音樂的風格與流派 Music Styles and Genres
根據音樂五要素與表演方式，可以有不同的風格，譬如：
就整體結構，音樂可分古典與爵士。
爵士又可分：藍調、流行、搖滾、拉丁。
搖滾又可分：古典搖滾、民謠搖滾、重金屬…。
還可以文化分：歐洲、美國、中華、韓流…。
每種風格又有次風格與延伸發展，如：藍調到 RnB 到 Hip Hop ...。
各種音樂風格與次風格的影響、重疊、變化、加上表演者的詮釋，形成不同流派，如果細分，可以分出上千個流派。
如何分辨各音樂流派的特色，以及比較音樂流派間的差異，可使用音樂流派數位分析，發展音樂流派分佈圖的觀念與呈現方式。
音樂流派的分類方法
音樂流派的分類方法實為「分類學」的一種應用，我們常看到的許多分類，是基於作者個人的主觀分類，是一種便利的、非科學知識的分類。也可以視為是基於個人「天才與靈感」的意會，統雄老師特尊稱為「古典美學方法」。
而科學知識的分類，包括以下議題。
分類學
分類學上常用的3個術語是：Classification 分類、Categorization 定類、與 Taxonomy 知識分類，在一般文獻中，這三個詞彙經常是可相互替換的。
若要強調其間的些微差異，可說明如下。
Classification 分類
強調「區別」的規畫，依據對像共同的特徵、活動或關係，分列（Classifying）出不同的類目。
Categorization 定類
強調「歸納」的動作與分類結果，經由系統性的分發、配置、安排對像進入某類目之中。
在一般性應用中，分類 Classification 和定類 Categorization 可以被看作是同義的。
Taxonomy 知識分類
Taxonomy 源於希臘文，其字首Taxis 表示整理或安排，而Nomos 表達法則或規則，近代有人翻譯成「知識分類學」。
Taxonomy 知識分類最早是由「邏輯之父」亞里斯多德所提出，採用集合（Sets）的觀念，將自然現象（植物、鳥、動物、人）分類到集合之中，這些集合是基於跟它們外表或行為相關的特徵（可視）或屬性（不可視但存在）而訂定。
亞里斯多德的方法之後被文藝復興時代和啟蒙時代的科學家所沿用至今，形成以階層式（Hierarchical）的結構來描述分類關係，就是現在的樹狀結構分類圖、或稱魚骨圖。
今日 Taxonomy 不僅應用在傳統生物學、或自然科學領域，也應用在其他社會科學、電腦科學、資訊科學、語言學、認知科學、網站設建構、與知識管理系統上。所以，統雄老師決定採用 Taxonomy 知識分類這個詞彙。
知識分類的實務方法與程序，又可分為基於量的「統計分類」與基於質的「邏輯分類」。
統計分類必須是在有大量資料時，借助各種計量思想的分類程序--如「因素分析 (Factor Analysis)」，「類別」是「事後」出現的，以下將再重點介述。
邏輯分類
邏輯分類則是根據經驗，「類別」是「事先」先行擬訂的。
知識分類的邏輯分類，所擬訂的「分類因素」（分類因素，在統計觀念中等同分類變項），必須符合以下條件：因素之間「獨立而互斥」、分類對像「適當而無遺」、子分類間具備繼承性。
因素之間「獨立而互斥」
邏輯上的獨立，是事件的「機率」的互不相關，即甲類的特徵與行為，不會影響乙類。
互斥是事件的「集合」互相排斥，亦即甲類的特徵與行為，不會同時屬於乙類。
我們舉一個同樣屬於「人文行為研究」的「寫作理論的比較：整合知識美學與科學理論的分析法」為例。
胡適把寫作理論分為8類：言之有物、不無病呻吟、講求文法、不用典、不講對仗、不避俗語、不摹倣古人、去濫調套語。
但其中顯然：「言之有物、不無病呻吟」之間，並非獨立而互斥的；「不用典、不講對仗、不避俗語」與「不摹倣古人、去濫調套語」，也是相同非獨立而互斥的。這就是一種未考慮知識邏輯，主觀的非科學知識分類。
同「寫作理論的比較」文中，Kuhn 對理論的 5 分類：Accuracy、Scope、Consistency、Simplicity、New and Fruitfulness， 如果應用在寫作理論上，就是：論真理與抒真情、有觀照與有體制、有一致性： 通達(意) 表達(美) 、簡潔、雋永啟發與創新求變，相對的就達成了「分類因素」之間的「獨立而互斥」。
更多的範例，可參加統雄老師的TX科學美學3論分類方法。
分類對像「適當而無遺」
所有觀察對象，均應在分類因素內。
同以「寫作理論的比較：整合知識美學與科學理論的分析法」為例，胡適的寫作理論，就疏忽了「一致性」這個重要的類別。
張愛玲在不同文章中，陸續提出的寫作理論包括：參差對照、力與美、體驗等，可謂零零落落，更反映了一般容易產生的、隨機性的、無邏輯的分類習慣行為。
子分類間具備繼承性。
在「寫作理論的比較：整合知識美學與科學理論的分析法」介紹了劉勰的《文心雕龍》他提出了「如何建構好文章」的觀念，可視為中華史上提出知識美學的先聲。
但他分類為同一層的文章，其實有些具備重疊、繼承性，宜再歸納為子分類，進一步的討論，請參見：「文學批評品析：文心雕龍 古中華寫作理論/知識美學先聲:通變」。
分類因素的選擇：如何達成獨立而互斥
在「人文行為研究」的相關文獻中，經常會發生分類不符獨立而互斥的現象。
主因可能是人文行為從事者，往往沒有注意科學「計量方法」或「準計量方法」中，確認「變項」的觀念。
譬如，「詮釋式記錄片篇：數位視訊創作.報導與評論影片品析」一文中，討論到記錄片的分類方面，一般會介紹 Bill Nichols的「6分類」法：詩歌式、 昭告式、觀察式、參與式、反省式和表現式。
Nichols又是一種「古典美學方法」的分類，出於分類者主觀的經驗與靈感，在類目上（Classification 分類）不自覺包括2個變項：製作方法（偏結構因素）、與主題表現（偏意涵因素），實務上真正要以作品歸類（Categorization 定類）時，不一定有一致見解。
同文所介紹的「製作實務取向的TX 記錄片3分類」，則從實務的角度，選擇「如何取得/處理/與闡述歷史記錄、檔案視覺資料」的「具體變項」，就變項獲得可準測量方法，建議分為3類：詮釋式記錄片（Interpretative Documentary）、報導式記錄片（Journalistic Documentary）、戲劇化式記錄片（Dramatized Documentary），從而可達成分類獨立而互斥的條件。
統計分類
統計分類即建築在變項分析，與大量資料上。而作為分類的變項，又可分作：單變項（Univariate）、雙變項(Bivariate）與多變項（Multivariate）的分類方法。
單變項（Univariate）分類
這是常見而不易出錯的方法，譬如：
西洋音樂以「時代」變項分：巴洛克、古典、浪漫、後浪漫、爵士。
音樂以「節奏」變項分：慢歌,搖滾,爵士,拉丁,各種流行等。
雙變項(Bivariate）分類
採用2個獨立變項，宜以「列聯表」的方式表達較佳，譬如：
以「時代」「地區」變項分：
1300~ |
1600~ |
1750~ |
1830~ |
|
中華 |
元劇 | 明弋陽、餘姚、海鹽、崑山 | 清初皮黃、花鼓 | 清中彈詞、大鼓 |
歐洲 |
經文歌 | 巴洛克 | 古典主義 | 浪漫主義 |
以上為示例，並非完整分類。
多變項（Multivariate）分類
多變項（Multivariate）分類的技術又可包括：
因素分析法 (Factor Analysis)：事後分類法，在大量資料中，分類萃取同類因素。
集群分析法 (Cluster Analysis)：根據已知屬性，將具有相同屬性的樣本，分到相同的「群」內，形成如上文提到的樹狀結構分類圖、或魚骨圖。當前許多數位音樂，都標有 tag，就是作為集群分類的屬性。
多元尺度法、非計量多元尺度法：將資料轉化為平面視覺空間資料的方法，又分為計量法與非計量法。非計量法是指「無母數統計」範疇，使用「等序資料」即可，但不能為類別資料。
與其他各種在技術上大同小異的方法。
多變項（Multivariate）分類的結果，類目內樣本的呈現方式，又可分為：族層 (Strata) 分類、集群 (Cluster) 分類、區域 (Area) 分類，或其他特殊目的分類。
|
資料的集群(Cluster)分析結果‧
不是樣本分類的集群 (Cluster)
反而是樣本分類的族層 (Strata)族層 (Strata) 分類
族層 (Strata) 分類就是各種屬性愈接近的樣本，愈分在相同、或鄰近的族層 (Strata) 中，族層 (Strata) 的意思，是要滿足、或追求「層內變異最小、層間變異最大」。
如：音樂流派名稱分佈圖。
集群 (Cluster) 分類
集群 (Cluster) 分類就是各集群中 (Cluster)的樣本，屬性彼此愈不相同，而 集群 (Cluster) 之間反而相同或接近。集群 (Cluster) 的意思，是要滿足、或追求「群內變異最大、群間變異最小」。
如以美國各大都市分集群 (Cluster)，每個都市內都包括當時流行的各種音樂流派，但各都市間當時流行的各種音樂流派，可能差不多。
實例如：音樂流派城市分佈圖。
區域 (Area) 分類
如以全球各大都市分區域 (Area) ，每個區域 (Area) 當時流行的各種音樂流派，可能有相同處、或不同處。
實例如：音樂流派國家分佈圖。
音樂流派數位分析
以上的多變項分析觀念，再加上數位分析工具，就可以對音樂流派作更深度的分類與出現。
什麼是數位分析？What is Digital Analytics?
數位分析就是收集網路的行為以進行分析，對象可有2類，一是網路使用者，二是網路上的資料流量。
流量分析商業化興起的觀念，可能興起於1994的IPRO，此後流量分析的名稱有多種演變，包括：Traffic Report, Internet Flow Monitor...很快的就有許多廠商投入，開發各種流量分析工具。
2004年相關業者組成協會，定名為「網站分析協會(Web Analytics Association)」，而後鑑於未來網路媒體的形式已不限於網站，所以在2012年再更名為「數位分析協會(Digital Analytics Association, DAA)」。
Web Analytics is the measurement, collection, analysis and reporting
of Internet data for the
purposes of understanding and optimizing Web usage.
對網際網路資料流量的測量、收集、分析與報告，目的在於瞭解與優化網站的使用。
數位分析工具類型：近端與遠端
近端分析是一種「對己、絕對值」的分析，就是對伺服器本機的分析，伺服器會將外在要求全部登載在記錄檔(.log)中，原始資料都是瑣碎的時間、協定、檔名、Meta…資料等。經過整理、分析、加上查詢介面後，就可以轉化為有意義的使用行為資料。
而對這種格式資料分析的需求，也促成了資料探勘的發展。
遠端分析則是一種「比較自己與他人、相對值」的分析，遠端提供服務的公司，利用蜘蛛、網蟲…等技術探查各伺服器，或由各網站管理者自行在網頁上加注程式，提供遠端分析公司追蹤，再由遠端分析公司提供報告。
當然最有威力的遠端分析者就是搜尋引擎，提供全球使用者對全球各網站，提供使用行為的比較分析。並可提供「使用者-媒介（如搜尋引擎、中繼網站…）-網站」的完整使用途徑。
次級數位分析：各種網頁連結、網路資料庫
除了以上的數位分析外，也可以經由研究各種網頁連結、網路資料庫所提供的數據，進行次級數位分析。
音樂分佈圖
當然，不同的評論人與不同的分析工具，可能造成不同的結果，下文介紹幾個有代表性的分析圖。
