Con migliaia di fan che applaudono, canto, gridando e beffando, le partite di basket del college possono essere quasi assordanti. Alcune arene hanno metri di decibel, quale, con precisione o no, fornire alcune indicazioni sul volume di rumore generato dagli spettatori e dai sistemi di diffusione sonora. Però, il rumore della folla è raramente al centro dell'indagine scientifica.

"Ogni volta che si presenta in letteratura, è stato principalmente qualcosa che gli investigatori stanno cercando di aggirare, " ha osservato Brooks Butler, uno studente universitario di fisica alla Brigham Young University e membro del team BYU che presenterà la ricerca al 176° Meeting della Acoustical Society of America, tenuto in concomitanza con la Settimana dell'Acustica 2018 della Canadian Acoustical Association in Canada, 5-9 novembre, al Victoria Conference Centre di Victoria, Canada.

"Il rumore della folla viene generalmente trattato come un'interferenza di fondo, qualcosa da escludere". Ma i ricercatori della BYU hanno ritenuto che il rumore della folla fosse degno della propria indagine. In particolare, volevano vedere se gli algoritmi di apprendimento automatico potevano individuare modelli all'interno dei dati acustici grezzi che indicavano cosa stava facendo la folla in un dato momento, fornendo così indizi su ciò che stava accadendo nel gioco stesso. Una possibile applicazione di ciò potrebbe essere l'individuazione precoce di comportamenti indisciplinati o violenti della folla, sebbene tale idea non sia stata testata.

Il team della BYU ha effettuato misurazioni acustiche ad alta fedeltà durante le partite di basket maschile e femminile all'università, in seguito facendo lo stesso per le partite di calcio e pallavolo. Hanno suddiviso i giochi in intervalli di mezzo secondo, misurare il contenuto di frequenza (come visualizzato sugli spettrogrammi), livelli sonori, il rapporto tra i livelli sonori massimi e minimi entro un intervallo di tempo prestabilito, e altre variabili. Quindi hanno applicato strumenti di elaborazione del segnale che hanno identificato 512 caratteristiche acustiche distinte composte da diverse bande di frequenza, ampiezze e così via.

Il gruppo ha usato queste variabili per costruire uno spazio a 512 dimensioni, utilizzando tecniche di apprendimento automatico per eseguire un computer, analisi di clustering di questo complicato, regno multidimensionale.

Il professore di fisica della BYU Kent Gee è stato il ricercatore principale del progetto insieme ai professori Mark Transtrum e Sean Warnick. Insieme hanno guidato un team di diversi studenti concentrandosi su diversi aspetti del problema, compresa la raccolta dei dati, analisi e apprendimento automatico.

Gee ha spiegato il processo con una semplice analogia. "Supponiamo di avere un grafico di punti su una superficie bidimensionale, grafico x-y e misurare la distanza tra quei punti, " ha detto. "Potresti vedere che i punti sono raggruppati in tre gruppi o gruppi. Abbiamo fatto qualcosa di simile con il nostro spazio a 512 dimensioni, anche se ovviamente hai bisogno di un computer per tenere traccia di tutto ciò."

La cosiddetta analisi "K-means clustering" che hanno eseguito ha rivelato sei cluster separati che corrispondevano a ciò che stava accadendo nell'arena, a seconda che la gente stesse esultando, cantando, fischi, stare zitto, o lasciare che gli altoparlanti dominino il panorama sonoro.

In questo modo, Gee e i suoi colleghi sono stati in grado di valutare lo stato emotivo del pubblico, semplicemente da un'analisi dei dati sonori eseguita da una macchina. "Un'importante eventuale applicazione della nostra ricerca, " Egli ha detto, "potrebbe essere la diagnosi precoce di comportamenti indisciplinati o violenti della folla".