Kulağınızı Nasıl Eğitirsiniz: Adım Adım Bağıl ve Mutlak Perde

'Kulak eğitimi' arayan çoğu insan, aslında birbirinden farklı iki beceriden birini istiyordur. Bağıl perde, bir notayı veya aralığı bir referans tonla karşılaştırarak tanımlama yeteneğidir ve Wikipedia'nın bağıl perde maddesine göre, düzenli pratikle hemen herkes tarafından öğrenilebilir. Mutlak perde — genellikle mükemmel perde (perfect pitch) olarak adlandırılır — hiçbir referans olmadan bir notayı adlandırma veya üretme yeteneğidir ve nadirdir, kazanılması çok daha zordur.

Mükemmel perdeyle değil, bağıl perdeyle başlayın

Bağıl perde, icra etme, improvize etme, transkripsiyon yapma ve nota görerek şarkı söyleme (sight-singing) için pratik bir temeldir ve bağıl perdeye ilişkin Wikipedia özetine göre, eğitime en güvenilir şekilde yanıt veren beceridir. Bu kaynakta ve Berklee College of Music'in yayımladığı kulak eğitimi müfredatında anlatılan temel teknikler şunlardır: solfej (gam derecelerini do-re-mi gibi hecelerle adlandırma), her aralığı tanıdık bir şarkının açılış notalarıyla ilişkilendirerek yapılan aralık tanıma çalışması ve duyulan melodileri geri söyleme.

Berklee Online mağaza sayfasında tanıtılan Berklee'nin 'Essential Ear Training' (Temel Kulak Eğitimi) kursu, bu çalışmayı dört alana ayırıyor: ritmik çalışmalar (perdesiz ritim okuma), görsel tanıma çalışmaları (ritmik karmaşıklık olmadan solfej), sol-fa çalışmaları ve gerçek müzikten alınan melodik çalışmalar. Berklee'nin ayrı bir kursu ise özellikle akor ilerleyişlerini kulakla tanımaya odaklanır ve program bunu harmonik kulak eğitimi olarak adlandırır.

Adım adım bir pratik sırası

1. Bir referans perdesi söyleyip onu enstrümanınızda veya sesinizle eşleştirerek ısının, ardından gam derecelerini kulağınıza yerleştirmek için majör gamı solfejle (do, re, mi, fa, sol, la, si, do) söyleyin; bu, Berklee'nin sol-fa yöntemine dayanır.
2. Her seferinde tek bir aralığı — örneğin tam beşli veya majör üçlü — zaten bildiğiniz bir şarkının ilk iki notasıyla ilişkilendirerek çalışın, ardından kendinizi bağlam dışında rastgele çalınan aralıklarla test edin; bu, Wikipedia'nın bağıl perde maddesindeki 'aralık ilişkilendirme' yöntemidir.
3. Bir parça içindeki akor ilerleyişlerini tanımaya çalışmadan önce, izole olarak duyulan akor niteliği (majör, minör, dominant, eksik) tanımayı ekleyin; bu, Berklee müfredatında kullanılan önce-ritmik-sonra-harmonik sıralamayı takip eder.
4. Ritmi melodiden ayrı pratik yapın: ellerinizle ve ayaklarınızla bir ritmi vurun veya alkışlayın, ya da onu tek bir hece üzerinde söyleyin, ardından melodiyle birleştirin — Berklee'nin ritmik çalışmaları bu adımı aynı nedenle izole eder.
5. Kısa melodileri kulakla transkribe edip yazıya dökün, ardından orijinaliyle karşılaştırın — bu, Berklee programındaki 'melodik çalışmalar' aşamasıdır ve izole becerileri gerçek müzikal örneklere uygulamayı amaçlar.

Yetişkinler mutlak perdeyi öğrenebilir mi?

Mutlak perdenin, erken çocukluktaki kritik bir döneme maruz kalmayı gerektirdiği uzun süre varsayılmıştı. Son yıllarda yayımlanan iki bağımsız kontrollü çalışma bu varsayımı sorguluyor, ancak her ikisi de evrensel bir başarı değil, karma ve kısmi sonuçlar bildiriyor.

PLOS ONE'da yayımlanan Chicago Üniversitesi'nden bir çalışma, altı yetişkin müzisyeni (ortalama yaş 23,33) sekiz hafta boyunca, kademeli hız-ve-doğruluk perde adlandırma görevleriyle toplam yaklaşık 32 saat eğitti. Altı katılımcıdan ikisi — S2 ve S5 olarak tanımlanan kişiler — Stephen C. Van Hedger liderliğindeki araştırmacıların 'davranışsal olarak çocukluğundan beri mutlak perdeye sahip kişilerden ayırt edilemez' olarak tanımladığı bir mutlak perde performansına ulaştı; standart bir perde adlandırma testinde sırasıyla %94,44 ve %97,22 puan aldılar ve bu kazanımlar dört ay sonraki takip testinde de korundu. Diğer dört katılımcı gelişme gösterdi ancak bu eşiğe ulaşamadı.

Neuroscience News tarafından bildirilen ve Dr. Yetta Wong ile Dr. Alan Wong liderliğindeki Surrey Üniversitesi'ndeki ayrı bir program, on iki yetişkin müzisyeni sekiz hafta boyunca, 15.000'den fazla deneme üzerinden ortalama 21,4 saat çevrimiçi olarak eğitti; bu program bağıl perde stratejileri yerine perde sınıfı (pitch-class) tanımaya odaklandı. Katılımcılar ortalama olarak on iki perdeden 7,08'ini %90 veya daha yüksek doğrulukla adlandırmayı öğrendi ve genel perde adlandırma doğruluğu %128,1 arttı, eğitilen tınılardaki hatalar %42,7 düştü; iki katılımcı on iki perdenin tümünde ana dil düzeyine yakın doğruluğa ulaştı.

Perde algısını modellemek neden zor

Eğitim çalışmalarından ayrı olarak, beynin perdeyi nasıl çıkardığına dair temel araştırmalar, bazı öğrencilerin neden diğerlerinden daha hızlı ilerlediğini açıklamaya yardımcı oluyor. MIT'nin McGovern Beyin Araştırmaları Enstitüsü'nden Josh McDermott liderliğinde, yüksek lisans öğrencisi Mark Saddler ve araştırma asistanı Ray Gonzalez ile birlikte çalışan bir ekip, memeli kulağının bir modeliyle birleştirilmiş derin bir sinir ağı inşa etti ve bu çalışmayı Aralık 2021'de Nature Communications'da yayımladı. Model, insan perde algısı örüntülerini yalnızca konuşma ve müzik gibi gerçekçi, gürültülü seslerle eğitildiğinde eşleştirdi — yapay, gürültüsüz tonlarla değil — bu da insan işitmesinin, gerçek dünyadaki gürültülü koşullarda perdeyi çıkarmak üzere evrim tarafından ayarlandığını ve koklea'daki sinir sinyallerinin kesin zamanlamasının bu yetenekte merkezi bir rol oynadığını gösteriyor.

Pratik çıkarımlar

• Bağıl perde (aralıklar, solfej, akor niteliği) hemen herkes tarafından eğitilebilir ve icracı müzisyenler için öncelikli beceridir.
• Yapılandırılmış, kademeli pratik — önce ritim, sonra solfej, sonra aralıklar, ardından tam melodiler — Berklee'nin yayımlanan müfredatında kullanılan sıralamayı yansıtır.
• Yetişkinlerde mutlak perde eğitimi aktif bir araştırma alanıdır; kontrollü çalışmalar, sekiz hafta boyunca yaklaşık 20-32 saatlik odaklanmış pratik sonrasında eğitilen yetişkinlerin küçük bir kısmında gerçek mutlak perde performansı üretmiştir, ancak bu çalışmalardaki katılımcıların çoğu yalnızca kısmi bir gelişme göstermiştir.
• Eğitim, izole yapay tonlar yerine gerçekçi, çeşitli ses materyali üzerinde en iyi sonucu verir; bu, MIT'nin perde algısına dair bilgisayar modellemesiyle tutarlıdır.