Distinguishing Makamic Practices: Statistical and Machine Learning-Based Analysis of Ottoman/Turkish Music and Turkish Folk Music Works

Öz

This study aims to explore the structural and cultural differences in the practices of these two deeply rooted musical traditions by examining the different uses of the Hicaz makam in Ottoman/Turkish Music (OTM) and Turkish Folk Music (THM) traditions using a computational approach. Although both genres share a common modal foundation historically, they exhibit distinctiveness in various aspects through their different forms and performance practices. The study utilized a total of 198 melodies (99 OTM, 99 THM) in the Hicaz makam prepared in SymbTr format, and analysis was conducted based on 26 melodic and rhythmic features extracted from these works. Exploratory data analysis, independent sample t-tests, and seven different machine learning algorithms were applied; the Random Forest algorithm showed the highest success rate with 96% accuracy. The most decisive features were ‘sesSistemi, varyansPerde and ‘toplamNota. These findings reveal that OTM offers a systematic structure based on melodic diversity, while THM operates within a more limited formal field based on collective memory. Additionally, OTM works exhibit more pronounced pitch diversity, microtonal usage, and rhythmic richness, whereas THM works are characterised by more stable structures and repetitive motifs. The explainable artificial intelligence outputs produced within the scope of the study reveal the functionality of statistical and algorithmic approaches in analysing makam structures and provide a reproducible analysis framework for the fields of music theory and music information retrieval.

Anahtar Kelimeler

• Makam Analysis
• Music Information Retrieval
• Turkish Music

Makamsal Pratikleri Ayırt Etme: Osmanlı/Türk Müziği ve Türk Halk Müziği Eserlerinin İstatistik ve Makine Öğrenmesi Temelli Analizi

Öz

Bu çalışma, Osmanlı/Türk Müziği (OTM) ve Türk Halk Müziği (THM) geleneklerinde Hicaz makamının farklı kullanımlarını hesaplamalı bir yaklaşımla inceleyerek, bu iki köklü müzik geleneğinin pratiğindeki yapısal ve kültürel farkları keşfetmeyi amaçlamaktadır. Her iki tür, tarihsel olarak ortak bir makamsal temele sahip olmakla birlikte, farklı biçim ve icra pratikleriyle çeşitli açılardan özgünlükler sergilemektedirler. Çalışmada, SymbTr formatında hazırlanmış, Hicaz makamında toplam 198 sözlü eser (99 OTM, 99 THM) kullanılmış ve bu eserlerden elde edilen 26 ezgisel ve tartımsal öznitelik üzerinden analiz gerçekleştirilmiştir. Keşifsel veri analizi, bağımsız örneklem t-testi ve yedi farklı makine öğrenmesi algoritması uygulanmış; %96 doğruluk oranıyla en yüksek başarıyı Rastgele Orman algoritması göstermiştir. En belirleyici öznitelikler "sesSistemi, varyansPerde" ve "toplamNota” olarak öne çıkmıştır. Bu bulgular, OTM’nin ezgisel çeşitliliğe dayalı sistematik bir yapı sunduğunu, THM’nin ise kolektif hafızaya dayalı daha sınırlı bir biçimsel alan içerisinde işlediğini ortaya koymaktadır. Ayrıca, OTM eserlerinde perde çeşitliliği, mikrotonal kullanım ve tartımsal zenginliğin daha belirgin olduğunu; buna karşılık THM eserlerinin daha sabit yapılar ve tekrar eden motiflerle karakterize edildiğini göstermektedir. Çalışma kapsamında üretilen Açıklanabilir yapay zekâ çıktıları, istatistiksel ve algoritmik yaklaşımların makamsal yapıları çözümlemedeki işlevselliğini ortaya koymakta; müzik teorisi ve müzik bilgi erişimi alanları için yeniden üretilebilir bir analiz çerçevesi sunmaktadır.

Anahtar Kelimeler

• Makam Analizi
• Müzik Bilgi Erişimi
• Türk Müziği

Kaynakça

1. Abdi, H., & Williams, L. J. (2010). Principal component analysis. Wiley interdisciplinary reviews: computational statistics, 2(4), 433-459. google scholar
2. Akkoç, C., Sethares, W. A., & Karaosmanoğlu, M. K. (2015). Experiments on the relationship between perde and seyir in Turkish makam music. Music Perception: An Interdisciplinary Journal, 32(4), 322-343. google scholar
3. Aksoy, B. (2024). Geçmişin musiki mirasına bakışlar (5.bs). Pan Yayıncılık. google scholar
4. Alkan, A., & Sevli, O. (2025). A classification study on predicting academic success using machine learning with oversampling and undersampling. Journal of the Faculty of Engineering and Architecture of Gazi University, 40(4), 2191-2204. google scholar
5. Altman, N. S. (1992). An introduction to kernel and nearest-neighbor nonparametric regression. The American Statistician, 46(3), 175-185. google scholar
6. Arel, H. S. (1993). Türk mûsikîsi nazariyatı dersleri (O. Akdoğu, Haz.). Kültür Bakanlığı Yayınları. google scholar
7. Avcı, M. (2021). Bestenin anlam dünyası: Yaratma, hatırlama, bulma ve keşfetme ekseninde müzik üretimi. Mustafa Kemal Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 18(48), 54-78. google scholar
8. Aykurt, H. (2023). Perde, figür ve makam nağmesi temelli öğretim yönteminin bağlama icrasına ve makam algısına etkisi (Tez No: 801110) [Doktora Tezi, Gazi Üniversitesi Eğitim Bilimleri Enstitüsü]. Yükseköğretim Kurulu Başkanlığı Tez Merkezi. google scholar

9. Ayyıldız, S. (2020). Üslup, tavır kavramları ve icra teknikleri çerçevesinde Türk halk müziğinde süslemeler. idil, 72,1290–1334. doi: 10.7816/idil-09-72-09google scholar
10. Balkılıç, Ö. (2009). Cumhuriyet, halk ve müzik: Türkiye’de müzik reformu 1922-1952. Tan Yayınları.google scholar
11. Bayrakdar, G., Baloğlu, B. Ş., & Akdağ, A. K. (2024). Halk müziği çalıp söyleme pratikleri içerisinde bağlama çalgısının eşlik olarak kullanılmasına yönelik saptamalar: Ali ekber çiçek ve Neşet ertaş örneği. International Journal of Social and Humanities Sciences Research, 11(107), 895-904. google scholar
12. Behar, C. (2014). Osmanlı/Türk musikisinin kısa tarihi. Yapı Kredi Yayınları. google scholar
13. Behar, C. (2016). Saklı mecmua – Ali ufkî’nin bibliothèque nationale de France’taki (Turc 292) yazması (2.bs). Yapı Kredi Yayınları. google scholar
14. Behar, C. (2020). Orada bir musiki var uzakta. Yapı Kredi Yayınları. google scholar
15. Bozkurt, B., Gedik, A. C., Savacı, A., Karaosmanoğlu, M. K. & Özbek, M. E. (2010). Klasik Türk müziği kayıtlarının otomatik olarak notaya dökülmesi ve otomatik makam tanıma. TÜBİTAK 1001 projesi (Proje No: 107E024). google scholar
16. Bozkurt, B., Karaçalı, B., Doğrusöz Dişiaçık, N., Karaosmanoğlu, M. K., Yazıcı, Z. F., & Bilgin, K. (2014). Türk makam müziğinin otomatik ezgi analizi. TÜBİTAK 1001 projesi (Proje No: 112E162). google scholar
17. Börekci, A. & Sevli, O. (2024). A classification study for Turkish folk music makam recognition using machine learning with data augmentation techniques. Neural Computing and Applications, 36(4), 1621-1639. google scholar
18. Can, N. (2011). Osmanlıda müziğin ve şiirin gözde sazı: Ney. Gazi Üniversitesi Gazi Eğitim Fakültesi Dergisi, 31(1), 179-200. google scholar
19. Creswell, J. W. & Creswell, J. D. (2022). Research design: Qualitative, quantitative, and mixed methods approaches. SAGE Publications. google scholar
20. Deeba, K., & Amutha, B. (2016). Classification algorithms of data mining. Indian Journal of Science and Technology, 9(39), 1–5. google scholar
21. Demirel, E., Bozkurt, B., & Serra, X. (2018). Automatic makam recognition using chroma features. In A. Holzapfel, A. Pikrakis (Eds.), Proceedings of the 8th international workshop on folk music analysis. Thessaloniki, Greece. Aristotle University of Thessaloniki. google scholar
22. Eke, M. (2003, Ekim). Türk halk müziği ezgileri’nde icra ve yorum. Cumhuriyetimizin 80. Yılında Müzik Sempozyumu’nda sunulan bildiri, İnönü Üniversitesi, Malatya. https://www.muzikegitimcileri.net/bilimsel/bildiri/M-Eke.html google scholar
23. Elçin, Ş. (2000). Ali Ufkî- Mecmua-i saz ü söz. Kültür Bakanlığı Yayınları. google scholar
24. Er, M. B., Çiğ, H., & Kuran, U. (2017, September). Classification of makam structures ın Turkish art music with using artificial neural network. In International Artificial Intelligence and Data Processing Symposium (IDAP) (pp. 1-6). IEEE. google scholar
25. Erkan, S. (2017). Yeni kavramlar, yeni algılar: Türk halk müziği ve kültürel bellek. P. Ş. Tekinalp ve G. G. Alpaslan (Ed.), Kültürel bellek kitabı içinde (s. 182-188). Hacettepe Üniversitesi Yayınları. google scholar
26. Eroğlu, T. (2017). Türk halk müziğinin Türkiye’deki coğrafî bölgelere göre temel özellikleri bakımından incelenmesi. The Journal of Academic Social Science, (41). google scholar
27. Feldman, W. (1996). Music of the Ottoman court: Makam, composition, and the early Ottoman instrumental repertoire. Verlag für Wissenschaft und Bildung. google scholar
28. Fix, E., & Hodges, J. L. (1952). Discriminatory analysis: Nonparametric discrimination, small sample performance. Air University, USAF School of Aviation Medecine. google scholar
29. Fonton, C. (1987). 18. yüzyılda Türk müziği (C. Behar, Çev.). Pan Yayıncılık. google scholar
30. Gedik, A.C., & Bozkurt, B. (2008). Automatic Classification of Turkish traditional Art Music Recordings by Arel Theory. In Proc. Conference on Interdisciplinary Musicology, Thessaloniki, Greece (pp. 2-6). google scholar
31. Gedik, A. C., & Bozkurt, B. (2010). Pitch-frequency histogram-based music information retrieval for Turkish music. Signal Processing, 90(4), 1049-1063.google scholar
32. Göher, F. (2016). İslamiyet'ten önce Türklerde kültür ve müzik. Ötüken Neşriyat. google scholar
33. Gürel, M. (2021). Anadolu edvar geleneği yaklaşımıyla makamı oluşturan temel ilke ve öğeler, hicaz perde düzeninden doğan otuz yedi makam. İdil Dergisi, 85, 1376–1409. google scholar
34. Jolliffe, I. T. (2002). Principal component analysis for special types of data. In I. T. Jolliffe (Eds.), Principal component analysis (pp. 338-372). NY: Springer.google scholar
35. Kalaycı, I., & Korukoğlu, S. (2012). Classification of Turkish Maqam Music Using K-Means Algorithm and Artificial Neural Networks. Proc. 20th IEEE Signal Processing and Communications Applications Conference (SIU), Muğla, Turkey. google scholar
36. Karaduman, İ. (2014). Geleneksel Türk halk müziğinde makâm kavramının kullanılmasına edvâr geleneği açısından bir yaklaşım. Turkish Studies, 9(8), 587-601.google scholar
37. Karaosmanoglu, M. K. (2012, October). A Turkish Makam Music Symbolic Database for Music Information Retrieval: SymbTr. In ISMIR (pp. 223-228).google scholar
38. Karaosmanoğlu, M. K. (2015). Türk musikisi sembolik verileri üzerinde hesaplamalı ezgi analizi (Tez No: 457807) [Doktora Tezi, Yıldız Teknik Üniversitesi Fen Bilimler Enstitüsü]. Yükseköğretim Kurulu Başkanlığı Tez Merkezi. google scholar
39. Karaosmanoğlu, M. K. ve Taşçı, F. (2014). Türk musikisi için Symbtr sembolik derlemi üzerinde otomatik ezgi analizi. Porte Akademik: Müzik ve Dans Araştırmaları Dergisi 10, 98-114. google scholar
40. Karaosmanoğlu, M. K., Berkman, E., & Berkman, M. İ. (2022). Examining transposed makams in Turkish music through machine learning: classification of Rengidil-Neveser and Ruhnevaz-Buselik pieces. Journal of New Music Research, 51(4–5), 346–360. https://doi.org/10.1080/09298215.2023.2240756. google scholar
41. Kaya, İ. (2021). Halk müziği icrasında ezgi yapılarının akort değişimine etkisi ve kuramsal yansımaları. E-Journal of New World Sciences Academy, 16(2), 98–112. https://doi.org/10.12739/NWSA.2021.16.2.D0275 google scholar
42. Kızrak, M. A., & Bolat, B. (2015). Classification of Classic Turkish Music Makams by Using Deep Belief Networks. In: 23rd IEEE signal processing and communications applications conference (SIU), Malatya, Turkey, 19 May. Piscataway, NJ: IEEE. google scholar
43. Kızrak, M. A., & Bolat, B. (2017). A musical ınformation retrieval system for classical Turkish music makams. SAGE Journals, 93(9): 749-757. google scholar
44. Mete, F. (2023). Sözlü kültür belleğinde Antep savunmasının türkülere yansıması. Milli Folklor, 18(137), 214-226. google scholar
45. Nayak, A. S., Kanive, A. P., Chandavekar, N., & Balasubramani, R. (2016). Survey on pre-processing techniques for text mining. International Journal of Engineering and Computer Science, 5(6), 16875-16879.google scholar
46. Özdemir, G. B. (2018). Türk makam müziğinde tanbur çalgısının yeri ve önemi. Fine Arts, 13(4), 133-140.google scholar
47. Öztürk, O. M. (2022). Türk müziğinin temeli olarak halk müziği teorisi ve uygulaması I. Müzik Eğitimi Yayınları.google scholar
48. Pedregosa, F., Varoquaux, G., Gramfort, A., Michel, V., Thirion, B., Grisel, O., & Duchesnay, É. (2011). Scikit-learn: Machine learning in python. The Journal of Machine Learning Research, 12, 2825-2830. google scholar
49. Pınarbaşı, E. (2024). Neşet ertaş's fingerprint in the hicaz makam: Pitch/frequency analysis. Yegah Müzikoloji Dergisi, 7(4), 992-1013. https://doi.org/10.51576/ymd.1583430 google scholar
50. Shlens, J. (2014). A tutorial on principal component analysis. arXiv preprint arXiv:1404.1100. https://doi.org/10.48550/arXiv.1404.1100 google scholar
51. Signell, K. (1977). Makams: Modal practice in Turkish art music. Asian Music Publications. google scholar
52. Şenel, S. (1991). Âşık mûsikisi. TDV İslâm ansiklopedisi. https://islamansiklopedisi.org.tr/asik-musikisi. google scholar
53. Şentürk, S. (2016). Computational Analysis of Audio Recordings and Music Scores for the Description and Discovery of Ottoman-Turkish Makam Music. Unpublished doctoral thesis, Universitat Pompeu Fabra. google scholar
54. Tokel, B. B. (2019). Sarayın sesi halkın nefesi. Kapı Yayınları. google scholar
55. Tura, Y. (2017). Türk mûsikîsinin meseleleri (2.Bs). İz Yayıncılık. google scholar
56. Uçan, A. (2016). Türk müzik kültürü. Evrensel Yayınevi.google scholar
57. Uslu, R. (2012). Müzik terimlerindeki karmaşanın akademik çalışmalara yansıması: orijinal, nazire, çeşitleme, varyant, aranjman, cover, icra. İdil Dergisi, 1(2), 144-165. google scholar
58. Verma, P., & Gupta, R. (2018). A literature survey on classification algorithms of machine learning. International Journal of Computer Applications, 179(53), 47–50. https://doi.org/10.5120/IJCA2018917378google scholar
59. Wang, Y., & Feng, L. (2021). An adaptive boosting algorithm based on weighted feature selection and category classification confidence. Applied Intelligence, 51(10), 6837–6858. https://doi.org/10.1007/S10489-020-02184-3. google scholar
60. Wold, S., Esbensen, K., & Geladi, P. (1987). Principal component analysis. Chemometrics and Intelligent Laboratory Systems, 2(1-3), 37-52. google scholar
61. Yalçınkaya, B. (2004). Geleneksel Türk sanat müziği eserlerinin bilgisayar destekli istatistiksel analizi ve bir algoritmik kompozisyon örneği (Tez No: 190377) [Yüksek Lisans Tezi, Gazi Üniversitesi Eğitim Bilimleri Enstitüsü]. Yükseköğretim Kurulu Başkanlığı Tez Merkezi. google scholar
62. Yarman, O., Sethares, W. A., Karaosmanoğlu, M. K., Demir, M., & Yarman, T. (2019). An investigation of the role of diatonic functions in the seyir phenomenon of Turkish makam music: Case of ‘hicaz family’. A. Ş. Özdemir & T. Malkoç (Ed.), Disiplinlerarası Yaklaşımda Uluslararası Matematik ve Müzik Kongresi Özet ve Tam Metin Bildiri Kitabı içinde (s. 292-340). İstanbul: Marmara Üniversitesi Yayınevi. https://sethares.engr.wisc.edu/paperspdf/Yarman-Hicaz.pdf google scholar
63. Yener, S. (2004). Bilgisayar destekli analiz yoluyla geleneksel Türk sanat müziği hicaz taksimlerinde kalıplaşmış ezgilerin araştırılması (Tez No: 191799) [Doktora Tezi, Gazi Üniversitesi Eğitim Bilimleri Enstitüsü]. Yükseköğretim Kurulu Başkanlığı Tez Merkezi. google scholar
64. Zeteroğlu, E. (2023). Türk ve batı müziği şarkı formundaki eserlerin yapay zekâ destekli karşılaştırmalı müzikal analiz modeli: Hacı Arif Bey ve Franz Schubert örneği (Tez No: 793653) [Doktora Tezi, Mehmet Akif Ersoy Üniversitesi Eğitim Bilimleri Enstitüsü]. Yükseköğretim Kurulu Başkanlığı Tez Merkezi. google scholar
65. Zhang, D. & Li, H. (2023). Application of adaboost algorithm in enterprise financial risk analysis model. 2023 International Conference on Ambient Intelligence, Knowledge Informatics and Industrial Electronics (AIKIIE), 1–5. https://doi.org/10.1109/aikiie60097.2023.10389905.google scholar