Organização automática de partituras para violino em níveis de dificuldade

(1)

DEPARTAMENTO DE COMPUTAC

¸ ˜

AO

TECNOLOGIA EM AN ´

ALISE E DESENVOLVIMENTO DE SISTEMAS

HANNA CAROLINA BATALHA PICCOLI

ORGANIZAC

¸ ˜

AO AUTOM ´

ATICA DE PARTITUTAS PARA VIOLINO

EM N´IVEIS DE DIFICULDADE

TRABALHO DE CONCLUS ˜

AO DE CURSO

CORN ´ELIO PROC ´OPIO 2016

(2)

ORGANIZAC

¸ ˜

AO AUTOM ´

ATICA DE PARTITUTAS PARA VIOLINO

EM N´IVEIS DE DIFICULDADE

Trabalho de Conclusão de Curso apresentado ao curso de Tecnologia em Análise e Desenvolvimento de Sistemas da Universidade Tecnológica Federal do Paraná como requisito parcial para obtenção do grau de Tecnólogo em Análise e Desenvolvimento de Sis-temas

Orientador: Prof. Dr. Carlos N. Silla Jr.

CORN ´ELIO PROC ´OPIO 2016

(3)

TERMO DE APROVAÇÃO

ORGANIZAÇÃO AUTOMÁTICA DE PARTITURAS PARA VIOLINO EM NÍVEIS DE DIFICULDADE

por

HANNA CAROLINA BATALHA PICCOLI

Este Trabalho de Conclusão de Curso (TCC) foi apresentado(a) em 08 de Junho de 2016 como requisito parcial para a obtenção do título de Tecnólogo em Análise e Desenvolvimento de Sistemas. O(a) candidato(a) foi arguido pela Banca Examinadora composta pelos professores abaixo assinados. Após deliberação, a Banca Examinadora considerou o trabalho aprovado.

____________________________________ Dr. Carlos N. Silla Jr.

Prof.(a) Orientador(a)

____________________________________ Responsável pelos Trabalhos

de Conclusão de Curso

____________________________________ Dra. Katia R. Felizardo

Membro titular ____________________________________ André L. Przybysz Membro titular ____________________________________ Coordenador(a) do Curso

UTFPR - Campus Cornélio Procópio

Universidade Tecnológica Federal do Paraná

Campus Cornélio Procópio

(4)

tamente, minha formac¸˜ao intelectual e pessoal, e a todos aqueles que lutam pela paz e por um mundo melhor.

(5)

A Deus, a grande força que rege o universo, agradeço por poder me apoiar sempre e por ter me dado força e coragem para vencer os obstáculos da minha vida.

Aos meus amados pais Moacyr e Leize, eu agradeço por todo amor e carinho, por toda a dedicação, pela paciência, por me educar, me ensinar, por acreditar em mim e nos meus sonhos. Agradeço por tudo, tudo mesmo, sem vocês nada disso seria poss´ıvel.

Aos meus irmãos Mar´ılia, Filipe e Sabrina, meus melhores amigos, aqueles que estarão do meu lado para sempre. Agradeço por todos os momentos, todas as loucuras, todas as alegrias que passamos. Isso fez de mim tudo que sou hoje.

A todos os meus professores, em especial meu orientador Carlos, quem eu tive o prazer de conhecer e trabalhar junto em sua grande equipe do laboratório de Computação e Tecnologia Musical. Agradeço por todas as oportunidades e todo o suporte que me deu durante esses quatro anos de parceria.

Aos meus grandes amigos Diego, Herbert, Luiza, Juliana, Brenno, Fumio e Paulo que estiveram, mesmo que distante, me apoiando em todos os momentos. Agradeço pela compa-nhia, pelos concelhos, pelo carinho, por cada risada e por cada lagrima que tivemos juntos. Vocês estão no meu coração.

A minha segunda fam´ılia, minha tia de coração Sonia e meus queridos primos de coração Alex e Caio, que cuidaram de mim com tanto carinho.

Ao Vin´ıcius, que teve a imensa paciência de me ajudar a entender um pouquinho mais desse tão complicado mundo da programação.

A Tenrikyo e a todos os seguidores do seu caminho que tive o prazer de conhecer. Agradec¸o por me mostrarem como seguir o caminho do bem e poder alcanc¸ar a felicidade.

A Cornélio Procópio e a UTFPR que me acolheram de braços abertos, que me apresen-taram a pessoas excepcionais, me proporcionaram grandes feitios e os melhores anos da minha vida. Deixo aqui, com pesar, um adeus a esse querido lugar.

(6)

(7)

BATALHA PICCOLI, Hanna Carolina. ORGANIZAÇ ÃO AUTOM ÁTICA DE PARTITUTAS PARA VIOLINO EM NÍVEIS DE DIFICULDADE. 66 f. Trabalho de Conclusão de Curso – Tecnologia em Análise e Desenvolvimento de Sistemas, Universidade Tecnológica Federal do Paraná. Cornélio Procópio, 2016.

Atualmente há uma grande quantidade de músicas e partituras dispon´ıveis na Internet. No en-tanto, encontrar partituras com n´ıveis apropriados para o estudo pode ser uma tarefa dif´ıcil para estudantes e professores de música. Isso se dá principalmente pela quantidade de versões di-ferenciadas existentes de uma mesma partitura musical ou ainda por diversas delas não serem identificadas por um n´ıvel de dificuldade espec´ıfico. Definir a dificuldade de cada partitura mu-sical de forma manual é uma tarefa complexa pelo fato de que exige muito conhecimento teórico e de um instrumento espec´ıfico. Além disso, dificuldade é uma questão subjetiva considerando que as dificuldades encontradas em uma música podem ser interpretadas de formas distintas dependendo do instrumento em que a música é reproduzida ou até do n´ıvel de conhecimento da pessoa que a reproduz. Por este motivo, esse trabalho propõe a criação de uma ferramenta que fará a classificação automática de n´ıveis de dificuldade para partituras musicais se baseando em métodos de ensino de instrumentos musicais espec´ıficos com o objetivo de tornar a tarefa de organização mais prática e eficiente.

(8)

BATALHA PICCOLI, Hanna Carolina. AUTOMATIC VIOLIN SCORE ORGANIZATION BY DIFFICULTY LEVELS. 66 f. Trabalho de Conclusão de Curso – Tecnologia em Análise e Desenvolvimento de Sistemas, Universidade Tecnológica Federal do Paraná. Cornélio Procópio, 2016.

Currently, there is a large amount of songs and music scores available on Internet. However, find music scores with apropriate level to study can be a hard task for music student and teachers. This happens principally because of the existing amount of different versions of the same music score or because several of them are not identified by a specific difficulty level. Defining the dif-ficulty for each piece of music manually is a complex task because it requires music knowledge and also, the knowledge of a specific instrument. Further, difficulty is a subjective question if considering the difficulty found in a song can be interpreted in different ways depending on the instrument the song is played or even the proficiency level of the person who plays it. For this reason, this work proposes the creation of a tool that would do the automatic classification of difficulty levels for music scores basing on specific musical instrument education methods aiming to make the organization of music scores more practical and efficient.

(9)

–

FIGURA 1 Variac¸˜ao A de Twinkle, Twinkle, Little Star . . . 11 –

FIGURA 2 Variac¸˜oes B, C, D e tema de Twinkle, Twinkle, Little Star . . . 12 –

FIGURA 3 Exemplo de Notac¸˜ao em MusicXML . . . 16 –

FIGURA 4 Exemplo da Estrutura do MusicXML . . . 17 –

FIGURA 5 Ciclo de Vida em Cascata Adaptado . . . 21 –

FIGURA 6 Diagrama de Caso de Uso Sistema Sure . . . 28 –

FIGURA 7 Diagrama de Caso de Uso Sure Web Service . . . 29 –

FIGURA 8 Diagrama de Caso de Uso Sure Web Page . . . 29 –

FIGURA 9 Diagrama de Atividades . . . 30 –

FIGURA 10 Diagrama de Classes Sistema Sure . . . 31 –

FIGURA 11 Diagrama de Classes Sure Web Service . . . 32 –

FIGURA 12 Diagrama de Classes Sure Web Page . . . 33 –

FIGURA 13 Diagrama de Sequˆencia Sitema Sure . . . 34 –

FIGURA 14 Diagrama de Sequˆencia Sure Web Page . . . 35 –

FIGURA 15 Funcionalidades do Sistema . . . 36 –

FIGURA 16 Tela Principal Sistema Sure . . . 37 –

FIGURA 17 Tela Inicial Sure Web Service . . . 38 –

FIGURA 18 Tela Upload Sure Web Service . . . 38 –

FIGURA 19 Tela Inicial Home Sure Web Page . . . 39 –

FIGURA 20 Tela M´usicas Sure Web Page . . . 39 –

FIGURA 21 Tela N´ıveis Sure Web Page . . . 40 –

FIGURA 22 Tela Adicionar Nova Sure Web Page . . . 40 –

FIGURA 23 Tela Alterar e Remover Sure Web Page . . . 41 –

FIGURA 24 Tela Partitura Sure Web Page . . . 41 –

(10)

LISTA DE TABELAS – ˜ ˜ ˜ ˜ ˜ ˜ ˜ ˜ ˜ ˜ ˜ ˜ ˜ ˜

TABELA 1 Fase de Comunicac¸ao . . . 21 –

TABELA 2 Fase de Planejamento . . . 22 –

TABELA 3 Fase de Modelagem . . . 22 –

TABELA 4 Fase de Construc¸ao . . . 22 –

TABELA 5 Organizac¸ao das Partituras por N´ıvel . . . 44 –

TABELA 6 Validac¸ao Cruzada Estratificada . . . 48 –

TABELA 7 Matriz de Confus˜ao . . . 48 –

TABELA 8 Taxas de Acur´acia por Classe . . . 49 –

TABELA 9 Classificac¸ao Suzuki Violin School Volume 1 . . . 50 –

TABELA 18 Classificac¸ao Suzuki Violin School Volume 10 . . . 56 TABELA 19 - Cronograma . . . . . . 59

www.foxitsoftware.com/shoppingww.foxitsoftware.com/shopping

w w

(11)

API Application Programming Interface ARFF Attribute-Relation File Format HTML HyperText Markup Language

IDE Integrated Development Environment Java EE Java Platform, Enterprise Edition MIDI Musical Instrument Digital Interface MIR Music Information Retrieval

MusicXML eXtensible Markup Language for Digital Music Notation OMR Optical Music Recognition

PDF Portable Document Format

SGBD Sistema Gerenciador de Banco de Dados SQL Structured Query Language

Sure SUziki LEvel REference for music UML Unified Modeling Language XML eXtensible Markup Language

(12)

1 INTRODUÇ ÃO . . . 9 1.1 DELIMITAÇ ÃO DO TEMA . . . 9 1.2 PROBLEMAS E PREMISSAS . . . 10 1.3 OBJETIVOS . . . 13 1.3.1 Objetivo Geral . . . 13 1.3.2 Método . . . 13 1.4 JUSTIFICATIVA . . . 14 2 FUNDAMENTAÇ ÃO TE ÓRICA . . . 15 2.1 FUNDAMENTOS . . . 15 2.2 TECNOLOGIAS . . . 15 2.3 CONCEITOS . . . 18 2.4 TRABALHO RELACIONADOS . . . 19 3 DESENVOLVIMENTO . . . 20

3.1 VIS ˜AO GERAL DO SISTEMA . . . 20

3.2 MODELO DE DESENVOLVIMENTO . . . 20 3.3 CICLO DE VIDA . . . 21 3.3.1 Fase de Comunicação . . . 22 3.3.2 Fase de Planejamento . . . 22 3.3.3 Fase de Modelagem . . . 23 3.3.4 Fase de Construção . . . 23 3.4 ARTEFATOS . . . 23

3.4.1 An´alise de Requisitos do Sistema Sure . . . 24

3.4.2 An´alise de Requisitos do Sure Web Service . . . 25

3.4.3 An´alise de Requisitos do Sure Web Page . . . 26

3.4.4 Diagramas de Caso de Uso . . . 29

3.4.5 Diagrama de Atividades . . . 32

3.4.6 Diagramas de Classes . . . 33

3.4.7 Diagramas de Sequˆencia . . . 36

3.5 ESPECIFICAC¸ ˜AO DAS FUNCIONALIDADES . . . 38

3.6 TELAS DE USU ´ARIO . . . 39

3.7 TECNOLOGIAS . . . 44

3.8 FERRAMENTAS . . . 44

4 EXPERIMENTOS . . . 46

4.1 CONSTRUC¸ ˜AO DA BASE DE DADOS . . . 46

4.2 CARACTER´ISTICAS . . . 47

4.3 CLASSIFICADOR . . . 48

4.4 RESULTADOS . . . 48

4.5 AN ´ALISE . . . 51

4.6 CONSIDERAC¸ ˜OES EXPERIMENTAIS . . . 58

5 CRONOGRAMA . . . 59

(13)

(14)

1 INTRODUC¸ ˜AO

A comunidade musical tem utilizado a partitura por muitos anos como representação de escrita simbólica de uma música e como meio de aprendizado musical e de instrumentos (BENNETT, 1986). A criação das partituras contribuiu como uma forma de padronização mun-dial das notações musicas. Diferentemente de hoje, antigamente não era poss´ıvel gravar musicas e reproduzi-las, por isso a partitura musical serviu também na perpetuação e continuidade de obras musicais de músicos importantes como Beethoven e Mozart.

1.1 DELIMITAC¸ ˜AO DO TEMA

Com o passar do tempo, a criação de novas tecnologias no campo da música passou de uma conveniência para uma necessidade. Desde então, o computador é um componente essencial utilizado na manipulação da música. O MIDI (Musical Instrument Digital Interface) (GUERIN, 2008), desde sua criação em meados dos anos 80, foi uma linguagem digital que teve um grande impacto na tecnologia musical permitindo grandes feitos no que se diz respeito a digitalização da música e comunicação entre diferentes instrumentos eletrônicos, e é uma ferramenta que ainda é muito utilizada por sua eficácia (ANDERTON, 2014).

Os avanços tecnológicos proporcionaram também a criação de muitas ferramentas, como editores e conversores, para dar assistência principalmente na construção, manutenção e preservação das partituras. Nesse contexto, diversos softwares, dispositivos e formatos de arquivos foram desenvolvidos e tem sido utilizados para ajudar no processo de integração da música com o computador. Alguns desses formatos dão aux´ılio na edição das partituras como o MusicXML (GOOD, 2001) que facilita e da suporte em sua forma digital. No aprendizado de instrumentos também já existem sistemas capazes de apoiar a prática dos instrumentos e da música de forma que facilite e estimule seu aprendizado (LIN, 2006; SONGQUITO, 2012), porém métodos tradicionais como o método Suzuki (SUZUKI, 1978a) ainda continuam sendo os mais adotados no ensino de instrumentos musicais por sua credibilidade com a comunidade musical (ASSOCIATION, 2005).

(15)

1.2 PROBLEMAS E PREMISSAS

O processo de seleção de músicas no aprendizado de um instrumento é feito manual-mente e exige amplo conhecimento musical em um instrumento espec´ıfico. Por esse motivo, é complexo selecionar músicas que possam compor um método de estudo e que possam servir de apoio para os alunos. Para os educadores, atribuir n´ıveis às músicas de forma manual é traba-lhoso e exige tempo, estudo e dedicação. Alguns estudos já foram propostos como alternativa a esse problema (SEBASTIEN, 2012; CHIU, 2012). Por outro lado, esses trabalhos focam apenas em musicas para piano e são voltados para as dificuldades encontradas no desempenho deste instrumento.

Estudantes de música querem e deveriam progredir mais em seu conhecimento no instrumento ao mesmo tempo em que ampliam seu repertório musical. No entanto, a escolha de músicas que queiram aprender e que, ao mesmo tempo, façam parte do seu n´ıvel atual de conhecimento musical não é tão simples. Diversas partituras estão dispon´ıveis on-line mas muitas vezes podem ser encontradas várias versões ou variações diferentes da mesma música como no exemplo demonstrado nas Figuras 1 e 2 que retratam diversas variações da música ”Brilha, Brilha, Estrelinha (Twinkle, Twinkle, Little Star)”(SUZUKI, 1978a). Muitas vezes essa variedade de opções pode acabar dificultando na identificação da versão ou do n´ıvel adequado.

Um outro problema é que sem a ajuda de um professor, os estudantes iniciantes de música podem ter muita dificuldade em definir quais músicas eles devem estudar se não esti-verem seguindo um método de ensino espec´ıfico. Isso acaba limitando não só a quantidade de músicas que eles pode aprender inicialmente como também a quantidade de gêneros musicais pelo fato de que os métodos mais utilizados não tem uma variedade grande de gêneros musicais.

(16)

Figura 1 - Suzuki Violin School Volume 1 - Variac¸˜ao A de Twinkle, Twinkle, Little Star.

(17)

Figura 2 - Suzuki Violin School Volume 1 - Variac¸˜oes B, C, D e tema de Twinkle, Twinkle, Little Star.

(18)

1.3 OBJETIVOS

Na sequˆencia ser˜ao apresentados o objetivo geral e os objetivos espec´ıficos.

1.3.1 OBJETIVO GERAL

O objetivo deste trabalho é o estudo e o desenvolvimento de uma ferramenta para a organização automática de n´ıveis de dificuldade em partituras musicais. A ferramenta irá utilizar como base para a definição dos n´ıveis de dificuldade o método didático para instru-mento musical Suzuki Violino para auxiliar estudantes de música. A partir das músicas desse método serão extra´ıdas caracter´ısticas que serão utilizadas no aprendizado de máquina na etapa de classificação. Após a classificação será poss´ıvel desenvolver uma ferramenta automática que irá definir e organizar as partituras em n´ıveis de dificuldade. Essa ferramenta será desenvolvida juntamente com um web service e para ser aplicada em outros sistemas que trabalhem com partituras no formato MusicXML e utilizada para fornecer a opção de organizá-las por n´ıveis de dificuldade.

1.3.2 M ´ETODO

• construção da base de dados - seleção as m úsicas pelos n´ıveis de dificuldade baseado em sua totalidade (partituras do método Suzuki Violin School vol. 1 ao 10);

• digitalizac¸˜ao das partituras;

• extrac¸˜ao das caracter´ısticas;

• classificac¸˜ao;

• an´alise dos resultados;

• desenvolvimento da ferramenta; entrada de partitura;

extrac¸˜ao das caracter´ısticas da partitura;

classificac¸˜ao;

definic¸˜ao de n´ıvel;

organizac¸˜ao;

• teste de Desempenho;

(19)

1.4 JUSTIFICATIVA

A música é uma parte importante da arte e está presente no cotidiano da sociedade. Ela é considerada uma forma primordial de expressão criativa dos sentimentos e até de comunicação social. É muito importante que ela continue a ser preservada e ensinada desde cedo pois ela ajuda no desenvolvimento intelectual e ps´ıquico dos indiv´ıduos (CAETANO, 2012). O desen-volvimento de tecnologias que colaborem no ensino da música ou que facilitem sua introdução no ensino é um est´ımulo para que ela continue a ser apreciada e explorada de formas que possam beneficiar no contexto educacional e criativo.

A ferramenta desenvolvida neste trabalho visa a melhoria de qualidade no desempenho de atividades que podem ser trabalhosas se feitas por seres humanos mas que quando desempe-nhadas por máquinas poderiam ser muito mais rápidas e efetivas. Além disso, não haveria mais a necessidade do conhecimento de música ou de um instrumento para realizar essa tarefa. A ferramenta pretende ajudar músicos e aprendizes de música na definição de n´ıveis para estudo, como também estimular o ensino personalizado da música instrumental diminuindo da neces-sidade da definição manual de n´ıveis de dificuldade. Por exemplo, um estudante de música esta utilizando o método Suzuki como material para aprender violino e atualmente se encontra no volume 3. Ele deseja aprender uma música de sua preferência, que não se encontra no seu ma-terial didático, e mesmo que possa encontrar facilmente a partitura na Internet, ele quer saber se esta partitura corresponde ao seu n´ıvel atual do Suzuki. Dessa forma, utilizando a ferramenta seria poss´ıvel identificar se a partitura que ele quer aprender corresponde a qual n´ıvel que se compara ao Suzuki. Se a partitura apresentar um n´ıvel menos elevado que o seu, como 1 e 2, ele poderia aprendê-la mais facilmente, porém se for um n´ıvel mais elevado, como 4, 5 ou superior ele poderia ter maior dificuldade e talvez a solução seria esperar até que evolua um pouco mais no instrumento para aprendê-la. A ferramenta propõe facilitar a definição de n´ıveis nas partituras e constituir uma relação aos n´ıveis estabelecidos pelo método Suzuki, incenti-vando o uso personalizado na seleção de músicas para estudo. Assim, seria poss´ıvel explorar novos meios de aprendizado e estudo de músicas que não se encontram nos métodos didáticos tradicionais, deixando que os alunos aprendam seguindo suas próprias escolhas musicais. Estu-dantes de música poderiam aprender canções baseadas em seu interesse musical e explorar uma diversidade maior de gêneros musicais pouco utilizados nos métodos de ensino tradicionais.

(20)

2 FUNDAMENTAÇ ÃO TE ÓRICA

Nessa sessão serão especificadas as tecnologias, fundamentos, conceitos e trabalhos relacionados que são a base para a definição do trabalho proposto. Os termos a seguir são necessários para o entendimento da abordagem na qual o trabalho será realizado.

2.1 FUNDAMENTOS

Na sequência serão apresentados os fundamentos que serão utilizados no trabalho.

M´etodo Suzuki

O Método Suzuki (SUZUKI, 1978a) é um método de estudo de música instrumental que se apoia no princ´ıpio chamado abordagem l´ıngua-mãe em que crianças podem aprender música da mesma forma que aprendem sua l´ıngua nativa: ouvindo e repetindo. O violinista e educador Shinichi Suzuki, criador do método, acreditava que começar cedo é essencial, mas que nunca é tão tarde para começar. Através dos anos, sua filosofia transmitiu a milhares de pessoas que o envolvimento dos pais e professores, lições em grupo e aprender a tocar antes de aprender a ler eram as chaves para um futuro promissor na música. O método Suzuki é um método muito conhecido e utilizado em todo o mundo como forma de aprendizado de diversos instrumentos musicais (ASSOCIATION, 2005; AMERICAS, 1998).

2.2 TECNOLOGIAS

Na sequência serão apresentadas as tecnologias que serão utilizadas no trabalho.

OMR

Sistemas de OMR (Optical Music Recognition) tem como propósito a conversão e interpretação de folhas de partituras para um formato digital manipulável. Compositores, desde muitos anos atrás, tem escrito suas músicas no papel. Apesar da tecnologia musical ter avançado significantemente, a quantidade de músicas que foram criadas ou transcritas em formato digital

(21)

ainda é pequena. As aplicações em OMR tentam ser uma alternativa no reconhecimento das notações musicais, mas ainda há muitos desafios levando em consideração os diferentes tipos de partituras escritas à mão ou com má qualidade.

MusicXML

MusicXML é um formato de código aberto para partituras musicais digitais. Ele se des-taca por usar um formato simples e flex´ıvel baseado em XML (eXtensible Markup Language). Nos últimos anos ele vem ganhando mais espaço na Internet pela sua eficiência e facilidade. No entanto, o PDF (Portable Document Format), apesar de não possuir nenhum valor significativo musical, continua sendo o formato de arquivo mais encontrado na internet na representação das partituras. Na internet existem diversos outros formatos digitais que também fazem essa representação das partituras e que caracterizam mais valores semânticos da música, porém, es-ses formatos são pagos e espec´ıficos de seus realizadores. O MusicXML aparece como uma solução poss´ıvel neste caso, ele surgiu no objetivo de se estabelecer como uma ferramenta on-line gratuita que unificaria os formatos de partituras digitais, se tornando o formato padrão (GOOD, 2001). Ele pode tanto ser manipulado com editores de XML como com softwares criados especificamente na edição de notação musical como Finale e MuseScore (MAKEMU-SIC, 2015; MUSESCORE, 2015). O diferencial de usar esses softwares de notação musical é poder ler a partitura em tela, editá-la facilmente, reproduz´ı-la com players e imprim´ı-las sem a necessidade de entender a sintaxe do XML.

As Figuras 3 e 4 mostram um exemplo de notação e estrutura do MusicXML respec-tivamente. Os exemplos referem-se a uma representação da nota Semibreve Dó baseada no tempo 4/4.

Figura 3 - Exemplo de Notac¸˜ao em MusicXML.

(22)

Figura 4 - Exemplo da Estrutura do MusicXML.

Fonte: (MAKEMUSIC, 2011)(modificado)

jSymbolic

jSymbolic é um software de código aberto destinado a extração de caracter´ısticas de formatos simbólicos de música. Diferentemente dos formatos de áudio que gravam sinais de on-das de som aproximaon-das, músicas simbólicas são arquivos que retém intrinsecamente abstrações musicais de alto n´ıvel, por isso ele pode conter informações mais relevante da música como, por exemplo, tons e sequência de notas (MCKAY, 2010). O jSymbolic foi desenvolvido para ajudar na mineração de dados de música e pode ser utilizado na classificação automática con-tando com cerca de 160 caracter´ısticas que podem ser extra´ıdas de arquivos MIDI. Essas ca-racter´ısticas foram baseadas a partir de trabalhos do estado da arte envolvendo teoria musical e MIR (Music Information Retrieval) e se dividem em categorias como instrumentação, textura, ritmo, dinâmica, estat´ısticas de nota, melodia e acordes (MCKAY, 2006).

(23)

MIDI

MIDI é uma interface ou linguagem padrão que foi desenvolvida para possibilitar a comunicação entre computadores e instrumentos musicais. Ele define como e quais informações são transmitidas, manipuladas ou executadas pelos dispositivos que relacione-se com seu padrão (GUERIN, 2008). Ele também é definido como protocolo que funciona por meio de controla-dores, sequenciadores e módulos de som. O arquivo MIDI, não retém som da mesma forma que outros formatos de áudio, na verdade ele guarda instruções de notas, tons e informações de como essa música deve ser tocada (KERR, 2009; ASSOCIATION, 2011).

ARFF

ARFF (Attribute-Relation File Format) é um formato de arquivo de texto que foi de-senvolvido para ser utilizado no conceito de aprendizado de máquina. O ARFF descreve uma lista de instâncias que podem possuir diversos atributos. Ele funciona como uma matriz onde cada linha de texto representa uma instância, como por exemplo uma música, e cada coluna representa um atributo deste elemento, por exemplo, na instância música o atributo poderia ser formato melódico (WAIKATO, 2002).

2.3 CONCEITOS

Na sequência serão apresentados os conceitos que serão utilizados no trabalho.

Classificac¸˜ao

A classificação é uma técnica de aprendizado de máquina no qual são apresentados uma série de exemplos, já classificados, que servirão de referência para o aprendizado de uma máquina, e espera-se que seja aprendido uma maneira de classificar outro exemplo ainda não conhecido pela máquina. Quando os métodos atuam perante supervisão fornecendo resultados para cada exemplo de treinamento, denominados classes de exemplo, a classificação é qualifi-cada como supervisionada. As taxas de sucesso do aprendizado da maquina são determinadas a partir da descrição do conceito que é aprendido utilizando um conjunto independente de da-dos para teste onde as classificações consideradas leg´ıtima são conhecidas mas não mostradas à maquina. Essas taxas medem a precisão na classificação que é basicamente o quão bem esse conceito foi aprendido (WITTEN, 2005).

(24)

2.4 TRABALHO RELACIONADOS

Na sequˆencia ser˜ao apresentados os trabalhos relacionados.

Score Analyzer

O Score Analyzer é uma ferramenta que foi proposta com o intuito de ajudar no apren-dizado eletrônico de partituras para piano. Essa ferramenta é basicamente um analisador de partituras que pode definir de forma automática n´ıveis de dificuldade para as partituras mu-sicais em MusicXML. Para desenvolver essa ferramenta os autores tiveram que definir quais eram os fatores que evidenciavam as dificuldades técnicas instrumentais e a partir disso criar parâmetros que caracterizassem as dificuldades. Eles puderam identificar sete critérios que de-finiram como mais relevantes: velocidade de reprodução, dedilhado, deslocamento da mão, polifonia, harmonia, ritmo e extensão, e a partir disso extrair as caracter´ısticas. Posteriormente aplicaram o conceito de Análise de Componentes Principais para avaliar a credibilidade desses critérios (SEBASTIEN, 2012).

Difficulty Level Recognition of Piano Sheet Music

O estudo de Chiu e Chen propôs reconhecer n´ıveis de dificuldade de partituras criando uma nova abordagem de seleção de caracter´ısticas baseadas em dificuldade. Eles analisaram a semântica do conteúdo musical simbólico, folhas de música e partituras para piano e aplicaram o conceito de regressão para estimar os n´ıveis de dificuldade. Seu trabalho utilizou duas base de dados reais, contendo 159 e 184 partituras musicais respectivamente, com caracter´ısticas diferenciadas que apresentaram uma precisão de 38,8% e 39,9% respectivamente utilizando a estat´ıstica de coeficiente de determinação (CHIU, 2012).

(25)

3 DESENVOLVIMENTO

Nessa sessão serão apresentados a descrição, especificação e documentação da ferra-menta proposta no trabalho.

3.1 VIS ˜AO GERAL DO SISTEMA

A ferramenta proposta denominada Sure (SUzuki level REference) é um sistema de-senvolvido na plataforma java que tem como principal funcionalidade a definição automática de n´ıveis de dificuldade. Esse sistema tem o propósito de definir a dificuldade de músicas em formato digital fundamentando-se nos padrões musicais dos livros Suzuki Violin School.

O sistema Sure também conta com um Web Service, uma tecnologia que possibilita a integração com outros sistemas web. Dessa forma, a funcionalidade de definição de n´ıvel de dificuldade pode ser utiliza em outras aplicações desde que estas forneçam o parâmetro correspondente ao arquivo MusicXml.

Para validar o funcionamento do sistema Sure e de seu Web Service foi desenvolvido a plataforma teste Sure Web Page para simular o uso de uma plataforma externa atuando jun-tamente com os outros sistemas. Esta plataforma conta com cadastro de música, exibição de partituras e definição de n´ıveis de dificuldade por meio do sistema Sure e integração pelo Sure Web Service.

3.2 MODELO DE DESENVOLVIMENTO

No desenvolvimento de software são necessárias varias etapas para projetar e descrever o comportamento do sistema. Cada etapa do modelo de desenvolvimento de software representa uma serie de atividades com o objetivo de gerar artefatos para poder documentar o sistema (SOMMERVILLE, 2003). O modelo utilizado neste trabalho é o Modelo Sequencial Linear ou Cascata por que atende as necessidades das atividades e da utilização do tempo de uma forma simplificada.

(26)

3.3 CICLO DE VIDA

O Modelo em Cascata ou Ciclo de Vida Clássico, é um processo utilizado na construção sistemas quando os requisitos são bem ou razoavelmente bem definidos e o trabalho transcorre em todas as fazes de forma cont´ınua sem grandes alterações (PRESSMAN, 2010). O modelo, apresentado na Figura 5 sugere uma comportamento cont´ınuo, com uma organização sequencial para o desenvolvimento do sistema.

Figura 5 - Ciclo de Vida em Cascata Adaptado.

(27)

3.3.1 FASE DE COMUNICAC¸ ˜AO

A fase de construção é caracterizada pela elaboração do projeto e levantamento de requisitos do sistema por meio da análise do contexto atual e da identificação das necessidades. As atividades da fase de comunicação podem ser observadas na Tabela 1.

Atividades Descric¸˜ao

Engenharia de Projeto Atividade que da o rumo principal do projeto. Define a vi-abilidade da construção do sistema, qual o propósito de ser projetado e quais finalidades e problemas irá resolver. Análise do cenário atual Esta atividade envolve uma pesquisa detalhada sobre o

con-texto atual, quais sistemas e trabalhos relacionados j´a exis-tem e o diferencial do sisexis-tema a ser desenvolvido.

Análise de requisitos Levantamento de informações pertinentes para elaboração de poss´ıveis funcionalidades do sistema e restrições de suas operações.

Tabela 1 - Fase de Comunicac¸˜ao

Fonte: Autoria Pr´opria

3.3.2 FASE DE PLANEJAMENTO

A fase de planejamento visa organizar as atividades e definir as metas a serem atingidas em relac¸˜ao ao tempo. As atividades da fase de planejamento pode ser analisadas na Tabela 2.

Definições Definição do Modelo de Desenvolvimento de projeto de software e Ci-clo de vida adotado.

Cronograma Definição do cronograma e estipulação de prazos. Pesquisa Definição e pesquisa do banco de dados.

Tabela 2 - Fase de Planejamento

(28)

3.3.3 FASE DE MODELAGEM

A fase de modelagem tem o objetivo de criar representações que mostram as informações, funções e comportamentos dos requisitos de software. As atividades da fase de modelagem podem ser analisadas na Tabela 3.

Arquitetura de Software Definição da arquitetura de modelagem, a representação abstrata do sistema.

Modelagem de Diagramas Elaboração dos principais diagramas (caso de uso, ativida-des, sequência, pacotes, classes) que compõe o sistema. Documentação Elaboração da documentação de modelagem, mapeamento

e detalhamento de requistos.

Tabela 3 - Fase de Modelagem

3.3.4 FASE DE CONSTRUC¸ ˜AO

A fase de construção é caracterizada pelo desenvolvimento e codificação baseados nos artefatos gerados na fase de modelagem. As atividades da fase de construção podem ser analisadas na Tabela 4.

Implementação do banco de dados Criação do banco de dados.

Implementação das Interfaces Codificação das páginas do usuário. Implementação das Classes Codificação das lógica do sistema.

Teste Avaliac¸˜ao do desempenho do sistema

Tabela 4 - Fase de Construc¸˜ao

3.4 ARTEFATOS

(29)

3.4.1 AN ´ALISE DE REQUISITOS DO SISTEMA SURE

A análise de requisitos fornece informações a respeito das funcionalidades do sistema com o intuito de solucionar os problemas apresentados e demonstrar o comportamento do sis-tema.

Requisitos Funcionais

1. O sistema deverá definir o n´ıvel de dificuldade da uma música. 2. O sistema deverá fornecer opção de operar via tela de usuário. 3. O sistema deverá fornecer opção de operar via linha de comando.

Requisitos Suplementares

1. O sistema dever´a processar arquivos apenas no formato MusicXml.

2. O sistema deverá utilizar as músicas do Suzuki Violin School Volume 1 à 10 como base de dados para treinamento.

3. O sistema deverá utilizar a API do jSymbolic para extração de caracter´ısticas das músicas. 4. O sistema deverá utilizar o API do Weka para classificação.

5. O sistema dever´a ser desenvolvido na linguagem Java.

6. O sistema deverá definir o n´ıvel de dificuldade das partituras através da classificação automática.

Detalhamento dos Requisitos Funcionais

1. O sistema deverá definir o n´ıvel de dificuldade da uma música especificada. Descrição: O sistema informa o n´ıvel de dificuldade da música especificada pelo usuário. Fluxo principal: Usuário digita campos especificados na tela de usuário ou parâmetros via linha de comando.

Informações de entrada: nome da música, caminho do arquivo e caminho do diretório tem-porário.

Restrições Lógicas:

1. Não efetuar processo caso arquivo inválido ou inexistente. Restrições Tecnológicas:

(30)

2. O caminho do arquivo n˜ao pode conter caracteres como ( ), (.) ou (/). 3. Os formatos de arquivos suportados s˜ao apenas (.xml) e (.mxl).

4. Os campos Nome e Caminho do Arquivo n˜ao podem ficar em branco.

2. O sistema deverá fornecer opção de operar via tela de usuário. Descrição: O sistema opera via tela de usuário.

Fluxo principal: Usuário executa o programa clicando no ´ıcone. Informações de entrada: Não há.

Restrições Lógicas: Não há. Restrições Tecnológicas: Não há.

3. O sistema deverá fornecer opção de operar via linha de comando. Descrição: O sistema opera via linha de comando.

Fluxo principal: Usuário executa o programa através do prompt de comando. Informações de entrada: Caminho do programa.

3.4.2 AN ´ALISE DE REQUISITOS DO SURE WEB SERVICE

1. O sistema deverá permitir o upload de um arquivo especificado. 2. O sistema deverá fornecer parâmetros de sa´ıda.

Requisitos Suplementares

1. O sistema deverá definir o n´ıvel de dificuldade da música utilizando o sistema Sure. 2. O sistema deverá operar como Web Service.

3. O sistema dever´a ser desenvolvido na linguagem Java.

1. O sistema deverá permitir o upload do arquivo especificado. Descrição: O sistema faz o upload do arquivo.

(31)

Informações de entrada: Caminho do Arquivo. Restrições Lógicas: não há

Restrições Tecnológicas:

1. O caminho do arquivo n˜ao podem ficar em branco.

2. O sistema dever´a fornecer parˆametros de sa´ıda.

Descrição: O sistema fornece os parâmetros referente ao n´ıvel classificado e caminhos dos ar-quivos.

Fluxo principal: O sistema classifica o arquivo do upload através do sistema Sure e retorna parâmetros para a aplicação.

Informações de entrada: Caminho do Arquivo. Restrições Lógicas: não há.

Restrições Tecnológicas: não há.

3.4.3 AN ´ALISE DE REQUISITOS DO SURE WEB PAGE

1. O sistema deverá permitir a criação de cadastro de música. 2. O sistema deverá permitir a alteração do cadastro de música. 3. O sistema deverá permitir a exclusão do cadastro de música. 4. O sistema deverá permitir a visualização das músicas cadastradas.

5. O sistema deverá permitir que as músicas cadastradas sejam ordenadas por nome. 6. O sistema deverá permitir que as músicas cadastradas sejam ordenadas por n´ıvel. 7. O sistema deverá permitir a visualização das músicas em formato de partitura. Requisitos Suplementares

1. O sistema deverá definir o n´ıvel de dificuldade da música utilizando o Sure Web Service. 2. O sistema deverá operar via web.

3. O sistema dever´a utilizar o MySQl como Sistema Gerenciador de Banco de Dados (SGBD). 4. O sistema dever´a ser desenvolvido na linguagem Java.

(32)

1. O sistema deverá permitir a criação de cadastro de música. Descrição: O usuário deseja adicionar uma nova música.

Fluxo principal: Na pagina de músicas o usuário clica na operação de adição e será redireci-onado para a página de cadastro de música onde poderá entrar com os dados da música a ser cadastrada e confirmar a operação.

Informações de entrada: Dados da música: Nome, Autor, Ano, Gênero, Caminho do Arquivo. Restrições Lógicas:

1. Não efetuar cadastro caso algum campo seja inválido. 2. Não efetuar cadastro o caso caminho do arquivo não exista. Restrições Tecnológicas:

1. O nome n˜ao pode conter caracteres como (.) ou (/)

2. Os formatos de arquivos suportados s˜ao apenas (.xml) e (.mxl). 3. Os campos Nome e Caminho do Arquivo n˜ao podem ficar em branco.

2. O sistema deverá permitir a alteração do cadastro de música. Descrição: O usuário deseja fazer a alteração de uma música.

Fluxo principal: Na pagina de músicas o usuário clica na operação de alterar na linha referente a música que deseja atualizar e será redirecionado para a página de alteração de música onde serão carregados os dados da música que podem ser alterados. Após feita a alteração desejada o usuário confirma a operação.

Informações de entrada: Dados da música que deseja alterar: Nome, Autor, Ano, Gênero. Restrições Lógicas:

1. Não efetuar atualização caso algum campo seja inválido. Restrições Tecnológicas:

1. O Nome da m´usica n˜ao pode conter caracteres como (.) ou (/)

2. Os campos Nome e Caminho do Arquivo n˜ao podem ficar em branco.

3. O sistema deverá permitir a exclusão do cadastro de música. Descrição: O usuário deseja excluir uma música.

Fluxo principal: Na pagina de músicas O usuário clica na operação de exclusão na linha referente a música que deseja excluir e será redirecionado para a página de exclusão de música onde serão carregados os dados da música selecionada e poderá confirmar a operação.

(33)

4. O sistema deverá permitir a visualização das músicas cadastradas.

Descrição: O usuário deseja visualizar os dados das musicas cadastradas no sistema.

Fluxo principal: Em qualquer pagina o usuário clica na operação Músicas no menu e será redirecionado para a página de músicas onde serão carregadas todas as músicas cadastradas. Informações de entrada: Não há.

5. O sistema deverá permitir que as músicas cadastradas sejam ordenadas por nome. Descrição: O usuário deseja visualizar as músicas ordenadas por nome.

Fluxo principal: Na pagina de músicas o usuário clica na operação de ordenar por nome e a lista de músicas será organizada por nome de forma crescente(ordem alfabética).

Informações de entrada: Não há. Restrições Lógicas: Não há. Restrições Tecnológicas: Não há.

6. O sistema deverá permitir que as músicas cadastradas sejam ordenadas por n´ıvel. Descrição: O usuário deseja visualizar as músicas ordenadas por nome.

Fluxo principal: Na pagina de músicas o usuário clica na operação de ordenar por n´ıvel e a lista de músicas será organizada por n´ıveis de forma crescente(1 ao 10).

Informações de entrada: Não há. Restrições Lógicas: Não há. Restrições Tecnológicas: Não há.

7. O sistema deverá permitir a visualização das músicas em formato de partitura. Descrição: O usuário deseja visualizar a partitura da música

Fluxo principal: Na pagina de músicas o usuário clica na operação de visualizar partitura na linha referente a música que deseja visualizar e será redirecionado para a página de exibição de partitura onde a música selecionada será carregada .

Informações de entrada: Música selecionada. Restrições Lógicas: Não há.

(34)

3.4.4 DIAGRAMAS DE CASO DE USO

Os Diagramas de Caso de Uso apresenta uma sequência de eventos com a finalidade de demonstrar a interação dos atores com o sistema.

A Figura 6 mostra o diagrama de caso de uso do sistema Sure onde o ator usuário pode executar a atividade ligada a definir o n´ıvel de dificuldade que obrigatoriamente precisa chamar a função de classificar a música e consequentemente a função de treinamento.

Figura 6 - Diagrama de Caso de Uso Sistema Sure.

(35)

A Figura 7 mostra o diagrama de caso de uso do Sure Web Service onde o ator, que representa sistemas externos, pode executar a atividade de fazer upload e o sistema obrigatoriamente executa as func¸˜oes do pacote do sistema Sure para definir o n´ıvel de dificuldade.

Figura 7 - Diagrama de Caso de Uso Sure Web Service.

(36)

A Figura 8 mostra o diagrama de caso de uso da plataforma Sure Web Page utilizando o Sure Web Service na integração com pacote do sistema Sure. O ator usuário pode executar

atividades como gerenciar música, visualizar música e partitura e adicionar música. A

atividade adicionar música obrigatoriamente executa a função de upload do Sure Web Service que consequentemente executa funções do pacote do sistema Sure para difinir o n´ıvel de dificuldade.

Figura 8 - Diagrama de Caso de Uso Sure Web Page.

(37)

3.4.5 DIAGRAMA DE ATIVIDADES

O Diagrama de Atividades apresenta uma sequência de atividades desempenhadas pelos atores e o sistema em uma determinada operação.

A Figura 9 mostra o diagrama de atividades na operação de adicionar uma música no Sure Web Page, essa operação integra todos os sistemas envolvidos e o ator usuário do Sure Web Page.

Figura 9 - Diagrama de Atividades: Integrac¸˜ao dos Sistemas.

(38)

3.4.6 DIAGRAMAS DE CLASSES

O Diagrama de Classes descreve a estrutura das classes e objetos que são utilizados na implementação da lógica do sistema.

A Figura 10 mostra o diagrama de classes do sistema Sure onde no pacote principal se encontram as classes principal Main responsável pela execução do sistema, CommandLine res-ponsável pela execução via linha de comando e a classe Sure resres-ponsável pela função principal. O pacote ”gui”contém a classe OuterFrame responsável pela tela gráfica do usuário. O pacote utilcontém as classes responsáveis pelas funções de utilidade e controle de dependências com sistemas externos.

Figura 10 - Diagrama de Classes Sistema Sure.

(39)

A Figura 11 mostra o diagrama de classes do Sure Web Service. O pacote de model possui a classe da entidade Musica. O pacote web possui as classes relacionadas a pagina web. O pacote Web Service RESTFul possui os métodos HTTP de web service. E o pacote Sure é um pacote de dependência do Sure Web Service observado anteriormente na Figura 10.

Figura 11 - Diagrama de Classes Sure Web Service.

(40)

A Figura 12 mostra o diagrama de classes do Sure Web Page. O pacote entity contém a classe de entidade, o pacote control possui a classe MusicBean responsável pelo funções de controle com a interface, o pacote dao possui classes relacionadas a comunicação com o banco de dados e o pacote util tem a classe relacionada as propriedades do framework Hibernate.

Figura 12 - Diagrama de Classes Sure Web Page.

(41)

3.4.7 DIAGRAMAS DE SEQU ˆENCIA

O Diagrama de Sequˆencia apresenta uma sequˆencia de passos e mensagens para des-crever o comportamento de uma funcionalidade do sistema.

A Figura 13 mostra diagrama de sequência do sistema Sure na operação de definir o n´ıvel de dificuldade.

Figura 13 - Diagrama de Sequˆencia: Sitema Sure ”Definir N´ıvel”.

(42)

A Figura 14 mostra diagrama de sequência do Sure Web Page na operação de adicionar música onde o Sure Web Service é utilizado.

Figura 14 - Diagrama de Sequˆencia: Sure Web Page ”Adicionar M ´usica”

(43)

3.5 ESPECIFICAC¸ ˜AO DAS FUNCIONALIDADES

Para o sistema Sure definir a dificuldade de uma música o arquivo fornecido pelo usuário ou aplicação deve passa por quatro estágios principais: (A) Conversão MusicXML para MIDI, (B) Extração de Caracter´ısticas, (C) Conversão AceXML para ARFF e (D) Classificação como demostrados na Figura 15.

Figura 15 - Funcionalidades do Sistema.

(A). Convers˜ao MusicXML para MIDI

(44)

feito por meio das bibliotecas JFugue e MuseScore.

(B). Extrac¸˜ao de Caracter´ısticas

O estágio de extração de caracter´ısticas é feito dentro do sistema Sure onde é impor-tada da biblioteca do jSymbolic e é feita a chamada do extrator de caracter´ısticas do arquivo MIDI selecionado e resulta em um arquivo AceXML com os nomes das caracter´ısticas e seus respectivos valores numéricos.

(C). Convers˜ao AceXML para ARFF

O estágio de conversão do arquivo AceXML gerado pelo jSymbolic é feito dentro sistema Sure que formata as instancias e atributos para o arquivo ARFF.

(D). Classificac¸˜ao

O estágio de classificação é feito dentro do sistema Sure que faz a importação da bi-blioteca Weka e a chamada do algoritmo de classificação utilizando o arquivo de treinamento (exemplos a serem aprendidos) e o arquivo de teste (amostra a ser classificada).

3.6 TELAS DE USU ´ARIO

Nessa sessão serão apresentadas as telas gráficas de usuário dos sistemas.

Sistema Sure: Tela Principal

A Figura 16 mostra a tela principal do sistema Sure quando executado pelo usuário. A tela possui apenas três campos que representam os parâmetros necessários e um botão para executar a função de classificar a música.

Figura 16 - Tela Principal Sistema Sure.

(45)

Sure Web Service: Tela Inicial

A Figura 17 mostra a tela inicial do Sure Web Service quando executado pelo usuário. A tela possui apenas dois botões, o botão para seleção de um arquivo e o botão de upload para executar a função de envio do arquivo para o servidor e classificação com o sistema Sure.

Figura 17 - Tela Inicial Sure Web Service.

Sure Web Service: Tela de Upload

A Figura 18 mostra a tela de upload do Sure Web Service após o upload e a classificação do arquivo. A tela mostra os parâmetros de sa´ıda referente às variáveis do objeto Musica gerado com os valores da classificação.

Figura 18 - Tela Upload Sure Web Service.

(46)

Sure Web Page: Tela Inicial

A Figura 19 mostra a tela inicial que possui um menu principal podendo clicar em operações como ir para tela de músicas cadastradas tanto por nome ou n´ıvel.

Figura 19 - Tela Inicial ”Home”Sure Web Page.

Sure Web Page: Tela de M ´usicas

A Figura 20 mostra a tela de músicas que exibe uma lista de musicas cadastradas ordenas por nome. Nessa tela é poss´ıvel tanto utilizar o menu principal quanto fazer operações relacionas às músicas: adicionar nova, visualizar partitura, alterar e remover dados.

Figura 20 - Tela ”M ´usicas”Sure Web Page.

(47)

Tela de N´ıveis: Sure Web Page

A Figura 21 mostra a tela de n´ıveis que funciona da mesma fora que a tela de músicas porém a exibição das músicas é ordenada por n´ıveis de dificuldade.

Figura 21 - Tela ”N´ıveis”Sure Web Page.

Sure Web Page: Tela de Adição de M úsica

A Figura 22 mostra a tela de adição de música que exibe um formulário onde podem ser inseridas as informações da nova música a ser adicionada.

Figura 22 - Tela ”Adicionar Nova”Sure Web Page.

(48)

Sure Web Page: Telas de Alteração e Remoção de M úsica

A Figura 23 mostra a tela de alteração tem um formulário onde são exibidas as informações da música a serem alteradas e na tela de exclusão é exibida uma mensagem de confirmação para exclusão da música.

Figura 23 - Telas ”Alterar”e ”Remover”Sure Web Page.

Sure Web Page: Tela de Partitura

A Figura 24 mostra a tela de partitura que exibe a folha da partitura selecionada através do plug-in Myriad Music que permite diversas outras operações.

Figura 24 - Tela ”Partitura”Sure Web Page.

(49)

3.7 TECNOLOGIAS

A seguir serão descritas as tecnologias utilizadas na codificação e documentação do sistema.

Java

Java (ORACLE, 2016a) é uma linguagem de programação orientada a objetos utilizada no desenvolvimento de diversos tipos de aplicações. Neste trabalho foi utilizada a plataforma o Java EE (Java Platform, Enterprise Edition) que é focada no desenvolvimento corporativo e web.

JavaServer Faces

JavaServer Faces (ORACLE, 2010) é uma tecnologia do Java EE para o desenvolvi-mento de interfaces gráficas de usuário. O JSF foi utilizado no desenvolvidesenvolvi-mento do Sure Web Page permitindo a criação e a interação das páginas web com as operações lógicas do sistema.

MySQL

MySQL (ORACLE, 2016b) é um Sistema Gerenciador de Banco de Dados (SGBD) que utiliza a linguagem SQL (Structured Query Language) como interface de consulta e pes-quisa em banco de dados relacional. Neste trabalho o MySQL é utilizado para gerenciar o banco de dados fazendo consultas, inserções, alterações e exclusões dos dados e arquivos de música.

3.8 FERRAMENTAS

A seguir serão demonstradas ferramentas utilizadas na codificação e documentação do sistema.

Astah Community

Astah Community (VISION, 2006) é um software para criação de diagramas UML (Unified Modeling Language) para modelagem orientada a objetos. Neste trabalho o Astah auxiliou na criação dos artefatos e documentação para descrever os sistemas.

JFugue

JFugue (KOELLE, 2015) é uma biblioteca voltada para a criação, edição e reprodução de música em aplicacões Java. Neste trabalho ela foi utilizada para fazer a conversão dos arqui-vos MusicXML para MIDI.

(50)

jSymbolic

O jSymbolic faz parte do sistema jMIR (MCKAY, 2013) utilizado na extração de ca-racter´ıstica para pesquisas e desenvolvimento em MIR. Neste trabalho o jSymbolic foi utilizado na extração de caracter´ısticas dos arquivos simbólicos em MIDI.

MuseScore

MuseScore (MUSESCORE, 2016) é um software para exibição, edição e exportação de músicas em diversos formatos digitais. Neste trabalho o MuseScore auxiliou na edição, correção e conversão dos arquivos MusicXML e MIDI.

Myriad Music Plug-In

Myriad é um plug-in para paginas web que permite que musicas em formatos Mu-sicXML possam ser exibidas, reproduzidas, transpostas, salvas e impressas, além de contar com uma serie de outras funcionalidades. Neste trabalho o plug-in Myriad foi utilizado na exibição das partituras no Sure Web Page.

NetBeans

NetBeans (ORACLE, 2016c) é um Ambiente de Desenvolvimento Integrado (IDE) em diversas linguagens de programação auxiliando na edição, compilação, modelagem, entre outros. Neste trabalho foi utilizado no desenvolvimento da aplicação em Java e conexão com as bibliotecas, APIs (Application Programming Interface) e banco de dados.

SharpEye

SharpEye (VISIV, 2008) é um sistema OMR para a interpretação de partituras em formato de imagem para o formato digital. Neste Trabalho, o SharpEye auxiliou na conversão dos formatos PDF para MusicXML.

WEKA

Weka é um pacote de software que incorpora uma série de algoritmos de aprendizado de máquina (Inteligência Artificial) para a mineração de dados (WAIKATO, 2013). Neste traba-lho o Weka foi utilizado para fazer a classificação tanto na parte de treinamento, onde o sistema Sure ”aprendeu”técnicas para definir o n´ıvel de dificuldade utilizando como exemplo o banco de dados já classificadas, como também na parte de teste, onde o sistema Sure apresenta o arquivo a ser classificado e recebe o resultado classificado em um dos n´ıveis de dificuldade.

(51)

4 EXPERIMENTOS

Nesta sess˜ao ser˜ao descritos todos as etapas dos experimentos realizados no trabalho.

4.1 CONSTRUC¸ ˜AO DA BASE DE DADOS

No desenvolvimento do sistema de classificação automática de dificuldade de partitura de violino proposto neste trabalho foi preciso criar uma base de dados com informações que definem o contexto de cada n´ıvel de dificuldade. Isso é necessário para que o sistema possa ”aprender” o que cada n´ıvel representa. Visando isso foi preciso utilizar um volume razoável de partituras já classificadas na construção de um banco de dados para servir como exemplo do que cada n´ıvel se parece. Neste trabalho foram utilizados os livros Suzuki Violin School volu-mes 1 à 10 (SUZUKI, 1978a, 1978b, 1978c, 1978d, 1978e, 1978f, 1978g, 1978h, 1978i, 1978j) considerando que cada volume representa um n´ıvel de dificuldade. No total, a base possui 100 partituras organizadas de acordo com os n´ıveis de dificuldade apresentados na Tabela 5.

Suzuki Violin School N´ıvel de Dificuldade Total de Partituras

Volume 1 n1 21 Volume 2 n2 13 Volume 3 n3 7 Volume 4 n4 7 Volume 5 n5 9 Volume 6 n6 9 Volume 7 n7 9 Volume 8 n8 11 Volume 9 n9 8 Volume 10 n10 6

(52)

4.2 CARACTER´ISTICAS

Após estabelecido o banco de dados foi necessário observar o que define a dificuldade, ou seja, quais são as caracter´ısticas que definem cada n´ıvel de dificuldade. Nesta etapa é preciso extrair as caracter´ısticas de todas as músicas do banco de dados e separá-las por n´ıveis. O extra-tor utilizado neste trabalho foi o jSymbolic que disponibiliza a extração de 101 caracter´ısticas simples e 11 vetores de caracter´ısticas, totalizando 1022 caracter´ısticas de valores numéricos ba-seados em Instrumentação, Textura, Ritmo, Estat´ıstica de Nota, Melodia, Dinâmica e Acordes. O algoritmo de classificação seleciona os atributos que melhor classificam os dados. Assim, dentre 1022 caracter´ısticas extra´ıdas com o jSymbolic, 18 caracter´ısticas foram selecionadas como atributos que melhor definem os n´ıveis de dificuldade. Na sequência serão descritas as caracter´ısticas selecionadas (MCKAY, 2010).

Caracter´ısticas baseadas em Ritmo (Rhythm)

• R-10 Number of Relatively Strong Pulses: Uma caracter´ıstica contendo o n ´umero de picos do histograma de batida com intensidade pelo menos 30% t˜ao altas quanto a inten-sidade dos picos com a maior inteninten-sidade.

• R-14 Beat Histogram: Um vetor de 161 caracter´ısticas contendo as intensidades do his-tograma da batida. Apenas quatro instˆancias do vetor foram utilizadas (7, 10, 48 e 99).

Caracter´ısticas baseadas em Estat´ıstica Geral de Nota (Overall Pitch Statistics)

• P-7 Number of Common Pitches: Uma caracter´ıstica contendo o n ´umero de passos que conta individualmente at´e pelo menos 9% de todas as notas.

• P-9 Pitch Class Variety: Uma caracter´ıstica contendo o n ´umero de classes de notas usadas pelo menos uma vez.

• P-19 Basic Pitch Histogram: Um vetor de 128 caracter´ısticas contendo as intensidades dos histogramas de nota b´asica. Apenas quatro instancias do vetor foram utilizadas (66, 68, 89 e 93).

• P-20 Pitch Class Distribution: Um vetor de caracter´ıstica contendo as intensidades dos histogramas das classes de nota. Apenas uma instˆancia do vetor foi utilizada (7).

• P-21 Fifths Pitch Histogram: Um vetor de 12 caracter´ısticas contendo a intensidade dos histogramas de nota em quinta. Apenas uma instˆancia do vetor foi utilizada (5).

(53)

Caracter´ısticas baseadas em Melodia e Intervalo Mel´odico (Melody and Melodic Interval)

• M-1 Melodic Interval Histogram: Um vetor de 128 caracter´ısticas contendo as intensida-des do histograma de intervalo melódico. Apenas três instâncias do vetor foram utilizadas (6, 12 e 20).

• M-7 Number of Common Melodic Intervals: Uma caracter´ıstica contendo o n úmero de intervalos melódicos que representa pelo menos 9% de todos os intervalos melódicos.

Caracter´ısticas baseadas em Dinˆamica (Dynamics)

• D-2 Variation of Dynamics: Uma caracter´ıstica contendo o desvio-padr˜ao dos n´ıveis de intensidade de todas as notas.

4.3 CLASSIFICADOR

No experimento, foi utilizado o algoritmo Árvore de Decisão (WITTEN, 2005). Este é um algoritmo de classificação supervisionada utilizado para prever a classe de um objeto baseado no treinamento aprendido com os exemplos disponibilizados.

O algoritmo monta uma estrutura de árvore utilizando os testes de atributos e a partir desta estrutura é poss´ıvel classificar a amostra desconhecida sem necessariamente testar todos os valores e seus atributos. Uma estrutura de árvore é basicamente um conjunto de nós que possuem ramificações. Há três diferentes tipos de nó: o nó raiz, que é um único nó que inicia a árvore; os nós comuns, que dividem um determinado atributo e geram ligações com outros nós; e os nós folha que contém as informações de classificação do algoritmo. Os testes que dividem os atributos determinam a sequência da classificação de uma nova amostra, definindo em qual classe a amostra se encaixa melhor. Neste trabalho os atributos são representados pelas caracter´ısticas citadas na sessão 4.2 e os nós folha contém as informações dos n´ıveis de dificuldade.

4.4 RESULTADOS

Para a classificação automática de n´ıveis de dificuldade uma estrutura de árvore foi montada através das caracter´ısticas selecionadas e pode ser observada na Figura 25. Os testes dos valores das caracter´ısticas representam os atributos divisores e os n´ıveis de dificuldade os nós folha. A árvore montada possui um total de 37 ramificações e 19 nós folha.

(54)

Figura 25 - ´Arvore de Decis˜ao.

(55)

Para avaliar a precisão da classificação de n´ıveis de dificuldade utilizando as carac-ter´ısticas citadas na sessão 4.2, foi aplicada a técnica Validação Cruzada (WITTEN, 2005) para validar o modelo utilizado. Para um resultado preciso, essa técnica visa utilizar como teste as mesmas musicas utilizadas no treinamento. Para particionar esses dados foi empregado o método leave-one-out. Esse método é uma aplicação de n-fold, que faz uma subdivisão do con-junto de dados em n partes iguais. Cada subconcon-junto é utilizado para teste e os outros para treinamento, isso é repetido um numero n de vezes. No leave-one-out, o numero definido em n representa o numero de instâncias utilizadas. Neste experimento apresentam-se 100 instancias, então, foi feita uma validação cruzada leave-one-out por 100 vezes. Os resultados da validação cruzada podem ser observados na Tabela 6.

Instâncias Classificadas Corretamente 49 (49%) Instâncias Classificadas Incorretamente 51 (51%) Número Total de Instâncias 100

Tabela 6 - Validac¸˜ao Cruzada Estratificada

A matriz de confusão (WITTEN, 2005) permite visualizar a performance do algoritmo aplicado demonstrando quais instâncias foram classificadas em quais classes. A Tabela 7 apre-senta a matriz de confusão do experimento desempenhado utilizando a classificação de n´ıveis de dificuldade. As colunas da matriz representam a quantidade de instâncias classificadas na classe enquanto as linhas mostram a classe real em que essa instância pertence. A diagonal prin-cipal da matriz representa as instâncias classificadas corretamente enquanto os outros campos representam as demais classificados incorretamente.

n1 n2 n3 n4 n5 n6 n7 n8 n9 n10 17 2 0 0 1 0 0 0 1 0 n1 1 12 0 0 0 0 0 0 0 0 n2 1 0 4 0 0 0 2 0 0 0 n3 1 0 0 5 1 0 0 0 0 0 n4 2 0 0 0 2 3 2 0 0 0 n5 0 0 0 1 3 1 1 2 1 0 n6 3 1 0 0 1 2 1 1 0 0 n7 1 1 0 0 2 2 0 5 0 0 n8 2 1 1 0 0 0 0 2 2 0 n9 4 0 0 0 0 0 1 1 0 0 n10

(56)

As taxas de acurácia do algoritmo são calculadas através de valores como TP (True Po-sitive) que representa a proporção de verdadeiros positivos, por exemplo, instâncias da classe n1 que foram corretamente classificadas como n1; FP (False Positive) que representa a proporção de falsos positivos, por exemplo, instâncias de outras classes que foram incorretamente clas-sificadas como n1; FN (False Negative) que representa a proporção de falsos negativos, por exemplo, instâncias da classe n1 que foram incorretamente classificados como outras classes; TN (True Negative) representa a proporção de verdadeiros negativos, por exemplo, todas as de-mais instâncias que não foram classificadas como n1. A Tabela 8 apresenta as taxas de acurácia de cada n´ıvel de dificuldade.

(A) TP Rate = T P T P + FN (B) FP Rate = FP FP + T N (C) P = T P T P + FP P: Precision (Precis˜ao)

TP: True Positive (Verdadeiro Positivo) FP: False Positive (Falso Positivo) TN : True Negative (Verdadeiro Negativo) FN : False Negative (Falso Negativo)

Classe (A) TP Rate (B) FP Rate (C) Precision

n1 0.81 0.19 0.531 n2 0.923 0.057 0.117 n3 0.571 0.010 0.8 n4 0.714 0.011 0.833 n5 0.222 0.086 0.2 n6 0.125 0.076 0.125 n7 0.111 0.065 0.142 n8 0.454 0.067 0.454 n9 0.25 0.021 0.5 n10 0 0 0 M´edia ponderada 0.41 0.058 0.376

Tabela 8 - Taxas de Acur´acia por Classe

4.5 AN ´ALISE

(57)

Na utilização do método leave-one-out, que literalmente significa ”deixar um de fora”, como o próprio nome diz, uma instância é deixada de fora do treinamento e essa mesma instância é utilizada como teste. Neste caso, cada música do livro foi classificada sem que a maquina utilizasse a mesma como base para treinamento, o que pode indicar mais precisamente a qualidade do classificador. Essa técnica proporciona resultados bastante precisos, porém tem um custo computacional alto, por isso é mais indicada quando o numero de instâncias é baixo (WITTEN, 2005).

As tabelas a seguir apresentam os resultados da classificação utilizando as músicas do Suzuki Violin School. Cada música do volume possui o n´ıvel estabelecido na sessão 4.1 e um n´ıvel a qual foi classificado como teste neste experimento.

Ref. Nome da M´usica N´ıvel Estabelecido N´ıvel Classificado

v1-1 Twinkle Twinkle Little Star Var-A n1 n1

v1-2 Twinkle Twinkle Little Star Var-B n1 n1

v1-3 Twinkle Twinkle Little Star Var-C n1 n1

v1-4 Twinkle Twinkle Little Star Var-D n1 n1

v1-5 Twinkle Twinkle Little Star Theme n1 n1

v1-6 Lightly Row n1 n1

v1-7 Song of the Wind n1 n1

v1-8 Go Tell Aunt Rhody n1 n1

v1-9 May Song n1 n9

v1-10 Long Long Ago n1 n1

v1-11 Allegro n1 n1

v1-12 Perpetual Motion A major n1 n1

v1-13 Perpetual Motion D major n1 n2

v1-14 Allegretto n1 n1 v1-15 Andantino n1 n1 v1-16 Etude n1 n2 v1-17 Minuet 1 n1 n1 v1-18 Minuet 2 n1 n1 v1-19 Minuet 3 n1 n1

v1-20 The Happy Farmer n1 n1

v1-21 Gavotte n1 n5

(58)

A Tabela 9 mostra os resultados da classificação das músicas do Suzuki Violin School Volume 1, onde o n´ıvel estabelecido para este volume é n1. Nesta tabela é poss´ıvel observar que 17 das 21 instâncias de música foram classificadas corretamente e 4 classificadas incorre-tamente, uma taxa de acerto de aproximadamente 81%. Na música v1-9, classificada como n9, é poss´ıvel identificar algumas similaridades com as músicas do volume 9, como por exemplo a utilização de armadura de clave com três sustenidos o que poderia ser o motivo da classificação errônea. Já v1-13 e v1-16 foram classificadas como n2, n´ıvel considerado próximo do n´ıvel estabelecido, o que também pode indicar semelhanças entre as músicas do volume 1 e 2, e con-sequentemente nos n´ıveis n1 e n2. A música v1-21 foi classificada como n5, neste caso pode-se identificar uma semelhança no estilo musical da partitura, onde ambas são do ritmo Gavotte, o que pode ter definido a similaridade entre elas.

v2-1 Chorus from Judas Maccabeaus n2 n2

v2-2 Musette n2 n2

v2-3 Hunters Chorus n2 n2

v2-4 Long Long Ago n2 n2

v2-5 Long Long Ago Variation n2 n2

v2-6 Waltz n2 n2

v2-7 Bourree n2 n1

v2-8 The Two Grenadiers n2 n2

v2-9 Theme from Witches Dance n2 n2

v2-10 Gavotte from Mignon n2 n2

v2-11 Gavotte n2 n2

v2-12 Minuet in G n2 n2

v2-13 Minuet n2 n2

Tabela 10 - Classificac¸˜ao Suzuki Violin School Volume 2

A Tabela 10 mostra os resultados da classificação das músicas do Suzuki Violin School Volume 2, onde o n´ıvel estabelecido para este volume é n2. Nesta tabela é poss´ıvel observar que 12 das 13 instâncias de música foram classificadas corretamente e apenas 1 classificada incor-retamente, uma taxa de acerto de aproximadamente 92%. Na música v2-7, classificada como n1, existem algumas semelhanças como tempo de compasso predominante 4/4 e repetições cont´ınuas de compassos também encontradas nas musicas do volume 1.

(59)

Ref. Nome da M´usica N´ıvel Estabelecido N´ıvel Classificado v3-1 Gavotte n3 n3 v3-2 Minuet n3 n1 v3-3 Gavotte in G Minor n3 n3 v3-4 Humoresque n3 n7 v3-5 Gavotte n3 n7 v3-6 Gavotte in D Major n3 n3 v3-7 Bourree n3 n3

A Tabela 11 mostra os resultados da classificação das músicas do Suzuki Violin School Volume 3, onde o n´ıvel estabelecido para este volume é n3. Nesta tabela é poss´ıvel observar que 4 das 7 instâncias de música foram classificadas corretamente e 3 classificadas incorretamente, uma taxa de acerto de aproximadamente 57%. Na música v3-2, classificada como n1, identifica-se uma identifica-semelhança com algumas músicas do volume 1 como identifica-sendo do mesmo estilo musical Minuet que possui compassos de 3/4 tempos. Nas músicas v3-4 e v3-5 há uma ocorrência de armaduras de clave com dois sustenidos e dois bemóis também encontradas em algumas música do volume 7.

v4-1 Concerto No 2 n4 n4

v4-2 Concerto No 5 n4 n4

v4-3 Concerto 5 1st Movement n4 n4

v4-4 Concerto No 5 3rd Movement n4 n5

v4-5 Concerto in A Minor 1st Movement n4 n4

v4-6 Concerto in A Minor n4 n4

v4-7 Concerto for Two Violins 1st Movement n4 n1

A Tabela 12 mostra os resultados da classificação das músicas do Suzuki Violin School Volume 4, onde o n´ıvel estabelecido para este volume é n4. Nesta tabela é poss´ıvel observar que 5 das 7 instâncias de música foram classificadas corretamente e 2 classificadas incorretamente, uma taxa de acerto de aproximadamente 71%. A música v4-4, classificada como n5, é um concerto, assim como várias músicas do volume 5, além de ser de um n´ıvel próximo. Já a música

(60)

v4-7 classificada como n1 não indica nenhuma semelhança aparente em relação as músicas do volume 1.

v5-1 Gavotte n5 n1

v5-2 Concerto in A Minor 2nd Movement n5 n6

v5-3 Concerto in G Minor (1) n5 n5

v5-6 Country Dance n5 n1

v5-7 German Dance n5 n7

v5-8 Gigue from Sonata in D Minor n5 n6

v5-9 Concerto for Two Violins 1st Movement n5 n6

A Tabela 13 mostra os resultados da classificação das músicas do Suzuki Violin School Volume 5, onde o n´ıvel estabelecido para este volume é n5. Nesta tabela é poss´ıvel observar que apenas 2 das 9 instâncias de música foram classificadas corretamente e 7 classificadas in-corretamente, uma taxa de acerto de aproximadamente 22%. Na música v5-1, classificada como n1, pode-se identificar o mesmo equivoco ocorrido no volume 1, onde o estilo ”Gavotte”pode ter definido a similaridade das músicas. Nas demais músicas classificadas incorretamente, com exceção de v5-6, foram atribu´ıdos n´ıveis próximos ao n´ıvel estabelecido.

v6-1 La Folia (1) n6 n7 v6-2 La Folia (2) n6 n5 v6-3 Sonata No 3 (1) n6 n5 v6-4 Sonata No 3 (2) n6 n5 v6-5 Allegro n6 n4 v6-6 Gavotte n6 n8 v6-7 Sonata No 4 (1) n6 n9 v6-8 Sonata No 4 (2) n6 n6 v6-9 Sonata No 4 (3) n6 n8