راهکاری برای بهبود فرایند ثبت داده‌های حرکتی با هدف جمع‌آوری داده‌های حرکات موزون آذری: اقدام‌پژوهی

نوع مقاله : مقاله پژوهشی اصیل

نویسندگان
افسانه یدائی 1
بهنام علیزاده اشرفی 2
محمدرضا آزاده‌فر 3
1 دانشجوی کارشناسی ارشد، دانشکده چند رسانه‌ای، دانشگاه هنر اسلامی تبریز، تبریز، ایران
2 استادیار، دانشکده چند رسانه‌ای، دانشگاه هنر اسلامی تبریز، تبریز، ایران
3 دانشیار، دانشکده موسیقی، دانشگاه هنر تهران
10.22122/jrrs.v15i6.3468
چکیده
مقدمه: انسان مدرن در عصر جدیدی از ارتباطات و داده‌ها زندگی می‌کند، که نقطه‌ عطف آن، تبدیل و نگهداری داده‌های سنتی و فرهنگی در قالب داستان‌ها، رقص‌ها و فعالیت‌های مختلف از پیشینیان به نسل‌های بعدی است و با هر گونه سهل‌انگاری در این فرایند، کمتر انسانی رنگ و بویی از فرهنگ و اقلیم جغرافیایی خود به یاد خواهد آورد.مواد و روش‌ها: در این مطالعه، از دستگاه سنجش‌ حرکت Perception Neuron (یک سیستم پوشیدنی از گروه Non-optoelectronics MoCap) برای ثبت داده‌های حرکات بدن بهره‌برداری شده است. داده‌های حرکات موزون جمع‌آوری ‌شده متعلق به آذربایجان است که به عنوان رقص آذری شناخته می‌شود. کل مطالعه شامل سه مرحله 1) امکان‌یابی شناسایی، ثبت و حفظ حرکات موزون در زمینه‌های فرهنگی- اقلیمی آن، 2) تلاش برای استفاده از این حرکات بدن در طراحی الگوهای ملودیک و ریتمیک و 3) جنبه بازی گونه طرح شامل سطوح، آموزش بازی‌محور، پیشرفت بازیکن و مقایسه مهارت بین بازیکنان بود. ابزار بر اساس پیش‌فرض نرم‌افزار برای قد 170-165 سانتی‌متر تنظیم و روی بدن اجرا کننده خانم سوار شد تا کمترین نقص در داده‌ها تحمیل شود. داده‌های ثبت شده مربوط به اجرای حرکات موزون برای موسیقی مشهور و فولکلور ترکمه است.یافته‌ها: با جمع‌آوری داده‌های حرکتی مربوط به حرکات موزون آذری، به‌ وسیله موتور یونیتی، خروجی کار به ‌صورت یک فضای سه‌ بعدی با امکان راه رفتن داخل محیط طراحی شد؛ به ‌طوری ‌که کاربر می‌تواند در محیط حرکت کند و از زوایای مختلف، حرکات موزون را به همراه نوای ریتمیک تولید شده دنبال کند. در مراحل آتی توسعه، جنبه‌های بازی بر اساس آموزش، تعیین سطح‌بندی، بررسی میزان پیشرفت یادگیری و اندازه‌گیری میزان مهارت بازیکنان نسبت به یکدیگر اعمال شد.نتیجه‎گیری: این مطالعه بین ‌رشته‌ای، واسطی برای هنر رقص‌ آذری و نواهای ریتمیک، به کمک فن‌آوری رایانه فراهم‌ آورد. این کار تحقیقاتی، می‌تواند در شناخت هر چه‌ بیشتر حرکات موزون و جمع‌آوری داده‌های مختص اقلیم‌ها و فرهنگ‌های مختلف در ایران و جهان مؤثر و نیز با اهداف سرگرمی، درمان، توان‌بخشی و آموزش مورد استفاده قرار گیرد.

کلیدواژه‌ها

  1. Azadehfar M. The basics of melody creation in composition. Tehran, Iran: Nashr-e Markaz Publications; 2016. p. 331. [In Persian].
  2. Jensenius AR. Action-sound: Developing methods and tools to study music-related body movement [PhD Thesis]. Oslo, Norway: Department of Musicology, University of Oslo; 2007.
  3. Kelkar R, Jensenius AR. Analyzing Free-Hand Sound-Tracings of Melodic Phrases. Appl Sci 2018, 8(1): 135.
  4. Andreas B, Robert W. Turning movement into music: Issues and applications of the MotionComposer, a therapeutic device for persons with different abilities. Sound Effects 2016; 6(1): 23-7.
  5. Visi F. Methods and technologies for the analysis and interactive use of body movements in instrumental music performance [PhD Thesis]. Plymouth, UK: University of Plymouth; 2017.
  6. Albu F, Nicolau M, Pirvan F, Hagiescu D. A Sonification Method using human body movements. Proceedings of the 10th International Conference on Creative Content Technologies; 2018 Feb 18-22; Barcelona, Spain.
  7. Lyons S, Karkou V, Roe B, Meekums B, Richards M. What research evidence is there that dance movement therapy improves the health and wellbeing of older adults with dementia? A systematic review and descriptive narrative summary. Arts Psychother 2018; 60: 32-40.
  8. Michels K, Dubaz O, Hornthal E, Bega D. "Dance Therapy" as a psychotherapeutic movement intervention in Parkinson's disease. Complement Ther Med 2018; 40: 248-52.
  9. Panagiotopoulou E. Dance therapy and the public school: The development of social and emotional skills of high school students in Greece. Arts Psychother 2018; 59: 25-33.
  10. Hachaj T, Piekarczyk M, Ogiela MR. Human actions analysis: Templates generation, matching and visualization applied to motion capture of highly-skilled karate athletes. Sensors (Basel) 2017; 17(11): 2590.
  11. Rokeby D. The construction of experience: interface as content. In: Dodsworth C, editor. Digital illusion: Entertaining the future with high technology. New York, NY: ACM Press/Addison-Wesley; 1998. p. 27-47.
  12. Kyan M, Sun G, Li H, Zhong L, Muneesawang P, Elder B, et al. An approach to ballet dance training through MS kinect and visualization in a CAVE virtual reality environment. ACM Trans Intell Syst Technol 2015; 6(2): 23.
  13. Amiri Z, Sekhavat YA, Goljaryan S. A framework for rehabilitation games to improve balance in people with multiple sclerosis (MS). Proceedings of the 2nd National and 1st International Digital Games Research Conference: Trends, Technologies, and Applications (DGRC); 2018 Nov 29-30; Tehran, Iran. p. 76-81.
  14. Schoellig A, Siegel H, Augugliaro F, D'Andrea R. So you think you can dance? Rhythmic flight performances with quadrocopters. In: LaViers A, Egerstedt M, editors. Controls and art. New York, NY: Springer; 2014. p. 73-105.
  15. Hajdin M, Kico I, Dolezal M, Chmelik J, Doulamis A, Liarokapis F. Digitization and visualization of movements of slovak folk dances. Cham, Switzerland: Springer International Publishing; 2019 p. 245-56.
  16. Bəhmənli R. Classification of Azerbaijani Folk Dances. Rast Musicology Journal 2017; 5(3): 1745-57. [In Azerbaijani].
  17. [• • Spirit of the Steppe • • •]. "Cəngi" - Azerbaijan Turkish Battle dance | Azerbaijan National Dance [Video]. YouTube [Online]. [cited 2014, Jul 25]; Available from: URL: https://www.youtube.com/watch?v=JLUk7nHyy9U
  18. Bəhmənli R. Azerbaijan Folk Dances. Baku, Azarbaijan: Adiloðlu Publications; 2002. p. 158. [In Azerbaijani].
  19. Çoban rəqsi - Ifa edir Böyükağa Məmmədov. YouTube [Online]. [cited 2020 Mar 3]. Available from: URL: https://www.youtube.com/watch?v=H2Oq6Hyye4c&feature=youtu.be
  20. Mousavi HH, Khademi M. A review on technical and clinical impact of Microsoft kinect on physical therapy and rehabilitation. J Med Eng 2014; 2014: 846514.
  21. Hong Kong Ballet. [Hong Kong Cool] “Wordless Letter” - Yuh Egami x Mike Yip x James Kong [Video]. Facebook [Online]. [cited 2018 Sep 12]; Available from: URL: https://www.facebook.com/hongkongballet/videos/269043257047270/
  22. Vignais N, Kulpa R, Brault S, Presse D, Bideau B. Which technology to investigate visual perception in sport: Video vs. virtual reality. Hum Mov Sci 2015; 39: 12-26.
  23. Stancin S, Tomazic S. Early improper motion detection in golf swings using wearable motion sensors: the first approach. Sensors (Basel) 2013; 13(6): 7505-21.
  24. Agres K, Herremans D. Music and motion-detection: a game prototype for rehabilitation and strengthening in the elderly. Proceedings of the 2017 International Conference on Orange Technologies (ICOT); 2017 Dec 8-10; Singapore, Singapore.
  25. Pfister A, West AM, Bronner S, Noah JA. Comparative abilities of Microsoft Kinect and Vicon 3D motion capture for gait analysis. J Med Eng Technol 2014; 38(5): 274-80.
  26. Rucco R, Agosti V, Jacini F, Sorrentino P, Varriale P, De Stefano M, et al. Spatio-temporal and kinematic gait analysis in patients with Frontotemporal dementia and Alzheimer's disease through 3D motion capture. Gait Posture 2017; 52: 312-7.
  27. Samaritter R, Payne H. Through the kinesthetic lens: Observation of social attunement in autism spectrum disorders. Behav Sci (Basel) 2017; 7(1): 14.
  28. Flanigan C, Manning W, Martino E. Gamified music learning system with VR force feedback for rehabilitation [BSc Thesis]. Worcester, MA: Worcester Polytechnic Institute; 2016.
  29. Kirk P, Grierson M, Bodak R, Ward N, Brander F, Kelly K, et al. Motivating stroke rehabilitation through music: A feasibility study using digital musical instruments in the home. Proceedings of the 2016 CHI Conference on Human Factors in Computing Systems (CHI '16); 2016 May 7-12; San Jose, CA, USA.