«امروزه آهنگ‌های پاپ نسبت ۵۰ سال گذشته شادتر است یا غم انگیزتر؟» در سال‌های اخیر، عواملی همچون دسترسی آنلاین به مجموعهٔ هنگفتی از اطلاعات دیجیتال و هم چنین سهولت نسبی پردازش آنها سبب شده است بتوان پاسخ‌هایی درست و آگاهانه به این قبیل سوالات داد. یک راه بسیار ساده برای سنجش میزان مفاهیم عاطفی در یک متن آن است که تعداد واژه‌های دارای بار عاطفی را در آن بشماریم. مثلا اینکه چند بار واژه‌های دارای بار عاطفی منفی (واژه‌هایی چون «درد»، «نفرت»و«اندوه») تکرار شده‌اند؟ و یا اینکه چند بار از واژه‌هایی با بار مثبت (همچون «عشق»، «لذت» و «شادی») استفاده شده است؟

 این روش، به همین سادگی که به نظر می‌رسد، خیلی هم کارآمد است و حتی تحت برخی شرایط -برای مثال هرچه متن طولانی‌تر باشد- سنجش حال و هوای عاطفی متن نیز بهتر انجام می‌شود. از این تکنیک ساده اصطلاحا با عنوان «آنالیز عاطفی[۱]» یاد می‌شود.  آنالیز عاطفی اغلب برای پست‌های فضای مجازی و اخبار سیاسی معاصر انجام می‌شود اما برای متن‌های طولانی‌تر نیز قابل انجام است، از جمله ده‌ها مقالهٔ روزنامه و یا صدها متن ادبی؛ هم چنین این روش می‌تواند برای اشعار آهنگ‌ها هم به کار رود.

 ما در این مقاله برای آنالیز از دو نوع متفاوت داده‌ها استفاده کردیم: یکی از آنها شامل آهنگ‌هایی بود که در میان صد آهنگ برتر آخر سال مجله ی«بیلبورد[۲]» قرار داشتند. این آهنگ‌ها توانسته اند دست کم در ایالات متحده آمریکا به موفقیت گسترده‌ای برسند، از آهنگ Satisfaction اثر گروه رولینگ استونز[۳] (در سال ۱۹۶۵، نخستین سالی که آهنگ‌هایش تحلیل شد) گرفته تا آهنگ Uptown Funk اثر مارک رانسُن[۴] (در سال ۲۰۱۵، آخرین سال آنالیز).

 دومین سری داده‌ها نیز شامل ترانه‌هایی بود که به صورت انتخابی به سایت «Musicxmatch» ارایه شده بود. با این سری داده‌ها، ما قادر بودیم اشعار بیش از ۱۵۰، ۰۰۰ آهنگ به زبان انگلیسی را آنالیز کنیم. این شمار زیاد شامل آهنگ‌هایی از سرتاسر جهان بود و بنابراین نمونه‌های گسترده‌تر و متنوع‌تری را نسبت به داده‌های سری اول فراهم می‌کرد. در اینجا نیز ما همان روندهایی را یافتیم که پیش‌تر در مجموعه داده‌های بیلبورد مشاهده کرده بودیم، بنابراین می‌توانیم اطمینان داشته باشیم که می‌شود آنها را فراتر از بازدیدهای برتر نیز تعمیم داد.

آهنگ‌های پاپ انگلیسی به مرور زمان دارای بار منفی بیشتری شده‌اند و کاربرد واژه‌های منفی در ترانه‌ها بیش از یک سوم افزایش یافته است. بگذارید برایتان مثالی از میان داده‌های بیلبورد بزنیم. اگر هر قطعه آهنگ را بطور میانگین دارای ۳۰۰ واژه در نظر بگیریم، آنگاه می‌توان گفت سالانه حدودا سی‌هزار واژه در اشعار ۱۰۰ آهنگ برتر بیلبورد وجود دارد. درسال ۱۹۶۵، حدود ۴۵۰ مورد از این واژه‌ها دارای بار عاطفی منفی بودند، این در حالی است که در سال ۲۰۱۵ شمار آنها به بالای ۷۰۰ واژه رسید.

 در عین حال، واژه‌های با بار عاطفی مثبت نیز در این بازه زمانی کاهش یافتند. بیش از ۱۷۵۰ واژهٔ مثبت در آهنگ‌های سال ۱۹۶۵ وجود داشت، اما در بین آهنگ‌های سال ۲۰۱۵ تنها ۱۱۵۰ واژهٔ مثبت دیده شد.

 توجه کنید که، در شمارش دقیق واژه‌ها، همواره تعداد واژه‌های مثبت بیش از واژه‌های منفی بوده است. در واقع این یک ویژگی جهانی زبان بشر است، که از آن با عنوان قانون «پولیانا[۵]» نیز یاد می‌شود (برگرفته از شخصیت مثبت اندیش رمانی به همین نام)؛ و انتظار هم نمی‌رود عکس این خاصیت تحقق یابد؛ به هرحال آن چیزی که مهم است جهت این روند هاست. تاثیر آن را می‌توانیم هنگامی که به تک واژه‌ها می‌نگریم، درک کنیم. به عنوان مثال استفاده از واژهٔ Love عملا در طی این ۵۰ سال نصف شده است، به این صورت که شمار آن از حدود ۴۰۰ به حدود ۲۰۰ رسید. بالعکس واژهٔ Hate که تا دههٔ ۱۹۹۰ میلادی در بین ۱۰۰ آهنگ برتر حتی یکبار هم ذکر نشده بود، اکنون سالانه حدود ۲۰-۳۰ بار به کار برده می‌شود.

 نتایج ما با سایر آنالیز‌های مستقل از حال و هوای عاطفی آهنگ نیز متناسب است، در برخی از آنها روش‌های آنالیز کاملا متفاوتی به کار است که بر جنبه‌های دیگر آهنگ‌ها متمرکزند؛ برای مثال، پژوهشگران یک سری داده‌ها شامل ۵۰۰، ۰۰۰ آهنگ که در طی سالهای ۱۹۸۵ تا ۲۰۱۵ میلادی در بریتانیا منتشر شده بود را آنالیز کردند و در نهایت مشابه سایر نتایج، کاهش عبارات مثبتی همچون Happiness و Brightness و نیز اندکی افزایش در شمار واژه‌هایی چون Sadness مشاهده شد. این عناوین از محاسباتی نتیجه شدند که ویژگی‌های آکوستیک سطح پایین را آنالیز می‌کردند، همانند گام[۶] و تُنالیته[۷].

 این دو مؤلفه (گام و تنالیته) در ۱۰۰ آهنگ برتر بیلبورد نیز بررسی شدند. پر طرفدار ترین آهنگ‌های بیلبورد ریتم کندتری نسبت به گذشته داشتند و در آن‌ها تنالیته‌های جزئی بیشتر تکرار شده بودند. تنالیته‌های جزئی نسبت به تنالیته‌های عمده ، غم انگیز‌تر تلقی می‌شوند، شما میتوانید شخصا این مطلب را با گوش دادن به نمونه آهنگ‌های موجود در یوتیوب که به طور دیجیتال از تنالیتهٔ عمده به جزیی تغییر می‌کنند، امتحان کرده و مشاهده کنید شاد شدن ریتم آهنگ Losing My Religion اثر گروه R. E. M که به تدریج از تنالیتهٔ جزیی (غم انگیزتر) به عمده (شادتر) تغییر میکند، چه حسی دارد.

 ما در این مقاله دقیقا چه کار کرده‌ایم؟ کشف و توصیف روندها (روند تبدیل تدریجی شادی به غم در آهنگ‌های پاپ)! که البته مهم و راضی کننده است، اما با این وجود ما همچنان باید تلاش کنیم آنها را بیشتر درک کرده و بهتر توضیح بدهیم؛به عبارت دیگربرای رسیدن به اطلاعات گسترده، نیازمند نظریه‌ای گسترده‌ای هم هستیم. نظریهٔ تکامل فرهنگی خود یک نظریهٔ گسترده است.

 همانطور که از نام آن پیداست، بر اساس این نظریه، فرهنگ در طول زمان، با پیروی از قوانینی مانند قانون انتخاب طبیعی داروین تا حدی تکامل می‌یابد؛ برای مثال، اگر عواملی چون تنوع، انتخاب و تولید مثل وجود داشته باشند، آنگاه می‌توان انتظار داشت جنبه‌های فرهنگی موفق‌تر در جمعیت‌ها تثبیت شوند و دیگر جنبه‌ها از بین بروند.

 در اینجا منظور از فرهنگ، هر نوع ویژگی است که از طریق زندگی اجتماعی منتقل می‌شود و نه صفاتی که بطور ژنتیکی به ارث می‌رسند؛برای مثال، زبانی که به آن صحبت می‌کنیم ژنتیکی نیست و بسته به آن است که کجا متولد شده‌ایم، یا دستور العمل‌هایی که به هنگام آشپزی استفاده می‌کنیم، و یا حتی موسیقی‌ای که از آن لذت می‌بریم. همهٔ این ویژگی‌ها به صورت اجتماعی (محیطی) انتقال پیدا می‌کنند و در آنها فرد، یک رفتار را از طریق مشاهده و تقلید از دیگران فرا می‌گیرد. در مقابل، رنگ مو، رنگ چشم و صفاتی از این قبیل، به صورت ژنتیکی از والد به فرزند منتقل می‌شوند.

 این واقعیت که بسیاری از رفتار‌ها از طریق محیط آموخته می‌شوند، خیلی هم تعجب برانگیز نیست؛ ضمنا، برای اینکه یادگیری اجتماعی سبب سازگاری فرد با محیط شود، باید انتخابی باشد (منظور از سازگاری در اینجا افزایش احتمال زنده ماندن فرد برای تولید مثل است)؛ برای مثال، بسیار بهتر است که یادگیری ما از فردی بزرگسال باشد که به خوبی میداند چگونه آشپزی کند تا از خواهر یا برادرمان که خودشان هم در حال یادگیری هستند.

 تقلید رفتار از افراد موفق در زبان ویژهٔ تکامل فرهنگی اصطلاحا «انتقال موفقیت‌گرایانه[۸]» نامیده می‌شود. همینطور، بسیاری از گرایش یادگیری دیگر نیز ممکن است دخیل باشند، مانند گرایش به سازگاری[۹]، گرایش به اعتبار[۱۰] و گرایش به محتوا[۱۱].

 تعصبات یادگیری در طی سالیان متمادی برای درک بسیاری از جنبه‌های فرهنگ در هر دو نوع جمعیت انسانی و غیر انسانی (حیوانات) مورد مطالعه قرار گرفته است و برای درک الگوهای فرهنگی پیچیده، راهی مثمر ثمر است.

ما برای فهمیدن این که چرا اشعار آهنگ‌ها با گذشت زمان در منفی گرایی افزایش و در مثبت گرایی کاهش داشته اند، از تئوری تکامل فرهنگی استفاده کردیم تا ببینیم آیا می‌توان الگوی این تغییر را با تعصبات یادگیری اجتماعی توجیه کرد یا خیر. ما در مورد گرایش به موفقیت، این احتمال که آیا ۱۰ آهنگ برتر چند سال اخیر اشعار منفی داشته اند یا خیر را بررسی کردیم و نیز بررسی کردیم که آیا به همین علت است که آهنگ‌های امروزی منفی‌تر شده‌اند؟: به بیان دیگر ، آیا ترانه سرایان غالبا از مضمون آهنگ‌های قدیمی اثر پذیرفته‌اند؟

 گرایش به اعتبار نیز به همین منظور و با آزمایش اینکه آیا آهنگ‌های هنرمندان معتبر سالهای اخیر نیز اشعار منفی بیشتری داشته اند یا خیر، بررسی شد . در واقع کسانی به عنوان هنرمند معتبر معرفی می‌شدند که دفعات بسیاری در چارت‌های بیلبورد ظاهر شده اند ، مانند مَدونا، که ۳۶ قطعه آهنگ در بین صد آهنگ برتر بیلبورد دارد.

 گرایش به محتوا نیز با هدف دانستن اینکه آیا آهنگ‌هایی با اشعار منفی در چارت‌ها نیز جایگاه بهتری داشتند یا نه، مورد بررسی قرار گرفت؛ زیرا اگر اینگونه باشد، احتمالا چیزی راجع به محتوای اشعار منفی وجود دارد که آهنگ‌ها را جذاب‌تر و در نتیجه محبوب‌تر می‌کند. اگرچه ما شواهد ناکافی و کمی در رابطه با گرایش به موفقیت و اعتبار در میان داده‌ها پیدا کردیم، اما به طور کل، از بین سه مورد توضیح داده شده، گرایش به محتوا اثر نسبتا قابل اتکاتری را در رابطه با افزایش اشعار منفی دارد.

 این نتیجه با سایر یافته‌های تئوری تکامل فرهنگی نیز سازگار است؛ یافته‌هایی که مطابق آنها به نظر می‌رسد اطلاعات منفی بیش از اطلاعات خنثی یا مثبت به خاطر آورده و منتقل می‌شوند. همچنین، ما با بررسی مدل‌های تحلیلی‌مان دریافتیم که استفاده از روش انتقال [مفهوم] خنثی (یعنی نه بار مثبت و نه منفی) ، اعتبار و موفقیت یک آهنگ را کاهش می‌دهد و به نظر می‌رسید همین امر بیشترین نقش را در توضیح الگوها (منفی‌تر شدن آهنگ ها) داشته است.

 می‌توان به انتقال خنثِی مفاهیم مشابه نوعی رانش ژنتیکی نگریست، که در آن صفات ژنتیکی از طریق نوسانات تصادفی، و در صورت عدم وجود هرگونه فشار برای انتخاب، تثبیت می‌شوند. این فرایند، خود، محبوبیت دیگر جنبه‌های فرهنگی را نیز توجیه می‌کند، از سفال آرایی‌های دوران نوسنگی گرفته تا نام‌های امروزی برای کودکان و حتی زادِ ولد سگ‌ها.

 مهم‌تر از همه اینکه، پیدا کردن شواهد برای انتقال خنثیِ مفاهیم لزوما به این معنا نیست که الگو‌ها بدون شرح یا غالبا تصادفی‌اند، بلکه چندین فرایند وجود دارند که این الگوها را توضیح می‌دهند و هیچ یک از سایر فرایند‌هایی که ما برای این کار انجام دادیم به اندازهٔ آنها قوی نیستند.

رشد اشعار منفی در آهنگ‌های محبوب انگلیسی، پدیدهٔ شگفت انگیزی است و می‌تواند به علت نوعی تمایل عمومی نسبت به مضامین منفی و نیز احتمالا مجموعه‌ای از سایر دلایل که هنوز کشف نشده‌اند، باشد.

با این اوصاف، سوال احتمالی‌ای که اکنون پیش می‌آید این است که اصلا چرا اشعار آهنگ‌های پاپ قبل از دههٔ ۱۹۸۰ مثبت‌تر از آهنگ‌های امروزی بوده‌اند؟ یکی از دلایلش می‌توانسته این باشد که در گذشته صنعت ضبط موسیقی متمرکزتر بوده و بر آهنگ‌هایی که ساخته شده و به فروش می‌رسیدند، کنترل بیشتری داشته است. یکی دیگر از دلایل میتواند رواج یافتن استفاده از شبکه‌های شخصی شدهٔ پخش آهنگ باشد (از دوران نوارکاست‌های خالی تا رسیدن به بخش «آهنگ‌های مخصوص شما[۱۲]» در اسپاتیفای[۱۳] ).

 همچنین سایر تغییرات گسترده در شرایط اجتماعی نیز سبب شده این آهنگ‌ها محبوب شوند، و حتی گاه برخی از آنها به دلیل اینکه به خوبی توانسته اند احساسات منفی را بیان کنند، جوایزی دریافت کنند. همهٔ این فرضیه‌ها می‌توانند نقطهٔ آغازی برای تحقیقات بیشتر باشند. هنوز خیلی مانده تا بتوانیم به درک بهتری از این الگو‌ها برسیم و این خود همواره علامت خوبی در علم شناخت است؛ بدین صورت که فضا را باز می‌گذارد تا بتوانیم تئوری‌های دقیق تنظیم کنیم، راهکار‌های آنالیزمان را ارتقا دهیم، و گاهی اوقات به نقطه‌ای که از آن شروع کرده بودیم، بازگردیم تا این بار سوالات متفاوتی بپرسیم.

ــــــــــــــــــــــــــــــــــــ

ارجاعات:

[۱]sentiment analysis

[۲] Billboard

[۳] The Rolling Stones

[۴] Mark Ronson

[۵] the Pollyanna principle

[۶] tempo

[۷] tonality

[۸] Success-biased transmission

[۹] Conformity bias

[۱۰] Prestige bias

[۱۱] Content bias

[۱۲] Made For You

[۱۳] Spotify: یک سرویس پخش آنلاین موسیقی که حدود ۲۴۸ میلیون کاربر دارد.