Datalogisk tænkning – eller „computationel tankegang“ – fylder en del i uddannelsessystemet for tiden. Det er dog ret sjældent, at der henvises til musikfaget, også selv om datalogisk tænkning skulle være en dimension i alle fag. Så hvad kan et datalogisk perspektiv på musik bibringe? Jeg vil prøve at samle nogle eksempler.

Umiddelbart kan man henvise til forskellige systemer, hvor man programmerer musik eller lyd. Jeg kender i hvert fald Sonic Pi, EarSketch og ChucK. Set ud fra en rent musikfagligt synsvinkel synes jeg dog ikke, at udbyttet er imponerende, medmindre man er interesseret i nogle ret specielle forhold. Snarere kan sådanne programmer fungere som en motiverende måde at lære om kodning, hvilket selvfølgelig er fint nok – bare ikke så musikfagligt interessant.

Mere mening giver det, hvis man ser på nogle af de grundlæggende dele, der fremhæves som en del af datalogisk tænkning som dekomposition, mønstergenkendelse, datarepræsentation, generalisering, abstraktion, algoritmer. For eksempel kan man opstille en model for et typisk kontraststykke fra 50’erne og frem som et rutediagram (flow chart):

Her er der arbejdet med dekomposition (opdeling af et nummer i „stykker“/formdele), generalisering/abstraktion (toner sammenfattes til akkorder, akkorder ses i forhold til grundtonen i stedet for absolut), datarepræsentation (i form af trinbetegnelser mv.) og ikke mindst mønstergenkendelse. Anvendt som opskrift på egne kontraststykker kan modellen også fungere som algoritme. Det simple eksempel viser, hvordan disse aspekter kan indgå i musikfaget på en ganske „naturlig“ måde. Man kan så spørge, hvad den musikfaglige gevinst er ved at anskue musik ud fra datalogisk tænkning? Her synes jeg trods alt, at vinklen bidrager til at fokusere lidt anderledes, end man måske er vant til – altså ikke en revolutionerende forandring, men snarere et bidrag til eksisterende synsvinkler.

Et eksempel på mere formaliserede modeller af musikalske fænomener kan findes i min ph.d.-afhandling Musikalske normer i populærmusik, hvor jeg opstiller nogle formelle modeller for melodirytme. Ideen var kort fortalt, at selve arbejdet med at opstille og afprøve rytmemodellerne – både ved at teste dem på eksisterende musik og ved at lade programmet generere nye rytmer – kan være en hjælp til formuleringen af en stilfornemmelse. Opstillingen af nogle regler, der var så præcise, at de kunne implementeres i et computerprogram (i afhandlingen anvendte jeg Prolog), tvang mig til en præcision, der gav nye indsigter.

Man kan også mere overordnet kigge nærmere på musikfagets datarepræsentationer.

• Hvilke datarepræsentationer anvender man i musikfaget? (Fx noder, becifringer og en række andre symboler som og ff…)
• Hvilke sider af musik har vi repræsentationer for? Og hvilke mangler vi? (Fx repræsenteres tonehøjde lettere end klang…)
• Kender vi til alternative repræsentationer? (Fx pianorullenotation, særlige symboler for ny musik, lydformningssymboler, neumer…)

Disse spørgsmål kan naturligvis også betragtes historisk, ligesom man kan tolke, hvilke musiksyn der derigennem kommer til udtryk.

Et interessant eksempel på anvendelsen af data finder man i artiklen Are Pop Lyrics Getting More Repetitive? Her opstilles et mål for gentagelse i sangtekster, og tekster sammenlignes fra forskellige perioder og kunstnere. Ved at præsentere en ny måde at se sangtekster på, tilbydes man nye fortolkningsvinkler. Er gentagelse godt eller dårligt? Hvilket formål tjener det? Hvorfor er der så stor spredning? Hvorfor er der en udvikling i graden af gentagelse fra årti til årti? Osv.

Man kunne komme med mange flere eksempler, og her vil jeg henvise til bogen Computational Thinking in Sound, der er fuld af gode betragtninger.