: Una vez
identificadas las frecuencias de las notas musicales que
posee la interpretación, los rangos de las frecuencias de
estas notas musicales, y los tiempos entre cada una de ellas
y, teniendo decodificada la muestra de audio del estudiante
en un espectrograma Tiempo-Decibeles, se procede a
realizar un análisis y comparación con los datos que se
encuentran en la base de datos del servidor (Figura 12).
Dependiendo de los resultados de la comparación se pueden
determinar cinco situaciones: cuerda afinada, cuerda floja,
cuerda muy tensa, silencio de la guitarra o existencia de
mucho ruido. Una vez detecta la situación que acontece, se le
notifica al practicante, en tiempo real, que acciones debe
tomar para afinar la cuerda.
Para lograr que la aplicación sea intuitiva para el usuario, se
diseñaron seis cuerdas diferenciadas con colores. Además la
condición de la cuerda, durante la afinación, se indica con
colores. Mientras más roja una cuerda, su tono es más agudo
de lo debido. Mientras más azul por el contrario el tono es más
grave de lo necesario.
Las cuerdas están ubicadas en la misma posición que en la
guitarra configurada para diestros. En la parte inferior de la
ventana se encuentra un recuadro que señala gráficamente los
cuatro estados del sonido percibido tal como lo percibe la
aplicación y la acción que se espera el estudiante realice para
afinar esa cuerda.
Figura 12: Verificación de una Rítmica
Con el algoritmo de reconocimiento de notas musicales,
se van procesando los fragmentos de la muestra de audio,
nota por nota dentro de la pauta rítmica. Una vez
59
G. Rodriguez, K. Cortés, J. Suarez, W. Pereira
Las personas que revisaron y argumentaron que la prueba
seguían los lineamientos de una encuesta correcta se
encuentran en la Tabla II.
Tabla II: Expertos que Validaron los Instrumentos
Psicólogo
Nombre
Cargo
Kira Cook
Psicóloga
Aguilar (4 años
(CADH UCAB)
de experiencia)
Ana Gabriela
Pérez (23 años
de experiencia)
Figura 13: Módulo de Afinación
VIII.
Juan Carlos
Carreño (14
años de
experiencia)
MEDICIÓN DEL APRENDIZAJE
Para conocer cuán útil puede resultar el sistema de enseñanza
propuesto, se midió la diferencia de aprendizaje para dos
universos de personas: un grupo que hiciera uso del sistema
frecuentemente contra otro grupo que recibiera clases
presenciales con un profesor que impartiera los mismos
conceptos teóricos y prácticos.
Directora de la
Escuela de
Psicología
(UCAB)
Profesor de
Psicología
(UCAB)
Músico
Nombre
Cargo
Raúl López (15
Profesor de
años de
Música
experiencia)
(Academia
Musical Luthier)
Javier Pérez (5
Profesor de
años de
Música
experiencia)
(Academia
Musical Luthier)
Víctor Solar (10
Profesor de
años de
Música
experiencia)
(Complejo
Cultural de Los
Salias)
Definición de Criterios para la Selección de
Poblaciones de Muestra: Para la comparación estadística
entre el aprendizaje mediante el método tradicional y la
aplicación propuesta, se establecieron dos grupos de 15
personas cada uno, mayores de 15 años, que supiesen leer
y escribir, sin diferenciar por género y que no tuvieran
significativos conocimientos previos teórico-prácticos de
música ni guitarra.
Después de buscar entre los diferentes métodos de medición y
recolección de datos, se seleccionó la metodología Pre-Test y
Post-Test para analizar el aprendizaje entre las dos muestras
de personas (Figura 14). Se constató, procesando
probabilísticamente la información, cual de las dos
metodologías logra mayor efectividad en la enseñanza teóricopráctica de la música usando guitarra eléctrica. Está
metodología exige la realización de cuatro actividades, las
cuales son:
Instrumentos de Recolección de Datos: Desarrollar el
instrumento Pre-Test y Post-Test, gracias a encuestas, para
verificar el conocimiento de las personas en un ámbito en
específico. En este caso el conocimiento teórico-práctico
de la música y la guitarra eléctrica, antes y después de
aplicarse los métodos de enseñanza.
La metodología Pre-Test y Post-Test condiciona que las
pruebas a ser desarrolladas deben tener un contenido
equivalente o con el mismo comportamiento
psicométrico. Por ello se montó en la aplicación propuesta
el contenido didáctico que es presentado en los cursos
presenciales, con pruebas teóricas y prácticas que
manejan la misma terminología de las escuelas musicales.
Cada una de las pruebas se dividió en dos partes, en la
primera parte se hacían 15 preguntas de la teoría musical,
mientras que en la segunda parte se realizaron 5 ejercicios
prácticos con una guitarra para un total de 20 puntos.
Tanto las preguntas teóricas como prácticas fueron
evaluadas simplemente como correctas o incorrectas.
Aplicación del Instrumento: Para la muestra que recibe
clases con el método tradicional de enseñanza con un
profesor (de ahora en adelante conocido como “Muestra
Profesor”) se realizó una búsqueda en región capital
(Caracas) con el fin de ubicar las escuelas musicales en las
que los estudiantes pudieran brindar apoyo para la
realización de las encuestas. Se logró obtener la ayuda de
los estudiantes de 3 escuelas: Academia Musical Luthier,
Escuela Lino Gallardo y Complejo Cultural y Deportivo
de Los Salias.
Por otro lado, las personas que conformaron el grupo que
haría uso del sistema para aprender a tocar guitarra
eléctrica (de ahora en adelante conocido como “Muestra
Aplicación”) fueron voluntarios en la Universidad
Católica Andrés Bello, personas cercana a estas últimas y
algunos familiares que no tuvieran experiencia o relación
alguna con la teoría o práctica de tocar un instrumento.
La aplicación de estas evaluaciones evitaron sesgos
relacionados con la intervención del profesor durante la
realización de la prueba pre-test y la prueba post-test en
cada una de las escuelas. Justamente al momento de la
aplicación de las mismas, se pidió a los profesores que no
ofrecieran ninguna ayuda a sus estudiantes.
Validación de Instrumentos: Las pruebas deben pasar
por un proceso de verificación, donde se involucran
especialistas tanto en la rama de la psicología como
expertos en música y guitarra. Estas personas revisan el
contenido y la estructura de las pruebas para validar que
los resultados sean significativos y que la comparación y
la medición sean la adecuada.
Análisis de Resultados: Con los datos recolectados por
las encuestas, se procesó y analizó la información como se
describe en [9] comenzando con el examen Pre-Test. Se
procedió a aplicar estadística descriptiva y se analizaron
con medidas de tendencia central (Moda y Media) y de
variabilidad (Desviación estándar y Varianza), los
resultados se presentan en la Tabla III.
60
Revista Venezolana de Computación - ReVeCom (ISSN: 2244-7040) - SVC
Vol. 1, No. 2, Diciembre 2014 - Selección de los Mejores Artículos de CoNCISa 2014
sobre la instrucción del profesor tomando como patrón las
notas de los estudiantes en las pruebas.
Tabla III: Resultados de Tendencia Central y Variabilidad
Pre-Test
Moda
Promedio
Varianza
Desviación Estándar
Muestra Profesor
1
1.66
2.23
1.49
Muestra Aplicación
1
1.4
0.97
0.98
Adicionalmente, se puede concluir que las oportunidades de
estudio que permite una aplicación móvil sobre un profesor
fueron determinantes para las diferencias entre los resultados
de las dos muestras. Específicamente hay que resaltar:
disponibilidad permanente que permite a la muestra aplicación
practicar cuando lo deseen mientras que la muestra profesor
estaba limitada a un horario que no incluía todos los días de la
semana, Modulo de notificaciones para incentivar al usuario y
ambiente competitivo gracias a la asociación de los amigos del
estudiante por medio de Facebook.
A partir de los resultados de tendencia central, se puede
concluir que en general, ninguno de los grupos tenían
conocimientos significativos con respecto a los temas
mencionados en el Pre-Test ya que la moda es de 1
(Puntuación más repetida) y las medias tienen una calificación
de 1.66 y 1.4, lo cual es un resultado muy bajo con respecto a
la nota máxima (20).
Con respecto a las conclusiones arrojadas por los resultados de
variabilidad obtenidos del cálculo de las varianzas (2.23 y
0.97) y las desviaciones estándar (1.49 y 0.98), se puede
concluir que no existe para este caso una dispersión
significativa de los resultados con respecto al promedio de
cada una (1.66 y 1.4).
Finalmente se realizó una t-student para grupos
independientes en la fase pre-test de la prueba donde se
obtuvo una t de 0.576 con p establecida de 0.05 y una t
obtenida de 0.570 (grados de libertad= 28), por lo que pueden
indicarse que no existen diferencias significativas
estadísticamente entre ambos grupos, es decir, se puede
establecer que los grupos poseían notas similares antes de
aplicar la intervención.
Figura 14: Descripción Gráfica de la Metodología Pre-Test PostTest
IX.
CONCLUSIONES
El sistema propuesto es sin duda una alternativa viable para el
aprendizaje amigable de la guitarra eléctrica, tanto desde el
punto de vista práctico como teórico.
En una segunda parte del análisis se utilizaron las medias de
los Pre-Test y los Post-Test para determinar el progreso de
cada una de las muestras en el ámbito musical. El promedio de
la muestra profesor obtuvo una mejoría de 9 puntos en el PostTest, con respecto al promedio del Pre-Test mientras que el
promedio de la muestra aplicación obtuvo una mejora de
15.53 puntos en el examen de Post-Test.
En base a los resultados obtenidos se puede concluir lo
siguiente:
La precisión de las muestras de sonidos es claramente
dependiente de la calidad del micrófono del dispositivo
móvil. Por lo general estos dispositivos no tiene
micrófonos de muy buena calidad.
La segunda hipótesis parte de la verificación mediante una tstudent para grupos correlacionados del progreso de las
muestras del Pre-Test al Post-Test, En la muestra profesor se
obtuvo una t= 14, con p = 0.00 (grados de libertad= 14, p
criterio= 0.05) es decir, si existen diferencias significativas
entre las notas de los alumnos en la prueba, antes de realizar la
intervención con el profesor y luego de realizar la
intervención.
Dar el enfoque de videojuego, vinculando a los estudiantes
con sus contactos en Facebook y contar con un módulo de
reportes para las estadísticas de todos los jugadores, fue
una decisión favorable para la aceptación de los aprendices
con la aplicación. Esto genera una competitividad sana
entre practicantes amigos y desconocidos que están
registrados en la aplicación.
A su vez, se aplicó en paralelo una t-student de grupos
correlacionados para la muestra aplicación obteniéndose una
t= 26.95 y una p = 0.00, (grados de libertad= 14, p criterio=
0.05), es decir, que si existen diferencias estadísticamente
significativas entre las notas obtenidas antes y después de
utilizar la aplicación o seguir la instrucción presencial.
Algunas de las pruebas de los algoritmos de
reconocimiento de notas, acordes y pautas rítmicas se
realizaron en base a sonidos artificiales (generados por
computadora), por lo que existe la probabilidad de que
cada uno de estos algoritmos tenga falsos positivos
Por último se realizó una t-student para grupos independientes
entre las medidas de ambas muestras luego de aplicar la
intervención, obteniéndose una tstudent= 6.902 y una p =
0.00, por lo que puede indicarse que si existen diferencias
significativas entre ambos grupos en las notas obtenidas luego
de utilizar ambos métodos, siendo mayores las notas obtenidas
para la muestra aplicación (media= 16.93) en comparación a
las obtenidas para la muestra profesor (media= 10.06). Esto
permite comprobar una mayor efectividad de la aplicación por
El ruido externo es un factor determinante en la precisión
del sistema. El ambiente debía ser estrictamente
controlado para lograr resultados satisfactorios.
Gracias a las posibilidades graficas que brindan los
dispositivos móviles actuales, los usuarios indicaron que la
afinación de la guitarra eléctrica con la aplicación les
61
G. Rodriguez, K. Cortés, J. Suarez, W. Pereira
resultaba más intuitiva que con el afinador electrónico
común.
[2]
Aunque no se probó exhaustivamente, el reconocimiento
de notas, acordes y pautas rítmicas también funciona para
guitarras acústicas.
[3]
Los análisis estadísticos efectuados arrojaron como
resultado que las personas que utilizaron la aplicación
móvil aprendieron más rápidamente los conocimientos
teórico-prácticos que las personas que utilizaron el método
tradicional. Esto demuestra que la inclusión de sistemas
informáticos en el ámbito de aprendizaje musical es una
solución favorable para las personas que se les dificulta
tomar clases presenciales de música.
[4]
[5]
[6]
[7]
REFERENCIAS
[1]
[8]
F. Liarokapis, Augmented Reality Scenarios for Guitar Learning, in
proceedings of the Third International Conference on Eurographics -
[9]
62
Theory and Practice of Computer Graphics, pp. 163–170, Canterbury,
United Kingdon, June 2005.
Y. Motokawa and H. Saito. Support System for Guitar Playing using
Augmented Reality Display, IEEE/ACM International Symposium on
Mixed and Augmented Reality (ISMAR 2006), Santa Barbara,
California, USA, October 2006.
E. Lenz, System and Method for Learning Music in a Computer Game,
US Patent US7893337, February 2011.
J.C. Epstein, Interactive Guitar Game Designed for Learning to Play the
Guitar, US Patent US20100137049 A1, June 2010.
D. Barzola, R. Cabrera, et al, Comparación entre Compresión de Audio
en Diferentes Formatos de Imágenes Equivalentes y el Formato MP3,
Reporte Interno de la Escuela Superior Politécnica del Litoral,
Guayaquil, Ecuador, 2008.
M. Cheng, Proyecto LAME, http://lame.sourceforge.net, Octubre 2011.
Google, Android NDK, https://developer.android.com/tools/sdk/ndk/
index.html.
Google, Android Developers, http://developer.android.com/reference/
android/media/AudioRecord.html.
F. Kerlinger, Investigación del Comportamiento, McGraw Hill, México,
2002.