Hari-hari yang lebih bahagia: Abba menampilkan 'Waterloo' di Puncak The Pops di 1974. Foto oleh Redferns / Getty
Apakah lagu-lagu populer saat ini lebih bahagia atau lebih sedih daripada 50 tahun yang lalu? Dalam beberapa tahun terakhir, ketersediaan dataset digital besar secara online dan relatif mudahnya memprosesnya berarti kami sekarang dapat memberikan jawaban yang tepat dan terinformasi untuk pertanyaan seperti ini. Cara mudah untuk mengukur konten emosional suatu teks adalah dengan menghitung berapa banyak kata emosi yang ada. Berapa kali kata negatif-emosi - 'sakit', 'benci' atau 'kesedihan' - digunakan? Berapa kali kata-kata dikaitkan dengan emosi positif - 'cinta', 'sukacita' atau 'bahagia' - digunakan? Sesederhana kedengarannya, metode ini bekerja cukup baik, mengingat kondisi tertentu (misalnya, semakin lama teks yang tersedia, semakin baik perkiraan mood). Ini adalah teknik yang memungkinkan untuk apa yang disebut 'analisis sentimen'. Analisis sentimen sering diterapkan pada posting media sosial, atau pesan politik kontemporer, tetapi bisa juga demikian terapan untuk rentang waktu yang lebih lama, seperti beberapa dekade artikel surat kabar atau abad of sastra bekerja.
Teknik yang sama dapat diterapkan pada lirik lagu. Untuk kita analisis, kami menggunakan dua set data yang berbeda. Satu berisi lagu-lagu yang disertakan pada akhir tahun Papan iklan 100 grafik terbaru. Ini adalah lagu-lagu yang mencapai kesuksesan besar, setidaknya di Amerika Serikat, dari The Rolling Stones '' (I Can't Get No) Satisfaction '(pada tahun 1965, tahun pertama yang kami pertimbangkan) hingga' Uptown Funk 'karya Mark Ronson (di 2015, tahun terakhir yang kami pertimbangkan). Dataset kedua didasarkan pada lirik yang secara sukarela disediakan untuk situs web Musixmatch. Dengan dataset ini, kami dapat menganalisis lirik lebih dari 150,000 lagu berbahasa Inggris. Ini termasuk contoh di seluruh dunia, dan karenanya memberikan sampel yang lebih luas, lebih beragam. Di sini kami menemukan tren yang sama dengan yang kami temukan di Papan iklan dataset, sehingga kami dapat yakin bahwa mereka dapat digeneralisasi di luar hit teratas.
Lagu-lagu populer berbahasa Inggris menjadi lebih negatif. Penggunaan kata-kata yang berhubungan dengan emosi negatif telah meningkat lebih dari sepertiga. Mari kita ambil contoh Papan iklan Himpunan data. Jika kita mengasumsikan rata-rata 300 kata per lagu, setiap tahun ada 30,000 kata dalam lirik dari 100 hit teratas. Pada tahun 1965, sekitar 450 kata-kata ini dikaitkan dengan emosi negatif, sedangkan pada tahun 2015 jumlahnya di atas 700. Sementara itu, kata-kata yang terkait dengan emosi positif menurun pada periode waktu yang sama. Ada lebih dari 1,750 kata-kata emosi positif dalam lagu-lagu tahun 1965, dan hanya sekitar 1,150 pada tahun 2015. Perhatikan bahwa, dalam jumlah absolut, selalu ada lebih banyak kata yang terkait dengan emosi positif daripada kata-kata yang terkait dengan yang negatif. Ini universal ciri bahasa manusia, juga dikenal sebagai prinsip Pollyanna (dari protagonis optimis sempurna dari novel eponymous), dan kita tidak akan mengharapkan ini terbalik: apa yang menjadi masalah, bagaimanapun, adalah arah tren.
Efeknya dapat dilihat bahkan ketika kita melihat satu kata: penggunaan 'cinta', misalnya, praktis dibelah dua dalam 50 tahun, naik dari sekitar 400 hingga 200 contoh. Kata 'benci', sebaliknya, yang sampai tahun 1990-an bahkan tidak disebutkan dalam 100 lagu teratas, sekarang digunakan antara 20 dan 30 kali setiap tahun.
Hasil kami konsisten dengan analisis independen lain dari suasana lagu, beberapa di antaranya bekas metodologi yang sama sekali berbeda, dan fokus pada karakteristik lagu lainnya. Misalnya, peneliti dianalisis dataset 500,000 lagu yang dirilis di Inggris antara tahun 1985 dan 2015 dan menemukan penurunan yang sama dalam apa yang mereka mendefinisikan 'kebahagiaan' dan 'kecerahan', ditambah dengan sedikit peningkatan dalam 'kesedihan'. Label ini dihasilkan dari algoritma yang menganalisis fitur akustik tingkat rendah, seperti tempo atau nada suara. Tempo dan nada suara dari 100 teratas Papan iklan lagu juga diperiksa: Papan iklan hit menjadi lebih lambat, dan nada kecil menjadi lebih sering. Tonalitas kecil dianggap suram sehubungan dengan nada suara utama. Anda dapat mencoba ini sendiri dengan mendengarkan salah satu contoh YouTube dari lagu-lagu yang telah digeser secara digital dari mayor ke minor, atau sebaliknya, dan lihat bagaimana rasanya: versi bergeser besar yang menggelisahkan dari REM yang berjudul 'Losing My Religion'. (1991) muncul secara berkala di media sosial.
WApa yang terjadi di sini? Menemukan dan menggambarkan tren adalah penting dan memuaskan, tetapi kita juga perlu mencoba memahami dan menjelaskannya. Dengan kata lain, big data membutuhkan teori besar. Salah satu teori sebesar itu adalah evolusi budaya. Sesuai dengan namanya, teori ini menyatakan bahwa budaya berevolusi dari waktu ke waktu sebagian mengikuti prinsip-prinsip seleksi alam Darwin yang sama, yaitu, jika ada variasi, seleksi dan reproduksi, maka kita dapat mengharapkan ciri-ciri budaya yang lebih sukses untuk terpaku pada populasi, dan lain-lain. untuk punah.
Yang kami maksud dengan budaya adalah setiap sifat yang ditransmisikan secara sosial sebagai lawan dari transmisi genetik. Contohnya termasuk bahasa yang kita gunakan tergantung di mana kita dilahirkan, resep yang kita gunakan saat memasak dan, pada kenyataannya, musik yang kita nikmati. Ciri-ciri ini ditransmisikan secara sosial, di mana satu individu belajar mereka dari mengamati dan meniru orang lain. Sebaliknya, warna rambut dan warna mata ditransmisikan secara genetik dari induk ke anak.
Fakta bahwa banyak perilaku dipelajari secara sosial tidak terlalu mengejutkan. Namun, agar pembelajaran sosial bersifat adaptif - yaitu, untuk meningkatkan kemungkinan individu yang bertahan hidup untuk bereproduksi - pembelajaran harus selektif. Lebih baik belajar dari orang dewasa yang tahu cara memasak dengan baik, daripada dari saudara kandung yang masih belajar memasak. Lebih disukai menyalin perilaku individu yang sukses disebut 'transmisi bias-sukses' dalam istilah evolusi budaya. Demikian pula, ada banyak bias pembelajaran lain yang mungkin ikut berperan, seperti bias konformitas, bias prestise, atau bias konten. Bias pembelajaran telah digunakan untuk memahami banyak sifat budaya pada populasi hewan manusia dan bukan manusia selama bertahun-tahun, dan membuktikan jalan yang bermanfaat untuk memahami pola budaya yang kompleks. Untuk mencoba memahami mengapa lirik lagu meningkat dalam negatif dan menurun positif dari waktu ke waktu, kami menggunakan teori evolusi budaya untuk melihat apakah polanya dapat dijelaskan melalui bias pembelajaran sosial.
Kami memeriksa bias keberhasilan dengan menguji apakah lagu memiliki lebih banyak lirik negatif jika top 10 lagu dari beberapa tahun sebelumnya memiliki lirik negatif: dengan kata lain, apakah penulis lagu sebagian besar dipengaruhi oleh isi lagu yang sebelumnya sukses? Demikian pula, bias prestise diuji dengan memeriksa apakah lagu-lagu artis bergengsi beberapa tahun sebelumnya juga memiliki lirik yang lebih negatif. Seniman bergengsi didefinisikan sebagai mereka yang muncul di Papan iklan Chart beberapa kali tidak proporsional, seperti Madonna, yang memiliki 36 lagu di album ini Papan iklan Panas 100. Bias konten diperiksa dengan melihat apakah lagu-lagu dengan lirik yang lebih negatif juga terjadi lebih baik di tangga lagu. Jika ini masalahnya, itu akan menunjukkan bahwa ada sesuatu tentang isi lirik negatif yang membuat lagu lebih menarik, dan dengan demikian lebih populer.
Meskipun kami menemukan bukti kecil untuk keberhasilan dan bias prestise yang beroperasi dalam dataset, bias konten adalah efek paling andal dari ketiganya dalam menjelaskan munculnya lirik negatif. Ini konsisten dengan yang lain Temuan dalam evolusi budaya, di mana informasi negatif muncul untuk diingat dan dikirim lebih dari informasi netral atau positif. Namun, kami juga menemukan bahwa memasukkan transmisi yang tidak bias dalam model analitik kami sangat mengurangi penampilan efek keberhasilan dan prestise, dan tampaknya memegang bobot paling besar dalam menjelaskan pola. 'Penularan yang tidak sesuai' di sini dapat dipikirkan dengan cara yang mirip dengan pergeseran genetik, di mana sifat-sifat tampak melayang untuk fiksasi melalui fluktuasi acak, dan tanpa adanya tekanan seleksi. Proses ini telah ditemukan menjelaskan popularitas ciri-ciri budaya lainnya, dari dekorasi di tembikar Neolitik hingga nama-nama bayi kontemporer dan trah anjing. Yang penting, menemukan bukti penularan yang tidak bias tidak berarti bahwa polanya tidak memiliki penjelasan atau sebagian besar acak, tetapi kemungkinan ada banyak sekali proses yang menjelaskan polanya, dan bahwa tidak ada proses yang kami periksa cukup kuat untuk mendominasi penjelasan.
Munculnya lirik negatif dalam lagu-lagu berbahasa Inggris yang populer adalah fenomena yang menarik, dan kami menunjukkan bahwa ini bisa disebabkan oleh preferensi yang luas untuk konten negatif ditambah beberapa penyebab lain yang belum ditemukan. Mengingat preferensi ini, apa yang perlu kita jelaskan adalah mengapa lirik lagu-pop sebelum 1980-an lebih positif daripada hari ini. Bisa jadi industri rekaman yang lebih terpusat memiliki kendali lebih besar pada lagu-lagu yang diproduksi dan dijual. Efek serupa bisa saja disebabkan oleh difusi saluran distribusi yang lebih dipersonalisasi (dari kaset kosong ke algoritma algoritme 'Made For You' Spotify). Dan perubahan sosial lainnya yang lebih luas dapat berkontribusi untuk membuatnya lebih dapat diterima, atau bahkan dihargai, untuk secara eksplisit mengungkapkan perasaan negatif. Semua hipotesis ini dapat diuji menggunakan data yang dijelaskan di sini sebagai titik awal. Menyadari bahwa masih banyak pekerjaan yang harus dilakukan untuk lebih memahami polanya adalah pertanda baik dalam sains. Ini memberi ruang bagi teori fine-tuning, meningkatkan metode analisis, atau kadang-kadang kembali ke papan gambar untuk mengajukan pertanyaan yang berbeda.
Tentang Penulis
Alberto Acerbi adalah antropolog kognitif / evolusi dan dosen psikologi di Brunel University London. Buku terbarunya adalah Evolusi Budaya di Era Digital (2019).
Charlotte Brand adalah rekanan penelitian pascadoktoral di University of Exeter. Dia berspesialisasi dalam evolusi perilaku manusia - termasuk pembelajaran sosial, evolusi budaya, hierarki sosial dan perbedaan jenis kelamin dalam perilaku.
Artikel ini awalnya diterbitkan pada beribu-ribu tahun dan telah dipublikasikan ulang di bawah Creative Commons.
Buku terkait:
Empat Kesepakatan: Panduan Praktis untuk Kebebasan Pribadi (Buku Kebijaksanaan Toltec)
oleh Don Miguel Ruiz
Buku ini menawarkan panduan untuk kebebasan dan kebahagiaan pribadi, dengan memanfaatkan kebijaksanaan Toltec kuno dan prinsip spiritual.
Klik untuk info lebih lanjut atau untuk memesan
Jiwa yang Tidak Terikat: Perjalanan Melampaui Diri Sendiri
oleh Michael A. Singer
Buku ini menawarkan panduan untuk pertumbuhan spiritual dan kebahagiaan, dengan memanfaatkan praktik mindfulness dan wawasan dari tradisi spiritual Timur dan Barat.
Klik untuk info lebih lanjut atau untuk memesan
Karunia Ketidaksempurnaan: Lepaskan Siapa yang Anda Pikirkan Seharusnya Anda dan Rangkullah Siapa Anda
oleh Brené Brown
Buku ini menawarkan panduan untuk penerimaan diri dan kebahagiaan, berdasarkan pengalaman pribadi, penelitian, dan wawasan dari psikologi sosial dan spiritualitas.
Klik untuk info lebih lanjut atau untuk memesan
Seni Halus Tidak Memberikan F * ck: Pendekatan Kontra-intuisi untuk Menjalani Kehidupan yang Baik
oleh Mark Manson
Buku ini menawarkan pendekatan kebahagiaan yang menyegarkan dan lucu, menekankan pentingnya menerima dan merangkul tantangan dan ketidakpastian hidup yang tak terelakkan.
Klik untuk info lebih lanjut atau untuk memesan
Keuntungan Kebahagiaan: Bagaimana Otak Positif Memicu Kesuksesan dalam Pekerjaan dan Kehidupan
oleh Shawn Akhor
Buku ini menawarkan panduan menuju kebahagiaan dan kesuksesan, berdasarkan penelitian ilmiah dan strategi praktis untuk mengembangkan pola pikir dan perilaku positif.
