UNIVERSIDADE TECNOL OGICA FEDERAL DO PARAN´ A

UNIVERSIDADE TECNOLOGICA FEDERAL DO PARANA

DEPARTAMENTO DE COMPUTACAO

TECNOLOGIA EM ANALISE E DESENVOLVIMENTO DE SISTEMAS

HANNA CAROLINA BATALHA PICCOLI

ORGANIZACAO AUTOMATICA DE PARTITUTAS PARA VIOLINO

EM NIVEIS DE DIFICULDADE

TRABALHO DE CONCLUSAO DE CURSO

CORNELIO PROCOPIO

2016


ORGANIZACAO AUTOMATICA DE PARTITUTAS PARA VIOLINO

EM NIVEIS DE DIFICULDADE

Trabalho de Conclusao de Curso apresentado ao

curso de Tecnologia em Analise e Desenvolvimento

de Sistemas da Universidade Tecnologica Federal do

Parana como requisito parcial para obtencao do grau

de Tecnologo em Analise e Desenvolvimento de Sis-

temas

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

CORNELIO PROCOPIO

2016

TERMO DE APROVAÇÃO

ORGANIZAÇÃO AUTOMÁTICA DE PARTITURAS PARA VIOLINO EM NÍVEIS DE DIFICULDADE

por


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

Ministério da Educação

Universidade Tecnológica Federal do Paraná Campus Cornélio Procópio

Diretoria de Graduação e Educação Profissional

Dedico esse trabalho a forca que rege o universo, a minha famılia, aos

meus amigos, a todos aqueles que influenciaram, mesmo que indire-

tamente, minha formacao intelectual e pessoal, e a todos aqueles que

lutam pela paz e por um mundo melhor.

AGRADECIMENTOS

A Deus, a grande forca que rege o universo, agradeco por poder me apoiar sempre e

por ter me dado forca e coragem para vencer os obstaculos da minha vida.

Aos meus amados pais Moacyr e Leize, eu agradeco por todo amor e carinho, por

toda a dedicacao, pela paciencia, por me educar, me ensinar, por acreditar em mim e nos meus

sonhos. Agradeco por tudo, tudo mesmo, sem voces nada disso seria possıvel.

Aos meus irmaos Marılia, Filipe e Sabrina, meus melhores amigos, aqueles que estarao

do meu lado para sempre. Agradeco 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 laboratorio de Computacao e Tecnologia

Musical. Agradeco 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. Agradeco pela compa-

nhia, pelos concelhos, pelo carinho, por cada risada e por cada lagrima que tivemos juntos.

Voces estao no meu coracao.

A minha segunda famılia, minha tia de coracao Sonia e meus queridos primos de

coracao Alex e Caio, que cuidaram de mim com tanto carinho.

Ao Vinıcius, que teve a imensa paciencia de me ajudar a entender um pouquinho mais

desse tao complicado mundo da programacao.

A Tenrikyo e a todos os seguidores do seu caminho que tive o prazer de conhecer.

Agradeco por me mostrarem como seguir o caminho do bem e poder alcancar a felicidade.

A Cornelio Procopio e a UTFPR que me acolheram de bracos 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.

”Do or do not there is no try.”(Yoda)

RESUMO

BATALHA PICCOLI, Hanna Carolina. ORGANIZACAO AUTOMATICA DE PARTITUTAS

PARA VIOLINO EM NIVEIS DE DIFICULDADE. 66 f. Trabalho de Conclusao de Curso –

Tecnologia em Analise e Desenvolvimento de Sistemas, Universidade Tecnologica Federal do

Parana. Cornelio Procopio, 2016.

Atualmente ha uma grande quantidade de musicas e partituras disponıveis na Internet. No en-

tanto, encontrar partituras com nıveis apropriados para o estudo pode ser uma tarefa difıcil para

estudantes e professores de musica. Isso se da principalmente pela quantidade de versoes di-

ferenciadas existentes de uma mesma partitura musical ou ainda por diversas delas nao serem

identificadas por um nıvel de dificuldade especıfico. Definir a dificuldade de cada partitura mu-

sical de forma manual e uma tarefa complexa pelo fato de que exige muito conhecimento teorico

e de um instrumento especıfico. Alem disso, dificuldade e uma questao subjetiva considerando

que as dificuldades encontradas em uma musica podem ser interpretadas de formas distintas

dependendo do instrumento em que a musica e reproduzida ou ate do nıvel de conhecimento da

pessoa que a reproduz. Por este motivo, esse trabalho propoe a criacao de uma ferramenta que

fara a classificacao automatica de nıveis de dificuldade para partituras musicais se baseando em

metodos de ensino de instrumentos musicais especıficos com o objetivo de tornar a tarefa de

organizacao mais pratica e eficiente.

Palavras-chave: Organizacao de Partituras, Nıvel de Dificuldade, Classificacao Automatica

ABSTRACT

BATALHA PICCOLI, Hanna Carolina. AUTOMATIC VIOLIN SCORE ORGANIZATION

BY DIFFICULTY LEVELS. 66 f. Trabalho de Conclusao de Curso – Tecnologia em Analise e

Desenvolvimento de Sistemas, Universidade Tecnologica Federal do Parana. Cornelio Procopio,

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.

Keywords: Organization of Music Scores, Difficulty Levels, Automatic Classification

LISTA DE FIGURAS

–FIGURA 1 Variacao A de Twinkle, Twinkle, Little Star . . . . . . . . . . . . . . . . . . . . . . . . . 11

–FIGURA 2 Variacoes B, C, D e tema de Twinkle, Twinkle, Little Star . . . . . . . . . . . . . 12

–FIGURA 3 Exemplo de Notacao 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 Sequencia Sitema Sure . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34

–FIGURA 14 Diagrama de Sequencia 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 Musicas Sure Web Page . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39

–FIGURA 21 Tela Nıveis 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

–FIGURA 25 Arvore de Decisao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47

LISTA DE TABELAS

– ˜

˜

˜

˜

˜

˜

˜

˜

˜

˜

˜

˜

˜

˜

TABELA 1 Fase de Comunicacao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21

–TABELA 2 Fase de Planejamento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22

–TABELA 3 Fase de Modelagem . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22

–TABELA 4 Fase de Construcao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22

–TABELA 5 Organizacao das Partituras por Nıvel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44

–TABELA 6 Validacao Cruzada Estratificada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48

–TABELA 7 Matriz de Confusao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48

–TABELA 8 Taxas de Acuracia por Classe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49

–TABELA 9 Classificacao Suzuki Violin School Volume 1 . . . . . . . . . . . . . . . . . . . . . . . . 50









–TABELA 18 Classificacao Suzuki Violin School Volume 10 . . . . . . . . . . . . . . . . . . . . . . 56TABELA 19 - Cronograma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59

Edited with the trial version of

Foxit Advanced PDF Editor

To remove this notice, visit:

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

LISTA DE SIGLAS

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

SUMARIO

1 INTRODUCAO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9

1.1 DELIMITACAO DO TEMA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9

1.2 PROBLEMAS E PREMISSAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10

1.3 OBJETIVOS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13

1.3.1 Objetivo Geral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13

1.3.2 Metodo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13

1.4 JUSTIFICATIVA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14

2 FUNDAMENTACAO TEORICA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15

2.1 FUNDAMENTOS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15

2.2 TECNOLOGIAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15

2.3 CONCEITOS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18

2.4 TRABALHO RELACIONADOS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19

3 DESENVOLVIMENTO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20

3.1 VISAO GERAL DO SISTEMA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20

3.2 MODELO DE DESENVOLVIMENTO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20

3.3 CICLO DE VIDA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21

3.3.1 Fase de Comunicacao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22

3.3.2 Fase de Planejamento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22

3.3.3 Fase de Modelagem . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23

3.3.4 Fase de Construcao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23

3.4 ARTEFATOS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23

3.4.1 Analise de Requisitos do Sistema Sure . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24

3.4.2 Analise de Requisitos do Sure Web Service . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25

3.4.3 Analise 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 Sequencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36

3.5 ESPECIFICACAO DAS FUNCIONALIDADES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38

3.6 TELAS DE USUARIO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39

3.7 TECNOLOGIAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44

3.8 FERRAMENTAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44

4 EXPERIMENTOS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46

4.1 CONSTRUCAO DA BASE DE DADOS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46

4.2 CARACTERISTICAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47

4.3 CLASSIFICADOR . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48

4.4 RESULTADOS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48

4.5 ANALISE . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51

4.6 CONSIDERACOES EXPERIMENTAIS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58

5 CRONOGRAMA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59

6 CONSIDERACOES FINAIS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60

REFERENCIAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61

9

1 INTRODUCAO

A comunidade musical tem utilizado a partitura por muitos anos como representacao

de escrita simbolica de uma musica e como meio de aprendizado musical e de instrumentos

(BENNETT, 1986). A criacao das partituras contribuiu como uma forma de padronizacao mun-

dial das notacoes musicas. Diferentemente de hoje, antigamente nao era possıvel gravar musicas

e reproduzi-las, por isso a partitura musical serviu tambem na perpetuacao e continuidade de

obras musicais de musicos importantes como Beethoven e Mozart.

1.1 DELIMITACAO DO TEMA

Com o passar do tempo, a criacao de novas tecnologias no campo da musica passou

de uma conveniencia para uma necessidade. Desde entao, o computador e um componente

essencial utilizado na manipulacao da musica. O MIDI (Musical Instrument Digital Interface)

(GUERIN, 2008), desde sua criacao 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 digitalizacao da musica e comunicacao entre diferentes instrumentos eletronicos, e e uma

ferramenta que ainda e muito utilizada por sua eficacia (ANDERTON, 2014).

Os avancos tecnologicos proporcionaram tambem a criacao de muitas ferramentas,

como editores e conversores, para dar assistencia principalmente na construcao, manutencao

e preservacao das partituras. Nesse contexto, diversos softwares, dispositivos e formatos de

arquivos foram desenvolvidos e tem sido utilizados para ajudar no processo de integracao da

musica com o computador. Alguns desses formatos dao auxılio na edicao das partituras como

o MusicXML (GOOD, 2001) que facilita e da suporte em sua forma digital. No aprendizado

de instrumentos tambem ja existem sistemas capazes de apoiar a pratica dos instrumentos e da

musica de forma que facilite e estimule seu aprendizado (LIN, 2006; SONGQUITO, 2012),

porem metodos tradicionais como o metodo Suzuki (SUZUKI, 1978a) ainda continuam sendo

os mais adotados no ensino de instrumentos musicais por sua credibilidade com a comunidade

musical (ASSOCIATION, 2005).

10

1.2 PROBLEMAS E PREMISSAS

O processo de selecao de musicas no aprendizado de um instrumento e feito manual-

mente e exige amplo conhecimento musical em um instrumento especıfico. Por esse motivo, e

complexo selecionar musicas que possam compor um metodo de estudo e que possam servir de

apoio para os alunos. Para os educadores, atribuir nıveis as musicas de forma manual e traba-

lhoso e exige tempo, estudo e dedicacao. Alguns estudos ja foram propostos como alternativa a

esse problema (SEBASTIEN, 2012; CHIU, 2012). Por outro lado, esses trabalhos focam apenas

em musicas para piano e sao voltados para as dificuldades encontradas no desempenho deste

instrumento.

Estudantes de musica querem e deveriam progredir mais em seu conhecimento no

instrumento ao mesmo tempo em que ampliam seu repertorio musical. No entanto, a escolha

de musicas que queiram aprender e que, ao mesmo tempo, facam parte do seu nıvel atual de

conhecimento musical nao e tao simples. Diversas partituras estao disponıveis on-line mas

muitas vezes podem ser encontradas varias versoes ou variacoes diferentes da mesma musica

como no exemplo demonstrado nas Figuras 1 e 2 que retratam diversas variacoes da musica

”Brilha, Brilha, Estrelinha (Twinkle, Twinkle, Little Star)”(SUZUKI, 1978a). Muitas vezes essa

variedade de opcoes pode acabar dificultando na identificacao da versao ou do nıvel adequado.

Um outro problema e que sem a ajuda de um professor, os estudantes iniciantes de

musica podem ter muita dificuldade em definir quais musicas eles devem estudar se nao esti-

verem seguindo um metodo de ensino especıfico. Isso acaba limitando nao so a quantidade de

musicas que eles pode aprender inicialmente como tambem a quantidade de generos musicais

pelo fato de que os metodos mais utilizados nao tem uma variedade grande de generos musicais.

11

Figura 1 - Suzuki Violin School Volume 1 - Variacao A de Twinkle, Twinkle, Little Star.

Fonte: (SUZUKI, 1978a)

12

Figura 2 - Suzuki Violin School Volume 1 - Variacoes B, C, D e tema de Twinkle, Twinkle,

Little Star.

Fonte: (SUZUKI, 1978a)

13

1.3 OBJETIVOS

Na sequencia serao apresentados o objetivo geral e os objetivos especıficos.

1.3.1 OBJETIVO GERAL

O objetivo deste trabalho e o estudo e o desenvolvimento de uma ferramenta para

a organizacao automatica de nıveis de dificuldade em partituras musicais. A ferramenta ira

utilizar como base para a definicao dos nıveis de dificuldade o metodo didatico para instru-

mento musical Suzuki Violino para auxiliar estudantes de musica. A partir das musicas desse

metodo serao extraıdas caracterısticas que serao utilizadas no aprendizado de maquina na etapa

de classificacao. Apos a classificacao sera possıvel desenvolver uma ferramenta automatica que

ira definir e organizar as partituras em nıveis de dificuldade. Essa ferramenta sera 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 opcao de organiza-las por nıveis

de dificuldade.

1.3.2 METODO

• construcao da base de dados - selecao as musicas pelos nıveis de dificuldade baseado em

sua totalidade (partituras do metodo Suzuki Violin School vol. 1 ao 10);

• digitalizacao das partituras;

• extracao das caracterısticas;

• classificacao;

• analise dos resultados;

• desenvolvimento da ferramenta;

entrada de partitura;

extracao das caracterısticas da partitura;

classificacao;

definicao de nıvel;

organizacao;

• teste de Desempenho;

método do trabalho.

14

1.4 JUSTIFICATIVA

A musica e uma parte importante da arte e esta presente no cotidiano da sociedade. Ela

e considerada uma forma primordial de expressao criativa dos sentimentos e ate de comunicacao

social. E muito importante que ela continue a ser preservada e ensinada desde cedo pois ela

ajuda no desenvolvimento intelectual e psıquico dos indivıduos (CAETANO, 2012). O desen-

volvimento de tecnologias que colaborem no ensino da musica ou que facilitem sua introducao

no ensino e um estımulo 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 maquinas poderiam ser muito mais rapidas e efetivas. Alem disso, nao haveria mais

a necessidade do conhecimento de musica ou de um instrumento para realizar essa tarefa. A

ferramenta pretende ajudar musicos e aprendizes de musica na definicao de nıveis para estudo,

como tambem estimular o ensino personalizado da musica instrumental diminuindo da neces-

sidade da definicao manual de nıveis de dificuldade. Por exemplo, um estudante de musica esta

utilizando o metodo Suzuki como material para aprender violino e atualmente se encontra no

volume 3. Ele deseja aprender uma musica de sua preferencia, que nao se encontra no seu ma-

terial didatico, e mesmo que possa encontrar facilmente a partitura na Internet, ele quer saber se

esta partitura corresponde ao seu nıvel atual do Suzuki. Dessa forma, utilizando a ferramenta

seria possıvel identificar se a partitura que ele quer aprender corresponde a qual nıvel que se

compara ao Suzuki. Se a partitura apresentar um nıvel menos elevado que o seu, como 1 e

2, ele poderia aprende-la mais facilmente, porem se for um nıvel mais elevado, como 4, 5 ou

superior ele poderia ter maior dificuldade e talvez a solucao seria esperar ate que evolua um

pouco mais no instrumento para aprende-la. A ferramenta propoe facilitar a definicao de nıveis

nas partituras e constituir uma relacao aos nıveis estabelecidos pelo metodo Suzuki, incenti-

vando o uso personalizado na selecao de musicas para estudo. Assim, seria possıvel explorar

novos meios de aprendizado e estudo de musicas que nao se encontram nos metodos didaticos

tradicionais, deixando que os alunos aprendam seguindo suas proprias escolhas musicais. Estu-

dantes de musica poderiam aprender cancoes baseadas em seu interesse musical e explorar uma

diversidade maior de generos musicais pouco utilizados nos metodos de ensino tradicionais.

15

2 FUNDAMENTACAO TEORICA

Nessa sessao serao especificadas as tecnologias, fundamentos, conceitos e trabalhos

relacionados que sao a base para a definicao do trabalho proposto. Os termos a seguir sao

necessarios para o entendimento da abordagem na qual o trabalho sera realizado.

2.1 FUNDAMENTOS

Na sequencia serao apresentados os fundamentos que serao utilizados no trabalho.

Metodo Suzuki

O Metodo Suzuki (SUZUKI, 1978a) e um metodo de estudo de musica instrumental

que se apoia no princıpio chamado abordagem lıngua-mae em que criancas podem aprender

musica da mesma forma que aprendem sua lıngua nativa: ouvindo e repetindo. O violinista e

educador Shinichi Suzuki, criador do metodo, acreditava que comecar cedo e essencial, mas

que nunca e tao tarde para comecar. Atraves dos anos, sua filosofia transmitiu a milhares de

pessoas que o envolvimento dos pais e professores, licoes em grupo e aprender a tocar antes

de aprender a ler eram as chaves para um futuro promissor na musica. O metodo Suzuki e um

metodo muito conhecido e utilizado em todo o mundo como forma de aprendizado de diversos

instrumentos musicais (ASSOCIATION, 2005; AMERICAS, 1998).

2.2 TECNOLOGIAS

Na sequencia serao apresentadas as tecnologias que serao utilizadas no trabalho.

OMR

Sistemas de OMR (Optical Music Recognition) tem como proposito a conversao e

interpretacao de folhas de partituras para um formato digital manipulavel. Compositores, desde

muitos anos atras, tem escrito suas musicas no papel. Apesar da tecnologia musical ter avancado

significantemente, a quantidade de musicas que foram criadas ou transcritas em formato digital

16

ainda e pequena. As aplicacoes em OMR tentam ser uma alternativa no reconhecimento das

notacoes musicais, mas ainda ha muitos desafios levando em consideracao os diferentes tipos

de partituras escritas a mao ou com ma qualidade.

MusicXML

MusicXML e um formato de codigo aberto para partituras musicais digitais. Ele se des-

taca por usar um formato simples e flexıvel baseado em XML (eXtensible Markup Language).

Nos ultimos anos ele vem ganhando mais espaco na Internet pela sua eficiencia e facilidade. No

entanto, o PDF (Portable Document Format), apesar de nao possuir nenhum valor significativo

musical, continua sendo o formato de arquivo mais encontrado na internet na representacao

das partituras. Na internet existem diversos outros formatos digitais que tambem fazem essa

representacao das partituras e que caracterizam mais valores semanticos da musica, porem, es-

ses formatos sao pagos e especıficos de seus realizadores. O MusicXML aparece como uma

solucao possıvel 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 padrao

(GOOD, 2001). Ele pode tanto ser manipulado com editores de XML como com softwares

criados especificamente na edicao de notacao musical como Finale e MuseScore (MAKEMU-

SIC, 2015; MUSESCORE, 2015). O diferencial de usar esses softwares de notacao musical e

poder ler a partitura em tela, edita-la facilmente, reproduzı-la com players e imprimı-las sem a

necessidade de entender a sintaxe do XML.

As Figuras 3 e 4 mostram um exemplo de notacao e estrutura do MusicXML respec-

tivamente. Os exemplos referem-se a uma representacao da nota Semibreve Do baseada no

tempo 4/4.

Figura 3 - Exemplo de Notacao em MusicXML.

Fonte: (MAKEMUSIC, 2011)(Modificado)

17

Figura 4 - Exemplo da Estrutura do MusicXML.

Fonte: (MAKEMUSIC, 2011)(modificado)

jSymbolic

jSymbolic e um software de codigo aberto destinado a extracao de caracterısticas de

formatos simbolicos de musica. Diferentemente dos formatos de audio que gravam sinais de on-

das de som aproximadas, musicas simbolicas sao arquivos que retem intrinsecamente abstracoes

musicais de alto nıvel, por isso ele pode conter informacoes mais relevante da musica como,

por exemplo, tons e sequencia de notas (MCKAY, 2010). O jSymbolic foi desenvolvido para

ajudar na mineracao de dados de musica e pode ser utilizado na classificacao automatica con-

tando com cerca de 160 caracterısticas que podem ser extraıdas de arquivos MIDI. Essas ca-

racterısticas foram baseadas a partir de trabalhos do estado da arte envolvendo teoria musical e

MIR (Music Information Retrieval) e se dividem em categorias como instrumentacao, textura,

ritmo, dinamica, estatısticas de nota, melodia e acordes (MCKAY, 2006).

18

MIDI

MIDI e uma interface ou linguagem padrao que foi desenvolvida para possibilitar a

comunicacao entre computadores e instrumentos musicais. Ele define como e quais informacoes

sao transmitidas, manipuladas ou executadas pelos dispositivos que relacione-se com seu padrao

(GUERIN, 2008). Ele tambem e definido como protocolo que funciona por meio de controla-

dores, sequenciadores e modulos de som. O arquivo MIDI, nao retem som da mesma forma

que outros formatos de audio, na verdade ele guarda instrucoes de notas, tons e informacoes de

como essa musica deve ser tocada (KERR, 2009; ASSOCIATION, 2011).

ARFF

ARFF (Attribute-Relation File Format) e um formato de arquivo de texto que foi de-

senvolvido para ser utilizado no conceito de aprendizado de maquina. O ARFF descreve uma

lista de instancias que podem possuir diversos atributos. Ele funciona como uma matriz onde

cada linha de texto representa uma instancia, como por exemplo uma musica, e cada coluna

representa um atributo deste elemento, por exemplo, na instancia musica o atributo poderia ser

formato melodico (WAIKATO, 2002).

2.3 CONCEITOS

Na sequencia serao apresentados os conceitos que serao utilizados no trabalho.

Classificacao

A classificacao e uma tecnica de aprendizado de maquina no qual sao apresentados

uma serie de exemplos, ja classificados, que servirao de referencia para o aprendizado de uma

maquina, e espera-se que seja aprendido uma maneira de classificar outro exemplo ainda nao

conhecido pela maquina. Quando os metodos atuam perante supervisao fornecendo resultados

para cada exemplo de treinamento, denominados classes de exemplo, a classificacao e qualifi-

cada como supervisionada. As taxas de sucesso do aprendizado da maquina sao determinadas

a partir da descricao do conceito que e aprendido utilizando um conjunto independente de da-

dos para teste onde as classificacoes consideradas legıtima sao conhecidas mas nao mostradas

a maquina. Essas taxas medem a precisao na classificacao que e basicamente o quao bem esse

conceito foi aprendido (WITTEN, 2005).

19

2.4 TRABALHO RELACIONADOS

Na sequencia serao apresentados os trabalhos relacionados.

Score Analyzer

O Score Analyzer e uma ferramenta que foi proposta com o intuito de ajudar no apren-

dizado eletronico de partituras para piano. Essa ferramenta e basicamente um analisador de

partituras que pode definir de forma automatica nıveis 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 tecnicas instrumentais e a partir disso criar

parametros que caracterizassem as dificuldades. Eles puderam identificar sete criterios que de-

finiram como mais relevantes: velocidade de reproducao, dedilhado, deslocamento da mao,

polifonia, harmonia, ritmo e extensao, e a partir disso extrair as caracterısticas. Posteriormente

aplicaram o conceito de Analise de Componentes Principais para avaliar a credibilidade desses

criterios (SEBASTIEN, 2012).

Difficulty Level Recognition of Piano Sheet Music

O estudo de Chiu e Chen propos reconhecer nıveis de dificuldade de partituras criando

uma nova abordagem de selecao de caracterısticas baseadas em dificuldade. Eles analisaram a

semantica do conteudo musical simbolico, folhas de musica e partituras para piano e aplicaram

o conceito de regressao para estimar os nıveis de dificuldade. Seu trabalho utilizou duas base

de dados reais, contendo 159 e 184 partituras musicais respectivamente, com caracterısticas

diferenciadas que apresentaram uma precisao de 38,8% e 39,9% respectivamente utilizando a

estatıstica de coeficiente de determinacao (CHIU, 2012).

20

3 DESENVOLVIMENTO

Nessa sessao serao apresentados a descricao, especificacao e documentacao da ferra-

menta proposta no trabalho.

3.1 VISAO GERAL DO SISTEMA

A ferramenta proposta denominada Sure (SUzuki level REference) e um sistema de-

senvolvido na plataforma java que tem como principal funcionalidade a definicao automatica

de nıveis de dificuldade. Esse sistema tem o proposito de definir a dificuldade de musicas em

formato digital fundamentando-se nos padroes musicais dos livros Suzuki Violin School.

O sistema Sure tambem conta com um Web Service, uma tecnologia que possibilita

a integracao com outros sistemas web. Dessa forma, a funcionalidade de definicao de nıvel

de dificuldade pode ser utiliza em outras aplicacoes desde que estas fornecam o parametro

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 musica, exibicao de

partituras e definicao de nıveis de dificuldade por meio do sistema Sure e integracao pelo Sure

Web Service.

3.2 MODELO DE DESENVOLVIMENTO

No desenvolvimento de software sao necessarias 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 e o Modelo Sequencial Linear ou

Cascata por que atende as necessidades das atividades e da utilizacao do tempo de uma forma

simplificada.

21

3.3 CICLO DE VIDA

O Modelo em Cascata ou Ciclo de Vida Classico, e um processo utilizado na construcao

sistemas quando os requisitos sao bem ou razoavelmente bem definidos e o trabalho transcorre

em todas as fazes de forma contınua sem grandes alteracoes (PRESSMAN, 2010). O modelo,

apresentado na Figura 5 sugere uma comportamento contınuo, com uma organizacao sequencial

para o desenvolvimento do sistema.

Figura 5 - Ciclo de Vida em Cascata Adaptado.

Fonte: (PRESSMAN, 2010)(Adaptado)

22

3.3.1 FASE DE COMUNICACAO

A fase de construcao e caracterizada pela elaboracao do projeto e levantamento de requisitos

do sistema por meio da analise do contexto atual e da identificacao das necessidades. As

atividades da fase de comunicacao podem ser observadas na Tabela 1.

Atividades Descricao

Engenharia de Projeto Atividade que da o rumo principal do projeto. Define a vi-

abilidade da construcao do sistema, qual o proposito de ser

projetado e quais finalidades e problemas ira resolver.

Analise do cenario atual Esta atividade envolve uma pesquisa detalhada sobre o con-

texto atual, quais sistemas e trabalhos relacionados ja exis-

tem e o diferencial do sistema a ser desenvolvido.

Analise de requisitos Levantamento de informacoes pertinentes para elaboracao

de possıveis funcionalidades do sistema e restricoes de suas

operacoes.

Tabela 1 - Fase de Comunicacao

Fonte: Autoria Propria

3.3.2 FASE DE PLANEJAMENTO

A fase de planejamento visa organizar as atividades e definir as metas a serem atingidas em

relacao ao tempo. As atividades da fase de planejamento pode ser analisadas na Tabela 2.


Definicoes Definicao do Modelo de Desenvolvimento de projeto de software e Ci-

clo de vida adotado.

Cronograma Definicao do cronograma e estipulacao de prazos.

Pesquisa Definicao e pesquisa do banco de dados.

Tabela 2 - Fase de Planejamento


23

3.3.3 FASE DE MODELAGEM

A fase de modelagem tem o objetivo de criar representacoes que mostram as informacoes,

funcoes e comportamentos dos requisitos de software. As atividades da fase de modelagem

podem ser analisadas na Tabela 3.


Arquitetura de Software Definicao da arquitetura de modelagem, a representacao

abstrata do sistema.

Modelagem de Diagramas Elaboracao dos principais diagramas (caso de uso, ativida-

des, sequencia, pacotes, classes) que compoe o sistema.

Documentacao Elaboracao da documentacao de modelagem, mapeamento

e detalhamento de requistos.

Tabela 3 - Fase de Modelagem


3.3.4 FASE DE CONSTRUCAO

A fase de construcao e caracterizada pelo desenvolvimento e codificacao baseados nos

artefatos gerados na fase de modelagem. As atividades da fase de construcao podem ser

analisadas na Tabela 4.


Implementacao do banco de dados Criacao do banco de dados.

Implementacao das Interfaces Codificacao das paginas do usuario.

Implementacao das Classes Codificacao das logica do sistema.

Teste Avaliacao do desempenho do sistema

Tabela 4 - Fase de Construcao


3.4 ARTEFATOS

Nessa sessao serao descritos os artefatos gerados no desenvolvimento do sistema.

24

3.4.1 ANALISE DE REQUISITOS DO SISTEMA SURE

A analise de requisitos fornece informacoes 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 devera definir o nıvel de dificuldade da uma musica.

2. O sistema devera fornecer opcao de operar via tela de usuario.

3. O sistema devera fornecer opcao de operar via linha de comando.

Requisitos Suplementares

1. O sistema devera processar arquivos apenas no formato MusicXml.

2. O sistema devera utilizar as musicas do Suzuki Violin School Volume 1 a 10 como base de

dados para treinamento.

3. O sistema devera utilizar a API do jSymbolic para extracao de caracterısticas das musicas.

4. O sistema devera utilizar o API do Weka para classificacao.

5. O sistema devera ser desenvolvido na linguagem Java.

6. O sistema devera definir o nıvel de dificuldade das partituras atraves da classificacao

automatica.

Detalhamento dos Requisitos Funcionais

1. O sistema devera definir o nıvel de dificuldade da uma musica especificada.

Descricao: O sistema informa o nıvel de dificuldade da musica especificada pelo usuario.

Fluxo principal: Usuario digita campos especificados na tela de usuario ou parametros via

linha de comando.

Informacoes de entrada: nome da musica, caminho do arquivo e caminho do diretorio tem-

porario.

Restricoes Logicas:

1. Nao efetuar processo caso arquivo invalido ou inexistente.

Restricoes Tecnologicas:

1. O nome nao pode conter caracteres como (.) ou (/).

25

2. O caminho do arquivo nao pode conter caracteres como ( ), (.) ou (/). 3. Os formatos de

arquivos suportados sao apenas (.xml) e (.mxl).

4. Os campos Nome e Caminho do Arquivo nao podem ficar em branco.

2. O sistema devera fornecer opcao de operar via tela de usuario.

Descricao: O sistema opera via tela de usuario.

Fluxo principal: Usuario executa o programa clicando no ıcone.

Informacoes de entrada: Nao ha.

Restricoes Logicas: Nao ha. Restricoes Tecnologicas: Nao ha.

3. O sistema devera fornecer opcao de operar via linha de comando.

Descricao: O sistema opera via linha de comando.

Fluxo principal: Usuario executa o programa atraves do prompt de comando.

Informacoes de entrada: Caminho do programa.

Restricoes Logicas: Nao ha.

Restricoes Tecnologicas: Nao ha.

3.4.2 ANALISE DE REQUISITOS DO SURE WEB SERVICE


1. O sistema devera permitir o upload de um arquivo especificado.

2. O sistema devera fornecer parametros de saıda.


1. O sistema devera definir o nıvel de dificuldade da musica utilizando o sistema Sure.

2. O sistema devera operar como Web Service.



1. O sistema devera permitir o upload do arquivo especificado.

Descricao: O sistema faz o upload do arquivo.

Fluxo principal: O usuario informa caminho do arquivo.

26

Informacoes de entrada: Caminho do Arquivo.

Restricoes Logicas: nao ha


1. O caminho do arquivo nao podem ficar em branco.

2. O sistema devera fornecer parametros de saıda.

Descricao: O sistema fornece os parametros referente ao nıvel classificado e caminhos dos ar-

quivos.

Fluxo principal: O sistema classifica o arquivo do upload atraves do sistema Sure e retorna

parametros para a aplicacao.

Informacoes de entrada: Caminho do Arquivo.

Restricoes Logicas: nao ha.

Restricoes Tecnologicas: nao ha.

3.4.3 ANALISE DE REQUISITOS DO SURE WEB PAGE


1. O sistema devera permitir a criacao de cadastro de musica.

2. O sistema devera permitir a alteracao do cadastro de musica.

3. O sistema devera permitir a exclusao do cadastro de musica.

4. O sistema devera permitir a visualizacao das musicas cadastradas.

5. O sistema devera permitir que as musicas cadastradas sejam ordenadas por nome.

6. O sistema devera permitir que as musicas cadastradas sejam ordenadas por nıvel.

7. O sistema devera permitir a visualizacao das musicas em formato de partitura.


1. O sistema devera definir o nıvel de dificuldade da musica utilizando o Sure Web Service.

2. O sistema devera operar via web.

3. O sistema devera utilizar o MySQl como Sistema Gerenciador de Banco de Dados (SGBD).


27


1. O sistema devera permitir a criacao de cadastro de musica.

Descricao: O usuario deseja adicionar uma nova musica.

Fluxo principal: Na pagina de musicas o usuario clica na operacao de adicao e sera redireci-

onado para a pagina de cadastro de musica onde podera entrar com os dados da musica a ser

cadastrada e confirmar a operacao.

Informacoes de entrada: Dados da musica: Nome, Autor, Ano, Genero, Caminho do Arquivo.

Restricoes Logicas:

1. Nao efetuar cadastro caso algum campo seja invalido.

2. Nao efetuar cadastro o caso caminho do arquivo nao exista.


1. O nome nao pode conter caracteres como (.) ou (/)

2. Os formatos de arquivos suportados sao apenas (.xml) e (.mxl).


2. O sistema devera permitir a alteracao do cadastro de musica.

Descricao: O usuario deseja fazer a alteracao de uma musica.

Fluxo principal: Na pagina de musicas o usuario clica na operacao de alterar na linha referente

a musica que deseja atualizar e sera redirecionado para a pagina de alteracao de musica onde

serao carregados os dados da musica que podem ser alterados. Apos feita a alteracao desejada

o usuario confirma a operacao.

Informacoes de entrada: Dados da musica que deseja alterar: Nome, Autor, Ano, Genero.

Restricoes Logicas:

1. Nao efetuar atualizacao caso algum campo seja invalido.


1. O Nome da musica nao pode conter caracteres como (.) ou (/)


3. O sistema devera permitir a exclusao do cadastro de musica.

Descricao: O usuario deseja excluir uma musica.

Fluxo principal: Na pagina de musicas O usuario clica na operacao de exclusao na linha

referente a musica que deseja excluir e sera redirecionado para a pagina de exclusao de musica

onde serao carregados os dados da musica selecionada e podera confirmar a operacao.

Informacoes de entrada: Musica selecionada.

28



4. O sistema devera permitir a visualizacao das musicas cadastradas.

Descricao: O usuario deseja visualizar os dados das musicas cadastradas no sistema.

Fluxo principal: Em qualquer pagina o usuario clica na operacao Musicas no menu e sera

redirecionado para a pagina de musicas onde serao carregadas todas as musicas cadastradas.




5. O sistema devera permitir que as musicas cadastradas sejam ordenadas por nome.

Descricao: O usuario deseja visualizar as musicas ordenadas por nome.

Fluxo principal: Na pagina de musicas o usuario clica na operacao de ordenar por nome e a

lista de musicas sera organizada por nome de forma crescente(ordem alfabetica).




6. O sistema devera permitir que as musicas cadastradas sejam ordenadas por nıvel.

Descricao: O usuario deseja visualizar as musicas ordenadas por nome.

Fluxo principal: Na pagina de musicas o usuario clica na operacao de ordenar por nıvel e a

lista de musicas sera organizada por nıveis de forma crescente(1 ao 10).




7. O sistema devera permitir a visualizacao das musicas em formato de partitura.

Descricao: O usuario deseja visualizar a partitura da musica

Fluxo principal: Na pagina de musicas o usuario clica na operacao de visualizar partitura na

linha referente a musica que deseja visualizar e sera redirecionado para a pagina de exibicao de

partitura onde a musica selecionada sera carregada .

Informacoes de entrada: Musica selecionada.



29

3.4.4 DIAGRAMAS DE CASO DE USO

Os Diagramas de Caso de Uso apresenta uma sequencia de eventos com a finalidade

de demonstrar a interacao dos atores com o sistema.

A Figura 6 mostra o diagrama de caso de uso do sistema Sure onde o ator usuario pode

executar a atividade ligada a definir o nıvel de dificuldade que obrigatoriamente precisa chamar

a funcao de classificar a musica e consequentemente a funcao de treinamento.

Figura 6 - Diagrama de Caso de Uso Sistema Sure.


30

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 funcoes do pacote do sistema Sure para definir o nıvel de dificuldade.

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


31

A Figura 8 mostra o diagrama de caso de uso da plataforma Sure Web Page utilizando o Sure

Web Service na integracao com pacote do sistema Sure. O ator usuario pode executar

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

atividade adicionar musica obrigatoriamente executa a funcao de upload do Sure Web Service

que consequentemente executa funcoes do pacote do sistema Sure para difinir o nıvel de

dificuldade.

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


32

3.4.5 DIAGRAMA DE ATIVIDADES

O Diagrama de Atividades apresenta uma sequencia de atividades desempenhadas pelos atores

e o sistema em uma determinada operacao.

A Figura 9 mostra o diagrama de atividades na operacao de adicionar uma musica no Sure Web

Page, essa operacao integra todos os sistemas envolvidos e o ator usuario do Sure Web Page.

Figura 9 - Diagrama de Atividades: Integracao dos Sistemas.


33

3.4.6 DIAGRAMAS DE CLASSES

O Diagrama de Classes descreve a estrutura das classes e objetos que sao utilizados na

implementacao da logica do sistema.

A Figura 10 mostra o diagrama de classes do sistema Sure onde no pacote principal se

encontram as classes principal Main responsavel pela execucao do sistema, CommandLine res-

ponsavel pela execucao via linha de comando e a classe Sure responsavel pela funcao principal.

O pacote ”gui”contem a classe OuterFrame responsavel pela tela grafica do usuario. O pacote

util contem as classes responsaveis pelas funcoes de utilidade e controle de dependencias com

sistemas externos.

Figura 10 - Diagrama de Classes Sistema Sure.


34

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 metodos HTTP de web service. E o pacote Sure e um

pacote de dependencia do Sure Web Service observado anteriormente na Figura 10.

Figura 11 - Diagrama de Classes Sure Web Service.


35

A Figura 12 mostra o diagrama de classes do Sure Web Page. O pacote entity contem a classe

de entidade, o pacote control possui a classe MusicBean responsavel pelo funcoes de controle

com a interface, o pacote dao possui classes relacionadas a comunicacao 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.


36

3.4.7 DIAGRAMAS DE SEQUENCIA

O Diagrama de Sequencia apresenta uma sequencia de passos e mensagens para des-

crever o comportamento de uma funcionalidade do sistema.

A Figura 13 mostra diagrama de sequencia do sistema Sure na operacao de definir o

nıvel de dificuldade.

Figura 13 - Diagrama de Sequencia: Sitema Sure ”Definir Nıvel”.


37

A Figura 14 mostra diagrama de sequencia do Sure Web Page na operacao de adicionar

musica onde o Sure Web Service e utilizado.

Figura 14 - Diagrama de Sequencia: Sure Web Page ”Adicionar Musica”


38

3.5 ESPECIFICACAO DAS FUNCIONALIDADES

Para o sistema Sure definir a dificuldade de uma musica o arquivo fornecido pelo

usuario ou aplicacao deve passa por quatro estagios principais: (A) Conversao MusicXML para

MIDI, (B) Extracao de Caracterısticas, (C) Conversao AceXML para ARFF e (D) Classificacao

como demostrados na Figura 15.

Figura 15 - Funcionalidades do Sistema.


(A). Conversao MusicXML para MIDI

O estagio de conversao do arquivo MusicXML para arquivo MIDI no sistema Sure e

39

feito por meio das bibliotecas JFugue e MuseScore.

(B). Extracao de Caracterısticas

O estagio de extracao de caracterısticas e feito dentro do sistema Sure onde e impor-

tada da biblioteca do jSymbolic e e feita a chamada do extrator de caracterısticas do arquivo

MIDI selecionado e resulta em um arquivo AceXML com os nomes das caracterısticas e seus

respectivos valores numericos.

(C). Conversao AceXML para ARFF

O estagio de conversao do arquivo AceXML gerado pelo jSymbolic e feito dentro

sistema Sure que formata as instancias e atributos para o arquivo ARFF.

(D). Classificacao

O estagio de classificacao e feito dentro do sistema Sure que faz a importacao da bi-

blioteca Weka e a chamada do algoritmo de classificacao utilizando o arquivo de treinamento

(exemplos a serem aprendidos) e o arquivo de teste (amostra a ser classificada).

3.6 TELAS DE USUARIO

Nessa sessao serao apresentadas as telas graficas de usuario dos sistemas.

Sistema Sure: Tela Principal

A Figura 16 mostra a tela principal do sistema Sure quando executado pelo usuario.

A tela possui apenas tres campos que representam os parametros necessarios e um botao para

executar a funcao de classificar a musica.

Figura 16 - Tela Principal Sistema Sure.


40

Sure Web Service: Tela Inicial

A Figura 17 mostra a tela inicial do Sure Web Service quando executado pelo usuario.

A tela possui apenas dois botoes, o botao para selecao de um arquivo e o botao de upload para

executar a funcao de envio do arquivo para o servidor e classificacao 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 apos o upload e a classificacao

do arquivo. A tela mostra os parametros de saıda referente as variaveis do objeto Musica gerado

com os valores da classificacao.

Figura 18 - Tela Upload Sure Web Service.


41

Sure Web Page: Tela Inicial

A Figura 19 mostra a tela inicial que possui um menu principal podendo clicar em

operacoes como ir para tela de musicas cadastradas tanto por nome ou nıvel.

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


Sure Web Page: Tela de Musicas

A Figura 20 mostra a tela de musicas que exibe uma lista de musicas cadastradas

ordenas por nome. Nessa tela e possıvel tanto utilizar o menu principal quanto fazer operacoes

relacionas as musicas: adicionar nova, visualizar partitura, alterar e remover dados.

Figura 20 - Tela ”Musicas”Sure Web Page.


42

Tela de Nıveis: Sure Web Page

A Figura 21 mostra a tela de nıveis que funciona da mesma fora que a tela de musicas

porem a exibicao das musicas e ordenada por nıveis de dificuldade.

Figura 21 - Tela ”Nıveis”Sure Web Page.


Sure Web Page: Tela de Adicao de Musica

A Figura 22 mostra a tela de adicao de musica que exibe um formulario onde podem

ser inseridas as informacoes da nova musica a ser adicionada.

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


43

Sure Web Page: Telas de Alteracao e Remocao de Musica

A Figura 23 mostra a tela de alteracao tem um formulario onde sao exibidas as informacoes

da musica a serem alteradas e na tela de exclusao e exibida uma mensagem de confirmacao para

exclusao da musica.

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 atraves

do plug-in Myriad Music que permite diversas outras operacoes.

Figura 24 - Tela ”Partitura”Sure Web Page.


44

3.7 TECNOLOGIAS

A seguir serao descritas as tecnologias utilizadas na codificacao e documentacao do

sistema.

Java

Java (ORACLE, 2016a) e uma linguagem de programacao orientada a objetos utilizada

no desenvolvimento de diversos tipos de aplicacoes. Neste trabalho foi utilizada a plataforma

o Java EE (Java Platform, Enterprise Edition) que e focada no desenvolvimento corporativo e

web.

JavaServer Faces

JavaServer Faces (ORACLE, 2010) e uma tecnologia do Java EE para o desenvolvi-

mento de interfaces graficas de usuario. O JSF foi utilizado no desenvolvimento do Sure Web

Page permitindo a criacao e a interacao das paginas web com as operacoes logicas do sistema.

MySQL

MySQL (ORACLE, 2016b) e 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 e utilizado para gerenciar o banco

de dados fazendo consultas, insercoes, alteracoes e exclusoes dos dados e arquivos de musica.

3.8 FERRAMENTAS

A seguir serao demonstradas ferramentas utilizadas na codificacao e documentacao do

sistema.

Astah Community

Astah Community (VISION, 2006) e um software para criacao de diagramas UML

(Unified Modeling Language) para modelagem orientada a objetos. Neste trabalho o Astah

auxiliou na criacao dos artefatos e documentacao para descrever os sistemas.

JFugue

JFugue (KOELLE, 2015) e uma biblioteca voltada para a criacao, edicao e reproducao

de musica em aplicacoes Java. Neste trabalho ela foi utilizada para fazer a conversao dos arqui-

vos MusicXML para MIDI.

45

jSymbolic

O jSymbolic faz parte do sistema jMIR (MCKAY, 2013) utilizado na extracao de ca-

racterıstica para pesquisas e desenvolvimento em MIR. Neste trabalho o jSymbolic foi utilizado

na extracao de caracterısticas dos arquivos simbolicos em MIDI.

MuseScore

MuseScore (MUSESCORE, 2016) e um software para exibicao, edicao e exportacao

de musicas em diversos formatos digitais. Neste trabalho o MuseScore auxiliou na edicao,

correcao e conversao dos arquivos MusicXML e MIDI.

Myriad Music Plug-In

Myriad e um plug-in para paginas web que permite que musicas em formatos Mu-

sicXML possam ser exibidas, reproduzidas, transpostas, salvas e impressas, alem de contar

com uma serie de outras funcionalidades. Neste trabalho o plug-in Myriad foi utilizado na

exibicao das partituras no Sure Web Page.

NetBeans

NetBeans (ORACLE, 2016c) e um Ambiente de Desenvolvimento Integrado (IDE)

em diversas linguagens de programacao auxiliando na edicao, compilacao, modelagem, entre

outros. Neste trabalho foi utilizado no desenvolvimento da aplicacao em Java e conexao com

as bibliotecas, APIs (Application Programming Interface) e banco de dados.

SharpEye

SharpEye (VISIV, 2008) e um sistema OMR para a interpretacao de partituras em

formato de imagem para o formato digital. Neste Trabalho, o SharpEye auxiliou na conversao

dos formatos PDF para MusicXML.

WEKA

Weka e um pacote de software que incorpora uma serie de algoritmos de aprendizado

de maquina (Inteligencia Artificial) para a mineracao de dados (WAIKATO, 2013). Neste traba-

lho o Weka foi utilizado para fazer a classificacao tanto na parte de treinamento, onde o sistema

Sure ”aprendeu”tecnicas para definir o nıvel de dificuldade utilizando como exemplo o banco de

dados ja classificadas, como tambem na parte de teste, onde o sistema Sure apresenta o arquivo

a ser classificado e recebe o resultado classificado em um dos nıveis de dificuldade.

46

4 EXPERIMENTOS

Nesta sessao serao descritos todos as etapas dos experimentos realizados no trabalho.

4.1 CONSTRUCAO DA BASE DE DADOS

No desenvolvimento do sistema de classificacao automatica de dificuldade de partitura

de violino proposto neste trabalho foi preciso criar uma base de dados com informacoes que

definem o contexto de cada nıvel de dificuldade. Isso e necessario para que o sistema possa

”aprender” o que cada nıvel representa. Visando isso foi preciso utilizar um volume razoavel

de partituras ja classificadas na construcao de um banco de dados para servir como exemplo do

que cada nıvel se parece. Neste trabalho foram utilizados os livros Suzuki Violin School volu-

mes 1 a 10 (SUZUKI, 1978a, 1978b, 1978c, 1978d, 1978e, 1978f, 1978g, 1978h, 1978i, 1978j)

considerando que cada volume representa um nıvel de dificuldade. No total, a base possui 100

partituras organizadas de acordo com os nıveis de dificuldade apresentados na Tabela 5.

Suzuki Violin School Nıvel 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

Tabela 5 - Organizacao das Partituras por Nıvel

47

4.2 CARACTERISTICAS

Apos estabelecido o banco de dados foi necessario observar o que define a dificuldade,

ou seja, quais sao as caracterısticas que definem cada nıvel de dificuldade. Nesta etapa e preciso

extrair as caracterısticas de todas as musicas do banco de dados e separa-las por nıveis. O extra-

tor utilizado neste trabalho foi o jSymbolic que disponibiliza a extracao de 101 caracterısticas

simples e 11 vetores de caracterısticas, totalizando 1022 caracterısticas de valores numericos ba-

seados em Instrumentacao, Textura, Ritmo, Estatıstica de Nota, Melodia, Dinamica e Acordes.

O algoritmo de classificacao seleciona os atributos que melhor classificam os dados. Assim,

dentre 1022 caracterısticas extraıdas com o jSymbolic, 18 caracterısticas foram selecionadas

como atributos que melhor definem os nıveis de dificuldade. Na sequencia serao descritas as

caracterısticas selecionadas (MCKAY, 2010).

Caracterısticas baseadas em Ritmo (Rhythm)

• R-10 Number of Relatively Strong Pulses: Uma caracterıstica contendo o numero de

picos do histograma de batida com intensidade pelo menos 30% tao altas quanto a inten-

sidade dos picos com a maior intensidade.

• R-14 Beat Histogram: Um vetor de 161 caracterısticas contendo as intensidades do his-

tograma da batida. Apenas quatro instancias do vetor foram utilizadas (7, 10, 48 e 99).

Caracterısticas baseadas em Estatıstica Geral de Nota (Overall Pitch Statistics)

• P-7 Number of Common Pitches: Uma caracterıstica contendo o numero de passos que

conta individualmente ate pelo menos 9% de todas as notas.

• P-9 Pitch Class Variety: Uma caracterıstica contendo o numero de classes de notas usadas

pelo menos uma vez.

• P-19 Basic Pitch Histogram: Um vetor de 128 caracterısticas contendo as intensidades

dos histogramas de nota basica. Apenas quatro instancias do vetor foram utilizadas (66,

68, 89 e 93).

• P-20 Pitch Class Distribution: Um vetor de caracterıstica contendo as intensidades dos

histogramas das classes de nota. Apenas uma instancia do vetor foi utilizada (7).

• P-21 Fifths Pitch Histogram: Um vetor de 12 caracterısticas contendo a intensidade dos

histogramas de nota em quinta. Apenas uma instancia do vetor foi utilizada (5).

48

Caracterısticas baseadas em Melodia e Intervalo Melodico (Melody and Melodic Interval)

• M-1 Melodic Interval Histogram: Um vetor de 128 caracterısticas contendo as intensida-

des do histograma de intervalo melodico. Apenas tres instancias do vetor foram utilizadas

(6, 12 e 20).

• M-7 Number of Common Melodic Intervals: Uma caracterıstica contendo o numero de

intervalos melodicos que representa pelo menos 9% de todos os intervalos melodicos.

Caracterısticas baseadas em Dinamica (Dynamics)

• D-2 Variation of Dynamics: Uma caracterıstica contendo o desvio-padrao dos nıveis de

intensidade de todas as notas.

4.3 CLASSIFICADOR

No experimento, foi utilizado o algoritmo Arvore de Decisao (WITTEN, 2005). Este

e um algoritmo de classificacao supervisionada utilizado para prever a classe de um objeto

baseado no treinamento aprendido com os exemplos disponibilizados.

O algoritmo monta uma estrutura de arvore utilizando os testes de atributos e a partir

desta estrutura e possıvel classificar a amostra desconhecida sem necessariamente testar todos

os valores e seus atributos. Uma estrutura de arvore e basicamente um conjunto de nos que

possuem ramificacoes. Ha tres diferentes tipos de no: o no raiz, que e um unico no que inicia

a arvore; os nos comuns, que dividem um determinado atributo e geram ligacoes com outros

nos; e os nos folha que contem as informacoes de classificacao do algoritmo. Os testes que

dividem os atributos determinam a sequencia da classificacao de uma nova amostra, definindo

em qual classe a amostra se encaixa melhor. Neste trabalho os atributos sao representados

pelas caracterısticas citadas na sessao 4.2 e os nos folha contem as informacoes dos nıveis de

dificuldade.

4.4 RESULTADOS

Para a classificacao automatica de nıveis de dificuldade uma estrutura de arvore foi

montada atraves das caracterısticas selecionadas e pode ser observada na Figura 25. Os testes

dos valores das caracterısticas representam os atributos divisores e os nıveis de dificuldade os

nos folha. A arvore montada possui um total de 37 ramificacoes e 19 nos folha.

49

Figura 25 - Arvore de Decisao.


50

Para avaliar a precisao da classificacao de nıveis de dificuldade utilizando as carac-

terısticas citadas na sessao 4.2, foi aplicada a tecnica Validacao Cruzada (WITTEN, 2005) para

validar o modelo utilizado. Para um resultado preciso, essa tecnica visa utilizar como teste

as mesmas musicas utilizadas no treinamento. Para particionar esses dados foi empregado o

metodo leave-one-out. Esse metodo e uma aplicacao de n-fold, que faz uma subdivisao do con-

junto de dados em n partes iguais. Cada subconjunto e utilizado para teste e os outros para

treinamento, isso e repetido um numero n de vezes. No leave-one-out, o numero definido em n

representa o numero de instancias utilizadas. Neste experimento apresentam-se 100 instancias,

entao, foi feita uma validacao cruzada leave-one-out por 100 vezes. Os resultados da validacao

cruzada podem ser observados na Tabela 6.

Instancias Classificadas Corretamente 49 (49%)

Instancias Classificadas Incorretamente 51 (51%)

Numero Total de Instancias 100

Tabela 6 - Validacao Cruzada Estratificada

A matriz de confusao (WITTEN, 2005) permite visualizar a performance do algoritmo

aplicado demonstrando quais instancias foram classificadas em quais classes. A Tabela 7 apre-

senta a matriz de confusao do experimento desempenhado utilizando a classificacao de nıveis

de dificuldade. As colunas da matriz representam a quantidade de instancias classificadas na

classe enquanto as linhas mostram a classe real em que essa instancia pertence. A diagonal prin-

cipal da matriz representa as instancias 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

Tabela 7 - Matriz de Confusao

51

As taxas de acuracia do algoritmo sao calculadas atraves de valores como TP (True Po-

sitive) que representa a proporcao de verdadeiros positivos, por exemplo, instancias da classe n1

que foram corretamente classificadas como n1; FP (False Positive) que representa a proporcao

de falsos positivos, por exemplo, instancias de outras classes que foram incorretamente clas-

sificadas como n1; FN (False Negative) que representa a proporcao de falsos negativos, por

exemplo, instancias da classe n1 que foram incorretamente classificados como outras classes;

TN (True Negative) representa a proporcao de verdadeiros negativos, por exemplo, todas as de-

mais instancias que nao foram classificadas como n1. A Tabela 8 apresenta as taxas de acuracia

de cada nıvel 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 (Precisao)

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

Media ponderada 0.41 0.058 0.376

Tabela 8 - Taxas de Acuracia por Classe

4.5 ANALISE

Essa sessao apresenta uma analise detalhada dos resultados obtidos na sessao 4.4.

52

Na utilizacao do metodo leave-one-out, que literalmente significa ”deixar um de fora”,

como o proprio nome diz, uma instancia e deixada de fora do treinamento e essa mesma

instancia e utilizada como teste. Neste caso, cada musica 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 tecnica proporciona resultados bastante precisos, porem tem

um custo computacional alto, por isso e mais indicada quando o numero de instancias e baixo

(WITTEN, 2005).

As tabelas a seguir apresentam os resultados da classificacao utilizando as musicas do

Suzuki Violin School. Cada musica do volume possui o nıvel estabelecido na sessao 4.1 e um

nıvel a qual foi classificado como teste neste experimento.

Ref. Nome da Musica Nıvel Estabelecido Nıvel 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



v1-20 The Happy Farmer n1 n1

v1-21 Gavotte n1 n5

Tabela 9 - Classificacao Suzuki Violin School Volume 1

53

A Tabela 9 mostra os resultados da classificacao das musicas do Suzuki Violin School

Volume 1, onde o nıvel estabelecido para este volume e n1. Nesta tabela e possıvel observar

que 17 das 21 instancias de musica foram classificadas corretamente e 4 classificadas incorre-

tamente, uma taxa de acerto de aproximadamente 81%. Na musica v1-9, classificada como n9,

e possıvel identificar algumas similaridades com as musicas do volume 9, como por exemplo a

utilizacao de armadura de clave com tres sustenidos o que poderia ser o motivo da classificacao

erronea. Ja v1-13 e v1-16 foram classificadas como n2, nıvel considerado proximo do nıvel

estabelecido, o que tambem pode indicar semelhancas entre as musicas do volume 1 e 2, e con-

sequentemente nos nıveis n1 e n2. A musica v1-21 foi classificada como n5, neste caso pode-se

identificar uma semelhanca no estilo musical da partitura, onde ambas sao 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



Volume 2, onde o nıvel estabelecido para este volume e n2. Nesta tabela e possıvel observar que

12 das 13 instancias de musica foram classificadas corretamente e apenas 1 classificada incor-

retamente, uma taxa de acerto de aproximadamente 92%. Na musica v2-7, classificada como

n1, existem algumas semelhancas como tempo de compasso predominante 4/4 e repeticoes

contınuas de compassos tambem encontradas nas musicas do volume 1.

54


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




4 das 7 instancias de musica foram classificadas corretamente e 3 classificadas incorretamente,

uma taxa de acerto de aproximadamente 57%. Na musica v3-2, classificada como n1, identifica-

se uma semelhanca com algumas musicas do volume 1 como sendo do mesmo estilo musical

Minuet que possui compassos de 3/4 tempos. Nas musicas v3-4 e v3-5 ha uma ocorrencia de

armaduras de clave com dois sustenidos e dois bemois tambem encontradas em algumas musica

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





uma taxa de acerto de aproximadamente 71%. A musica v4-4, classificada como n5, e um

concerto, assim como varias musicas do volume 5, alem de ser de um nıvel proximo. Ja a musica

55

v4-7 classificada como n1 nao indica nenhuma semelhanca aparente em relacao as musicas 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




que apenas 2 das 9 instancias de musica foram classificadas corretamente e 7 classificadas in-

corretamente, uma taxa de acerto de aproximadamente 22%. Na musica 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 musicas. Nas demais musicas classificadas incorretamente, com

excecao de v5-6, foram atribuıdos nıveis proximos ao nıvel estabelecido.


v6-1 La Folia (1) n6 n7

v6-2 La Folia (2) n6 n5

v6-3 Sonata No 3 (1) n6 n5


v6-5 Allegro n6 n4

v6-6 Gavotte n6 n8





56



que apenas 1 das 9 instancias de musica foram classificadas corretamente e 8 classificadas

incorretamente, uma taxa de acerto de 11%. Apesar dos acertos terem sido baixo em relacao

ao nıvel estabelecido neste nıvel, boa parte das musicas classificadas incorretamente foram

atribuıdos nıveis proximos ao nıvel estabelecido.


v7-1 Minuet n7 n1

v7-2 Courante n7 n1

v7-3 Sonata No 1 n7 n6

v7-4 Concerto No 1 (1) n7 n5



v7-7 Courante No 4 n7 n6

v7-8 Gigue No 4 n7 n1

v7-9 Allegro n7 n2





uma taxa de acerto de aproximadamente 11%. O volume 7 obteve apenas 1 acerto, porem,

assim como volume 5 e 6 que tambem uma taxa de acerto baixa, algumas musicas foram classi-

ficadas em nıveis relativamente proximos ao estabelecido. As musicas v7-1, v7-2, v7-7 e v7-8

que apresentaram nıveis mais distantes do estabelecido podem ter tido suas classificacoes base-

adas em similaridades com os volumes 1 e 2 como estilo do ritmo Minuet e predominancia de

compassos de 3/4 tempos.

57


v8-1 Sonata in G Minor (1) n8 n8



v8-4 Tambourin n8 n5

v8-5 Largo n8 n6

v8-6 Allegro n8 n8

v8-7 Largo Espressivo n8 n8

v8-8 Sonata (1) n8 n1







que 5 das 11 instancias de musica foram classificadas corretamente e 6 classificadas incorreta-

mente, uma taxa de acerto de aproximadamente 45%. Na musica v8-2, classificada como n5,

identifica-se o uso de escala menor em Sol ou ”G minor”tambem identificados no volume 5. Ja

a musica v8-3, classificada como n6, pode ter sido assim classificada pela proximidade de estilo

musical como Sonata encontrado tambem no volume 6.


v9-1 Concerto in A Major (1) n9 n9




v9-5 The First Movement n9 n2

v9-6 The Second Movement n9 n8

v9-7 The Third Movement (1) n9 n3

v9-8 The Third Movement (2) n9 n9


58




uma taxa de acerto de aproximadamente 25%. A musica v9-4, classificada como n1, demonstra

uma prevalencia de armaduras de clave com tres sustenidos, assim como boa parte das musicas

do volume 1.


v10-1 Concerto in D Major (1) n10 n1



v10-4 First Movement Allegro n10 n7

v10-5 The Second Movement Andante Cantabile n10 n1

v10-6 The Third Movement n10 n1




que nenhuma das 6 instancias de musica foram classificadas corretamente, uma taxa de acerto

de 0%. A musica v10-1, classificada como n1, apresenta tempo de compasso 4/4 assim como a

boa parte das musicas do volume 1. As musicas v10-2 e v10-5, classificada tambem como n1,

possui armaduras de clave com tres sustenidos, assim como a maioria das musicas do volume

1. Ja a musica v10-4, classificada como n7, apresenta armadura de clave com dois sustenidos

como aparecem tambem em algumas musicas do volume 7.

4.6 CONSIDERACOES EXPERIMENTAIS

De modo geral o sistema consegue definir bem os primeiros volumes, no entanto, nos

nıveis mais avancados ele nao apresentou resultados satisfatorios. Como o numero de instancias

e baixo, pode ser difıcil para o classificador definir precisamente os nıveis de dificuldade. Con-

tudo, pode-se observar que 16% das musicas, apesar de classificadas incorretamente, foram

posicionadas em classes muito proximas (considerando ate 1 nıvel acima ou abaixo) e 26% da

musicas, em classes proximas ou moderadamente proximas (considerando ate 2 nıveis acima ou

abaixo). Se analisada essa circunstancia, 65% das vezes o sistema classificou a musica no nıvel

correto ou em nıveis muito proximos e 75% das vezes no nıvel correto, em nıveis proximos

ou moderadamente proximos. Outro fator relevante e que em 34% das vezes as musicas foram

classificadas em nıveis abaixo do nıvel estabelecido contra apenas 17% das vezes em nıveis

acima do estabelecido.

59

5 CRONOGRAMA

O cronograma apresentado na Tabela 19 mostra as atividades desempenhadas no de-

correr do trabalho. As atividades foram divididas em nove meses, tendo como inıcio o mes de

outubro de 2015 e termino no mes de junho de 2016.

A primeira fase do trabalho, que abordou a etapa de pesquisa, foi desempenhada nos

meses de outubro a dezembro de 2015. A segunda fase, que abordou a etapa de desenvolvi-

mento, foi desempenhada entre os meses de dezembro de 2015 e maio de 2016.

Atividades / Meses Out Nov Dez Jan Fev Mar Abr Mai Jun

Construcao da Base de Dados X X

Documentacao X X X X

Digitalizacao das Partituras X

Extracao das Caracterısticas X

Classificacao X

Analise dos Resultados X X X X X

Desenvolvimento do sistema Sure X X X X X

Desenvolvimento do Sure Web Service X X

Desenvolvimento do Sure Web Page X X

Teste de Desempenho X X X X

Elaboracao da Monografia X X X X X X X X

Correcoes finais X X

Defesa do Trabalho X

Tabela 19 - Cronograma

60

6 CONSIDERACOES FINAIS

Neste trabalho foi analisado um metodo de classificacao de nıveis de dificuldade para

o desenvolvimento de uma ferramenta que fosse capaz de classificar uma nova partitura mu-

sical em um nıvel de dificuldade. O resultado dessa analise demonstrou que a classificacao

automatica de nıveis de dificuldade utilizando as musicas do Suzuki Violin School nos padroes

estabelecidos resultou em uma precisao de cerca de 49%. No entanto, com esse trabalho foi

possıvel estudar uma nova forma de classificar e organizar os nıveis de dificuldade de uma

musica.

E importante notar que a maior parte dos dados posicionados incorretamente foram

classificados em nıveis proximos ao nıvel correto estabelecido. A classificacao de nıveis de di-

ficuldade, diferentemente de alguns outros tipos de classificacao em que precisao e baseada es-

tritamente nos acertos, pode ser considerada um tanto flexıvel quanto ao seu resultado. Mesmo

que o resultado nao indique a classe correta, a classificacao em outras classes que tenham pro-

ximidade com a classe correta e, de alguma forma, valida. Alem disso, existem poucos estudos

que fazem esse tipo de definicao automatica de nıveis de dificuldade, por isso, independente do

resultado deste, ainda sim e um dos poucos trabalhos existentes na area. Visando isso, outras

pesquisas na area sao necessarias utilizando este mesmo conceito de nıveis de dificuldade.

Uma proposta para trabalhos futuros seria explorar a utilizacao de uma quantidade

maior de musicas, como tambem outros livros de ensino de musica ou ate mesmo os livros do

Suzuki para outros instrumentos. Outra abordagem que poderia ser explorada seria o uso de di-

ferentes tipos de caracterısticas que definissem a musica com conceitos diferenciados, questoes

baseadas na dificuldade do aprendizado ou de um instrumento especıfico. E importante que esse

tema continue a ser estudado e que novas ferramentas sejam desenvolvidas para que possam es-

timular nao somente no ensino da musica mas na sua preservacao, acesso e entendimento.

61

REFERENCIAS

AMERICAS, S. A. of the. About the Suzuki Method. 1998. Acesso em 21 de setembro de

2015. Disponıvel em: <https://suzukiassociation.org/about/suzuki-method/>.

ANDERTON, C. Midi reloaded. Keyboard Magazine, p. 38–47, Mar. 2014.

ASSOCIATION, I. S. The Suzuki Method. 2005. Acesso em: 17 de setembro 2015. Disponıvel

em: <http://internationalsuzuki.org/method.htm>.

ASSOCIATION, M. The Technology of MIDI. 2011. Acesso em: 18 de setembro de 2015.

Disponıvel em: <http://www.midi.org/aboutmidi>.

BENNETT, R. Uma breve historia da musica. Rio de Janeiro: Zahar. 1986.

CAETANO, M. C. A importancia da musica na formacao do ser humano em perıodo escolar.

Educacao em Revista, v. 13, n. 2, p. 71–80, Jul.-Dez., 2012.

CHIU, S.-C. A study on difficulty level recognition of piano sheet music. Proceedings of the

IEEE International Symposium on Multimedia, p. 17–23, Dez., 2012.

GOOD, M. Musicxml: An internet-friendly format for sheet music. XML Conf. & Expo, p. 12,

2001.

GUERIN, R. MIDI Power! The Comprehensive Guide. 2. ed. [S.l.]: Course Technology,

2008.

KERR, D. Midi - the musical instrument digital interface. Mar. 2009.

KOELLE, D. JFugue: Music Programming for Java and JVM Languages. 2015. Disponıvel

em: <http://www.jfugue.org/>.

LIN, C.-C. An inteligent virtual piano tutor. Proceedings of the 2006 ACM International

Conference on Virtual Reality Continuum and its Aplications, p. 353–356, Jun. 2006.

MAKEMUSIC. MusicXML - Hello World. 2011. Acesso em 19 de setembro de 2015. Dis-

ponıvel em: <http://www.musicxml.com/tutorial/hello-world>.

MAKEMUSIC. Finale: The World Standard in Music Notation Software. 2015. Disponıvel

em: <http://www.finalemusic.com/>.

MCKAY, C. jsymbolic: A feature extractor for midi files. Proceedings of the International

Computer Music Conference, p. 302–5, 2006.

MCKAY, C. Automatic Music Classification with jMIR. Tese (Doutorado) — McGill Uni-

versity, Montreal, 2010.

MCKAY, C. jMIR. 2013. Disponıvel em: <https://jmir.sourceforge.net/>.

62

MUSESCORE. MuseScore: Create play and print beautiful sheet music. 2015. Acesso em

21 de setembro de 2015. Disponıvel em: <https://musescore.org/pt-br>.

MUSESCORE. MuseScore. 2016. Acesso em 05 de fevereiro de 2016. Disponıvel em:

<https://musescore.org/pt-br>.

ORACLE. JavaSever Faces Technology. 2010. Acesso em 05 de Fevereiro de 2016. Disponıvel

em: <http://www.oracle.com/technetwork/java/javaee/javaserverfaces-139869.html>.

ORACLE. Java. 2016. Acesso em 05 de Fevereiro de 2016. Disponıvel em:

<https://www.java.com/>.

ORACLE. MySql. 2016. Acesso em 05 de fevereiro de 2016. Disponıvel em:

<http://www.mysql.com/>.

ORACLE. NetBeans. 2016. Acesso em 05 fevereiro de 2016. Disponıvel em:

<https://netbeans.org/>.

PRESSMAN, R. Engenharia de software. [S.l.]: Sao Paulo: MCGRAW-HILL, 2010.

SEBASTIEN, V. Score analyzer: Automatically determining scores difficulty level for instru-

mental e-learing. Proceedings of the13th International Society for Music Information Re-

trieval Conference, p. 571–576, 2012.

SOMMERVILLE, I. Engenharia de software. [S.l.]: Addison Wesley, 2003.

SONGQUITO. Song2See. 2012. Acesso em 20 de setembro de 2015. Disponıvel em:

<http://www.songs2see.com/index.php/en/>.

SUZUKI, S. Suzuki Violin School. [S.l.]: Summy-Birchard Inc., 1978. Volume 1.










VISION, C. Astah Community. 2006. Acesso em 05 de fevereiro de 2016. Disponıvel em:

<http://astah.net/editions/community>.

VISIV. SharpEye Music Scanning. 2008. Acesso em 05 de fevereiro de 2016. Disponıvel em:

<http://www.visiv.co.uk/>.

63

WAIKATO, M. L. G. at the University of. Attribute-Relation File Format. 2002. Acesso em

21 de setembro de 2015. Disponıvel em: <http://www.cs.waikato.ac.nz/ml/weka/arff.html>.

WAIKATO, M. L. G. at the University of. Weka 3: Data Mining Software in Java. 2013.

Disponıvel em: <http://www.cs.waikato.ac.nz/ml/weka/>.

WITTEN, I. Data Mining: Practical Machine Learning Tools and Techniques. 2. ed. [S.l.]:

Morgan Kaufmann, 2005.

Documents

UNIVERSIDADE TECNOL OGICA FEDERAL DO PARAN´ A