KaydedilenlerDerginizi ekleyin

Dergiler / Yegah Müzikoloji Dergisi / 2026 / Cilt: 9 Sayı: 2

MÜZİKOLOJİ VE İCRA PRATİKLERİNİN YENİDEN YAPILANDIRILMASINDA DİJİTALLEŞMENİN GETİRDİĞİ YENİ PERSPEKTİFLER

NEW PERSPECTIVES BROUGHT BY DIGITALIZATION IN THE RECONFIGURATION OF MUSICOLOGY AND PERFORMANCE PRACTICES

Ali Ayhan(İNÖNÜ ÜNİVERSİTESİ)0000-0001-5850-9887
Güven Akşit(İNÖNÜ ÜNİVERSİTESİ, EĞİTİM BİLİMLERİ ENSTİTÜSÜ, MÜZİK EĞİTİMİ (DR))0000-0002-2672-7502
Zeynel Şentürk0000-0001-6218-9652
Sayfa
1303–1335
Yayın Tarihi
2026-06-09
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Araştırma bulguları, dijitalleşmenin müzikoloji ve icra pratiklerinde teknik araçların çeşitlenmesinin ötesine geçen bir dönüşümle ilişkili olduğunu; müziksel bilginin üretilmesi, korunması, yorumlanması, dolaşıma girmesi ve hukukî olarak tanımlanması süreçlerinde çok boyutlu değişimlerin ortaya çıkabildiğini düşündürmektedir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Bu çalışma, dijitalleşmenin müzikoloji ve icra pratikleri üzerindeki etkilerini çok boyutlu bir çerçevede incelemeyi amaçlamaktadır.
📊
Temel Bulgular & Veri:Araştırmada veri temelli yeni müzikoloji yaklaşımları, yapay zekâ destekli müzikal üretim süreçleri, dijital arşivleme ve kültürel bellek uygulamaları, performans analitiği ve icra araştırmaları, dijital estetik ve streaming kültürü ile telif hakları ve dijital haklar tartışmaları tematik eksenler doğrultusunda ele alınmıştır.
💡
Sonuç & Katkı:Araştırma bulguları, dijitalleşmenin müzikoloji ve icra pratiklerinde teknik araçların çeşitlenmesinin ötesine geçen bir dönüşümle ilişkili olduğunu; müziksel bilginin üretilmesi, korunması, yorumlanması, dolaşıma girmesi ve hukukî olarak tanımlanması süreçlerinde çok boyutlu değişimlerin ortaya çıkabildiğini düşündürmektedir.
🔬Tür:Uygulamalı Anket & Alan Araştırması
📍Kapsam:2020 Verileri
⚙️Değişkenler:Dijital arşivler · dijital müzikoloji · müzik performans analitiği

Özet

Bu çalışma, dijitalleşmenin müzikoloji ve icra pratikleri üzerindeki etkilerini çok boyutlu bir çerçevede incelemeyi amaçlamaktadır. Araştırmada veri temelli yeni müzikoloji yaklaşımları, yapay zekâ destekli müzikal üretim süreçleri, dijital arşivleme ve kültürel bellek uygulamaları, performans analitiği ve icra araştırmaları, dijital estetik ve streaming kültürü ile telif hakları ve dijital haklar tartışmaları tematik eksenler doğrultusunda ele alınmıştır. Araştırma, nitel bir derleme araştırması olarak tasarlanmış; sistematik tarama ilkelerine dayalı yarı sistematik (semi-systematic) bir literatür incelemesi ile tematik analiz yaklaşımı birlikte kullanılmıştır. Literatür taraması kapsamında Web of Science, Scopus, Google Scholar ve IEEE Xplore veri tabanlarında 1 Ocak 2020 ile 31 Mart 2026 tarihleri arasında gerçekleştirilen taramalar sonucunda toplam 186 yayına ulaşılmış; yinelenen kayıtların çıkarılması ve ön değerlendirme sürecinin ardından 74 çalışma ayrıntılı incelemeye alınmış, tematik uygunluk ve içerik ölçütleri doğrultusunda belirlenen 44 çalışma analiz kapsamına dâhil edilmiştir. Elde edilen veriler tematik analiz yaklaşımıyla değerlendirilmiştir. Araştırma bulguları, dijitalleşmenin müzikoloji ve icra pratiklerinde teknik araçların çeşitlenmesinin ötesine geçen bir dönüşümle ilişkili olduğunu; müziksel bilginin üretilmesi, korunması, yorumlanması, dolaşıma girmesi ve hukukî olarak tanımlanması süreçlerinde çok boyutlu değişimlerin ortaya çıkabildiğini düşündürmektedir. Veri temelli yeni müzikoloji yaklaşımlarının repertuvar incelemelerini daha geniş ölçekli veri analizleriyle desteklediği, yapay zekâ destekli üretim sistemlerinin yaratıcılık ve özgünlük tartışmalarını yeniden görünür hâle getirdiği, dijital arşivlerin kültürel belleğin korunması ve yeniden dolaşıma sokulmasına katkı sunduğu, performans analitiğinin icra araştırmalarına veri temelli ve çok modlu bir boyut kazandırdığı görülmüştür. Ayrıca streaming platformlarının müziksel dolaşım ve dinleme pratiklerini algoritmik öneri sistemleri aracılığıyla etkileyebildiği; telif hakları ve dijital haklar bağlamındaki tartışmaların ise müzikoloji araştırmalarında hukukî ve etik boyutları daha görünür hâle getirdiği anlaşılmıştır. Sonuç olarak çalışma, dijitalleşmenin müzikoloji ve icra pratiklerinde yalnızca yöntemsel bir genişleme oluşturmadığını; bilgi üretimi, kültürel dolaşım, performans inceleme ve hukukî düzenlemeler arasındaki ilişkileri yeniden biçimlendirebilen çok katmanlı bir dönüşüm alanı sunduğunu düşündürmektedir.

Abstract

This study aims to examine the multidimensional effects of digitalization on musicology and performance practices. The study addresses major transformation domains through thematic axes, including data-driven new musicology approaches, artificial intelligence-assisted musical production processes, digital archiving and cultural memory practices, performance analytics and performance research, digital aesthetics and streaming culture, as well as debates surrounding copyright and digital rights. The research was designed as a qualitative review study and employed a semi-systematic literature review based on systematic screening principles in combination with thematic analysis. Literature searches were conducted between January 1, 2020, and March 31, 2026, through the Web of Science, Scopus, Google Scholar, and IEEE Xplore databases. A total of 186 publications were initially identified. Following the removal of duplicate records and preliminary screening procedures, 74 studies were subjected to detailed examination, and 44 studies meeting thematic relevance and content-based inclusion criteria were included in the final analysis. The collected data were evaluated through thematic analysis. The findings suggest that digitalization in musicology and performance practices is associated with transformations extending beyond the diversification of technical tools. Multidimensional changes appear to have emerged in the ways musical knowledge is produced, preserved, interpreted, circulated, and legally defined. Data-driven musicology approaches have expanded repertoire analysis through large-scale computational and metadata-supported investigations, while artificial intelligence-assisted production systems have intensified discussions concerning creativity, originality, and authorship. Digital archives appear to contribute to the preservation, reinterpretation, and circulation of cultural memory, whereas performance analytics has introduced data-driven and multimodal perspectives into performance research. In parallel, streaming platforms seem to reshape musical circulation and listening practices through algorithmic recommendation systems, making platform-based visibility and digital dissemination increasingly influential. Debates surrounding copyright and digital rights have further increased the visibility of legal and ethical concerns within musicological research. In conclusion, the study suggests that digitalization in musicology and performance practices has evolved beyond methodological expansion alone and may be understood as a multilayered field of structural transformation that reconfigures the relationships among knowledge production, cultural circulation, performance inquiry, and legal regulation.

🔖

Bu Makaleye Atıf Yap

Ayhan, A., Akşit, G., Şentürk, Z. (2026). MÜZİKOLOJİ VE İCRA PRATİKLERİNİN YENİDEN YAPILANDIRILMASINDA DİJİTALLEŞMENİN GETİRDİĞİ YENİ PERSPEKTİFLER. Yegah Müzikoloji Dergisi, Cilt: 9 Sayı: 2, 1303–1335. https://doi.org/10.51576/ymd.1927059

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (51)

  1. Assmann, J. (2011). Cultural memory and early civilization: Writing, remembrance, and political imagination. Cambridge University Press.
  2. Boden, M. A. (2009). Computer models of creativity. AI Magazine, 30(3), 23–34. https://doi.org/10.1609/aimag.v30i3.2254
  3. Bonini, T., & Gandini, A. (2019). “First week is editorial, second week is algorithmic”: Platform gatekeepers and the platformization of music curation. Social media + Society, 5(4), 1–11. https://doi.org/10.1177/2056305119880006
  4. Born, G. (2010). For a relational musicology: Music and interdisciplinarity, beyond the practice turn. Journal of the Royal Musical Association, 135(2), 205–243. https://doi.org/10.1080/02690403.2010.506265
  5. Braun, V., ve Clarke, V. (2006). Using thematic analysis in psychology. Qualitative Research in Psychology, 3(2), 77–101. https://doi.org/10.1191/1478088706qp063oa
  6. Briot, J.-P., Hadjeres, G., ve Pachet, F.-D. (2020). Deep learning techniques for music generation. https://doi.org/10.1007/978-3-319-70163-9
  7. Cao, X. (2025). Audiovisual action aligned adaptive feedback system for interactive virtual piano performance tutor. Proceedings of the 7th International Conference on Computing and Data Science, 204–209. https://doi.org/10.54254/2755-2721/2025.25987
  8. Cook, N. (2013). Beyond the score: Music as performance. Oxford University Press.
  9. Cope, D. (2004). A musical learning algorithm. Computer Music Journal, 28(3), 12–27. https://doi.org/10.1162/0148926041790685
  10. Davidson, J. W. (1993). Visual perception of performance manner in the movements of solo musicians. Psychology of Music, 21(2), 103–113. https://doi.org/10.1177/030573569302100201
  11. Deltorn, J.-M. (2017). Deep creations: Intellectual property and the automata. Frontiers in Digital Humanities, 4, Article 3. https://doi.org/10.3389/fdigh.2017.00003
  12. Devine, K. (2015). Decomposed: A political ecology of music. Popular Music, 34(3), 367–389. https://doi.org/10.1017/S026114301500032X
  13. Downie, J. S. (2003). Music information retrieval. Annual Review of Information Science and Technology, 37, 295–340.
  14. Eriksson, M., Fleischer, R., Johansson, A., Snickars, P., ve Vonderau, P. (2019). Spotify teardown: Inside the black box of streaming music. MIT Press. https://doi.org/10.7551/mitpress/10932.001.0001
  15. Ernst, W. (2013). Digital memory and the archive. University of Minnesota Press.
  16. Fernández, J. D., ve Vico, F. (2013). AI methods in algorithmic composition: A comprehensive survey. Journal of Artificial Intelligence Research, 48, 513–582. https://doi.org/10.1613/jair.3908
  17. Fiebrink, R., & Caramiaux, B. (2016). The machine learning algorithm as creative musical tool. In R. T. Dean & A. McLean (Eds.), The Oxford handbook of algorithmic music (pp. 1–23). Oxford University Press.
  18. Gervais, D. J. (2020). Is intellectual property law ready for artificial intelligence? GRUR International, 69(2), 117–118. https://doi.org/10.1093/grurint/ikz025
  19. Giaccardi, E. (Ed.). (2012). Heritage and social media: Understanding heritage in a participatory culture. Routledge.
  20. Ginsburg, J. C., ve Budiardjo, L. A. (2019). Authors and machines. Berkeley Technology Law Journal, 34(2), 343–382. https://doi.org/10.15779/Z38SF2MC24
  21. Goebl, W., Dixon, S., ve Schubert, E. (2014). Quantitative methods: Motion analysis, audio analysis, and continuous response techniques. In D. Fabian, R. Timmers, & E. Schubert (Eds.), Expressiveness in music performance: Empirical approaches across styles and cultures (pp. 221–239). Oxford University.
  22. Grant, M. J., ve Booth, A. (2009). A typology of reviews: An analysis of 14 review types and associated methodologies. Health Information and Libraries Journal, 26(2), 91–108. https://doi.org/10.1111/j.1471-1842.2009.00848.x
  23. Haux, D. H., Dominicé, A. M., ve Raspotnig, J. A. (2021). A cultural memory of the digital age? International Journal for the Semiotics of Law, 34, 769–782. https://doi.org/10.1007/s11196-020-09778-7
  24. Herremans, D., Chuan, C.-H., ve Chew, E. (2017). A functional taxonomy of music generation systems. ACM Computing Surveys, 50(5), 1–30. https://doi.org/10.1145/3108242
  25. Hesmondhalgh, D. (2019). The cultural industries (4th ed.). Sage.
  26. Hoskins, A. (Ed.). (2018). Digital memory studies: Media pasts in transition. Routledge. https://doi.org/10.4324/9781315637235
  27. Hracs, B. J., ve Webster, J. D. (2021). From selling songs to engineering experiences: Exploring the competitive strategies of music streaming platforms. Journal of Cultural Economy, 14(2), 240–257. https://doi.org/10.1080/17530350.2020.1819374
  28. Huang, C.-A., ve Yang, Y.-H. (2020). Pop music transformer: Beat-based modeling and generation of expressive music. Proceedings of the ACM Multimedia Conference. https://doi.org/10.1145/3394171.3413671
  29. Juslin, P. N. (2003). Five facets of musical expression: A psychologist’s perspective on music performance. Psychology of Music, 31(3), 273–302. https://doi.org/10.1177/03057356030313003
  30. Katz, M. (2010). Capturing sound: How technology has changed music (2nd ed.). University of California Press.
  31. Kjus, Y. (2019). The use of copyright in digital times: A study of how artists exercise their rights in Norway. Popular Music and Society. Advance online publication. https://doi.org/10.1080/03007766.2019.1698206
  32. Li, B., Liu, X., Dinesh, K., Duan, Z., ve Sharma, G. (2019). Creating a multitrack classical music performance dataset for multimodal music analysis: Challenges, insights, and applications. IEEE Transactions on Multimedia, 21(2), 522–535. https://doi.org/10.1109/TMM.2018.2856090
  33. Marshall, L. (2015). Let’s keep music special. F—Spotify’: On-demand streaming and the controversy over artist royalties. Creative Industries Journal, 8(2), 177–189. https://doi.org/10.1080/17510694.2015.1096618
  34. McGregor, S., Wiggins, G., ve Purver, M. (2015). Computational creativity: A philosophical approach, and an approach to philosophy. In Proceedings of the Sixth International Conference on Computational Creativity (ss. 172–179).
  35. Morris, J. W., ve Powers, D. (2015). Control, curation and musical experience in streaming music services. Creative Industries Journal, 8(2), 106–122. https://doi.org/10.1080/17510694.2015.1090222
  36. Özdal, M. A. (2023). Yapay zekâ ile oluşturulan eserlerin telif hakkı ve kişisel verilerin korunması. Hakkari Review, 7(1), 90–110. https://doi.org/10.31457/hr.1249328
  37. Paul, C. (2020). Digital art now: Histories of (im)materialities. International Journal for Digital Art History, (5), 2.2–2.11. https://doi.org/10.11588/dah.2020.5.75504
  38. Prey, R. (2020). Locating power in platformization: Music streaming playlists and curatorial power. Social Media + Society, 6(2). https://doi.org/10.1177/2056305120933291
  39. Pugin, L. (2015). The challenge of data in digital musicology. Frontiers in Digital Humanities, 2, Article 4. https://doi.org/10.3389/fdigh.2015.00004
  40. Qi, T., Liu, Z., ve Zhou, Y. (2025). Digital cultural heritage archives: Conceptual analysis and preliminary framework construction. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, XLVIII-M-9-2025, 1221–1228. https://doi.org/10.5194/isprs-archives-XLVIII-M-9-2025-1221-2025
  41. Sag, M. (2019). The new legal landscape for text mining and machine learning. Journal of the Copyright Society of the USA, 66, 291–309. https://doi.org/10.2139/ssrn.3331606
  42. Schedl, M., Gómez, E., ve Urbano, J. (2014). Music information retrieval: Recent developments and applications. Foundations and Trends in Information Retrieval, 8(2–3), 127–261. https://doi.org/10.1561/1500000042
  43. Senftleben, M. R. F. (2025). Copyright data improvement for AI licensing: The role of content moderation and text and data mining rules. In E. Bonadio ve C. Sganga (Eds.), A research agenda for EU copyright law (pp. 105–127). Edward Elgar Publishing. https://doi.org/10.4337/9781803927329.00013
  44. Serra, X. (2017). The Computational Study of a Musical Culture through Its Digital Traces. Acta Musicologica, 89(1), 24–44.
  45. Snyder, H. (2019). Literature review as a research methodology: An overview and guidelines. Journal of Business Research, 104, 333–339. https://doi.org/10.1016/j.jbusres.2019.07.039
  46. Şıracı, S. (2024). Yapay zekâ eğitiminde eserlerin girdi olarak kullanılmasının telif hakları açısından incelenmesi. Selçuk Üniversitesi Hukuk Fakültesi Dergisi, 32(4), 2461–2485. https://doi.org/10.15337/suhfd.1490287
  47. Sterne, J. (2006). The mp3 as cultural artifact. New Media & Society, 8(5), 825–842. https://doi.org/10.1177/1461444806067737
  48. Van Dijck, J., Poell, T., & De Waal, M. (2018). The platform society: Public values in a connective world. Oxford University Press.
  49. Werner, A. (2020). Organizing music, organizing gender: Algorithmic culture and Spotify recommendations. Popular Communication, 18(1), 78–90. https://doi.org/10.1080/15405702.2020.1715980
  50. Widmer, G., ve Goebl, W. (2004). Computational models of expressive music performance: The state of the art. Journal of New Music Research, 33(3), 203–216. https://doi.org/10.1080/0929821042000317804
  51. Wu, S. H., ve Holmes, K. J. (2026). Is there a “mind” behind the music? Attributing music to AI can suppress narrative meaning-making. Cognitive Research: Principles and Implications, 11, Article 19. https://doi.org/10.1186/s41235-026-00715-z