Das Unterhaltungserleben wird von verschiedenen Autoren grundsätzlich als eine angenehme Reaktion auf eine Aktivität, teilweise im Zusammenhang mit der Mediennutzung, definiert, die mit positiv konnotierten Begriffen wie Freude oder Vergnügen assoziiert wird (American Psychological Association, n.d.; Bosshart & Macconi, 1998; Zillmann, 2006). Basierend auf der Selbstbestimmungstheorie von Deci und Ryan (1985) verstehen einige theoretische Ansätze darüber hinaus das Unterhaltungserleben in Medienkontexten als Erfüllung von zentralen Bedürfnissen wie z. B. nach Verbundenheit, dem Bestreben, anderen nah zu sein (Tamborini et al., 2010; Wirth et al., 2012).

Sowohl vor Ort erlebte Musikperformances als auch deren audiovisuelle Aufnahmen können zu einem erhöhten Unterhaltungserleben führen (Shin et al., 2019; Thompson, 2007). Für die Wertschätzung von Musikperformances stellt die visuelle Ebene eine wichtige Komponente dar (Platz & Kopiez, 2012) und auch Veränderungen einzelner Faktoren in der visuellen Präsentation können sich beispielsweise auf das Urteilsverhalten der Rezipierenden auswirken (Platz, 2014). Mediiert durch die wahrgenommene räumliche Präsenz (d. h. die subjektive Wahrnehmung, sich in der Medienumgebung anwesend zu fühlen; Wirth et al., 2007) bzw. soziale Präsenz innerhalb der virtuellen Konzerterfahrung konnte im Rahmen von medial vermittelten Musikperformances ein Einfluss der Immersivität der Visualisierung (VR bzw. 360°-Video vs. unidirektional) auf das Unterhaltungserleben gezeigt werden (Gillner et al., 2021; Shin et al., 2019).

Biocca (1997) beschreibt soziale Präsenz als die subjektive Erfahrung, einer medial vermittelten sozialen Entität physisch nahe zu sein und Zugang zu deren Emotionen zu haben. Die Wahrnehmung von sozialer Präsenz hängt demnach davon ab, wie einfach es subjektiv empfunden wird, sich in den virtuellen anderen hineinzuversetzen. Wird soziale Präsenz im Zusammenhang mit kognitiven Zuständen betrachtet, beinhaltet dies die Konzeption eines mentalen Modells des Gegenübers, welches durch die Wahrnehmung von Verhalten, das Rückschlüsse auf die Anwesenheit einer anderen Intelligenz gibt, aktiviert wird (vgl. Biocca, 1997; Biocca, Burgoon et al., 2001; Biocca et al., 2003). Aus dieser Perspektive wird soziales Präsenzerleben als multidimensional betrachtet (Biocca et al., 2003). Biocca, Harms und Gregg (2001) unterscheiden drei Stufen von sozialem Präsenzerleben. Die niedrigste Stufe beschreibt das Gefühl von Co-Präsenz. Der Eindruck, während der medialen Erfahrung nicht alleine zu sein, hängt hierbei vom Ausmaß einer empfundenen wechselseitigen Wahrnehmung mit dem vermittelten anderen ab. Die nächsthöhere Stufe von sozialem Präsenzerleben ist durch psychologisches Involvement bzw. den wahrgenommenen Zugang zu den kognitiven oder affektiven Zuständen des Gegenübers gekennzeichnet. Hierbei kann das Ausmaß empfundener Empathie zentral sein, die sich auf das Gefühl der Rezipierenden bezieht, wechselseitig die Stimmungslagen des anderen zu erleben. Die dritte und höchste Stufe an sozialer Präsenz, das Gefühl von verhaltensbezogenem Engagement, findet vor allem in interaktiven Settings statt, da es entsteht, wenn Handlungen als reaktiv, voneinander abhängig und miteinander verknüpft empfunden werden. Faktoren, die zu einer Steigerung des sozialen Präsenzerlebens führen können, sind (non-)verbale Hinweisreize, wie zum Beispiel der Blickkontakt (Biocca et al., 2003; Oh et al., 2018).

Während sich das soeben dargestellte Verständnis von sozialer Präsenz vor allem auf das Erleben eines medial vermittelten sozialen Akteurs bezieht, fokussieren sich andere theoretische Ansätze stärker auf die soziale Reichhaltigkeit der medialen Erfahrung an sich (Lombard et al., 2009). Die soziale Reichhaltigkeit bezieht sich auf die Intimität und Wärme, die ein Medium ermöglicht (Lee, 2004). Im Fokus steht dabei die subjektive Einschätzung der Rezipierenden hinsichtlich des Charakters der medialen Erfahrung, zum Beispiel wie emotional, persönlich, unmittelbar und gesellig diese wahrgenommen wird (Lombard et al., 2009).

Blickkontakt als nonverbaler Hinweisreiz ist eine wichtige Komponente zwischenmenschlicher Kommunikation (Patterson, 1990), die auch in virtuellen Kontexten einen einflussreichen Faktor darstellt. So konnte gezeigt werden, dass sich Blickkontakt positiv auf das soziale Präsenzerleben auswirken kann, sofern dieser hinsichtlich Länge und Intensität nicht als unangenehm und unrealistisch empfunden wird (Bailenson et al., 2003; Bente et al., 2008; Dalzel-Job, 2015). Im Kontext von virtuellen, nicht interaktiven Musikperformances erscheinen vor allem zwei Dimensionen des sozialen Präsenzerlebens von Biocca, Harms und Gregg (2001) von Bedeutung zu sein: empfundene wechselseitige Wahrnehmung sowie empfundene Empathie. Es kann davon ausgegangen werden, dass sich der Blickkontakt auch positiv auf die beiden einzelnen Dimensionen auswirkt. Denn Forschungsergebnisse zeigen, dass durch Blickkontakt zum einen der Eindruck verstärkt werden kann, sich mit dem vermittelten anderen einen virtuellen Raum zu teilen (Bente et al., 2008; Jo et al., 2016). Zum anderen werden durch Blickkontakt affektive Informationen übertragen und Hinweise auf den Gefühlszustand des Gegenübers gegeben. Der Blickkontakt kann die emotionale Ansteckung begünstigen, was wiederum dem Rezipierenden dabei hilft, den mentalen Zustand des Kommunikationspartners besser zu verstehen bzw. empathisch nachzuvollziehen (Prochazkova & Kret, 2017). Darauf basierend werden die nachfolgenden Hypothesen formuliert:

Wie oben schon ausgeführt, lässt sich soziale Präsenz auf einer ersten Stufe als empfundene wechselseitige Wahrnehmung und auf einer zweiten Stufe als empfundene Empathie konzeptualisieren. Überschreiten Rezipierende während einer medial vermittelten Musikperformance diese beiden Stufen, sollten sie sich demnach sozial präsenter in dem medial Vermittelten fühlen, d. h. sie werden das Gefühl haben, den oder die Künstler:in und seine Performance unmittelbarer zu erleben. Diese Unmittelbarkeit als Gefühl räumlicher und emotionaler Nähe zur Künstler:in sollte dazu beitragen, dass die gesamte Musikperformance intensiver, intimer, facettenreicher – kurzum: sozial reichhaltiger – erlebt wird. Daraus leiten wir folgende Hypothesen ab:

Eudaimonische Unterhaltungsansätze stellen den Prozess einer aktiven Auseinandersetzung mit der Bedeutung und Sinnhaftigkeit von Medieninhalten in den Fokus. Gemäß dieser gilt u.a. das Gefühl der sozialen Verbundenheit (relatedness) als zentrales Bedürfnis an eine unterhaltsame Medienrezeption (Tamborini et al., 2010; Wirth et al., 2012). Mit anderen Worten: Wer sich bei der Medienrezeption sozial ein- oder angebunden fühlt, erlebt dies als wohltuend und sinnstiftend, was wiederum mit Unterhaltungserleben einhergeht. Insofern nehmen wir an, dass insbesondere die emotionalen, empathischen Prozesse bzw. die zweite Stufe der sozialen Präsenz wie auch die daraus resultierende wahrgenommene soziale Reichhaltigkeit sich positiv auf das Unterhaltungserleben einer Musikperformance auswirken sollte. Die empfundene wechselseitige Wahrnehmung kann dagegen als Voraussetzung für die empfundene Empathie und damit als niedrigschwellige, erste Stufe der sozialen Präsenz gesehen werden (Biocca, Harms & Gregg, 2001). Deshalb vermuten wir keinen direkten Einfluss auf das Unterhaltungserleben.

Fasst man nun die bisher getroffenen Annahmen zusammen, kann von folgendem Gesamtzusammenhang der einzelnen Pfade ausgegangen werden:

Die Rekrutierung der Proband:innen erfolgte über persönliche E-Mails, Direktnachrichten, Facebook-Gruppen, Instagram und die Plattformen SurveyCircle und Thesius. Nach Bereinigung der Daten (Probedurchläufe [n = 2] sowie extreme zeitliche Ausreißer beim Ausfüllen des Fragebogens wurden ausgeschlossen [> 30 min; n = 3; Leiner, 2019]) standen 114 Proband:innen zur Auswertung zur Verfügung, die sich auf die beiden Experimentalgruppen à 57 Teilnehmer:innen gleich verteilten. Die Gesamtstichprobe bestand aus 68,4 % (n = 78) weiblichen und 31,6 % (n = 36) männlichen Teilnehmer:innen. Der Altersdurchschnitt betrug 28,11 Jahre (SD = 11,75) mit einer Altersspanne von 17 bis 78 Jahren. 38,6 % (n = 44) der Teilnehmer:innen gaben ein abgeschlossenes Studium als höchsten Bildungsabschluss an, 49,1 % (n = 56) ein Abitur oder eine (Fach-)Hochschulreife, 10,5 % (n = 12) einen Realschulabschluss und je 0,9 % (n = 1) gaben an, die Hauptschule bzw. gar keine Schule abgeschlossen zu haben. Auf die Frage nach der Bekanntheit der beiden verwendeten Musikstücke antworteten 70,2 %, dass sie die Musikstücke nicht kennen. Die Teilstichproben der beiden Experimentalgruppen wiesen nur geringfügige Unterschiede hinsichtlich ihrer demografischen Zusammensetzung und der Bekanntheit des Stückes auf.

Als Medienstimulus wurden zwei Videos einer fünfminütigen audiovisuellen Musikperformance angefertigt, in denen jeweils die beiden Soulmusikstücke Lovely Day (Withers, 1977) und Just the two of us (Washington, 1980) mit einem fließenden Übergang nacheinander von einem Pianisten gespielt wurden. Die Musikperformance wurde konkret für die Erhebungssituation arrangiert und von einem Musikstudenten der Hochschule für Musik Würzburg auf einem elektrischen Klavier gespielt.

Die beiden audiovisuellen Stimuli unterschieden sich entsprechend der Experimentalbedingungen lediglich in der Blickrichtung des Künstlers. Im ersten Stimulus fand kein direkter Blickkontakt des Pianisten zur Kamera statt. Hier betrachtete der Künstler während der Performance beider Musikstücke ausschließlich die Klaviertasten. Im zweiten Stimulus schaute der Pianist während des Spielens der beiden Stücke teilweise in die Kamera. Dabei wurde darauf geachtet, den Blickkontakt nicht unnatürlich zu gestalten, sondern im Spielverlauf nur zeitweise in die Kamera zu blicken (Bente et al., 2008).

Als Instrument wurde das Klavier ausgewählt, da erwartet wurde, dass dieses genreübergreifend auch Teilnehmer:innen gefällt, die sonst keine Instrumentalmusik rezipieren. Da vermutet wurde, dass nicht alle Proband:innen eine Affinität zu instrumentaler Klaviermusik haben, wurden Musikstücke ausgewählt, die in der Originalversion sehr bekannt und beliebt sind (Last.fm, 2020) und deshalb zu einem angenehmen Hörerlebnis führen sollten. Um die Wirkung der Musikperformance nicht durch zu viele Variablen unkontrolliert zu beeinflussen, wurde auf zusätzlichen Gesang verzichtet. Um den Eindruck einer realen Musikperformance zu erwecken, wurde eine Länge von fünf Minuten konzipiert. Beide Musikstücke hatten eine Dauer von ca. zweieinhalb Minuten, wurden technisch und musikalisch versiert und virtuos gestaltet und zeichnen sich durch einen schwebenden und lebendigen Rhythmus, ein moderates Tempo und eingängige Melodien aus. Die Musikperformance begann mit dem langsameren Stück Just the two of us (Tempobezeichnung moderato), um den Teilnehmer:innen die Möglichkeit zu geben, sich auf die Rezeptionssituation einzustellen. Im direkten Anschluss folgte das schnellere Stück Lovely Day. Die Wahl fiel auf positiv konnotierte Musik, da diese zu einem höheren Unterhaltungserleben führen kann (Thompson et al., 2001). Die Musikperformance wurde auf dem E-Piano Nord Stage 2 der Firma Clavia gespielt. Um eine optimale Tonqualität zu gewährleisten, wurde die Tonspur getrennt vom Bild mit dem Software-Plugin Keyscape aufgenommen und im Anschluss mit dem Schnittprogramm Adobe Premiere Pro CC mit dem Video synchronisiert. Die Bildaufnahme erfolgte mit einem iPhone 6s.

Der Künstler wurde beide Male aus derselben frontalen Kameraperspektive aufgenommen, um die Wirkbedingungen über die Experimentalgruppen gleich zu halten. Es wurde darauf geachtet, dass im Hintergrund keine störenden und ablenkenden Elemente zu sehen waren, um eine unkontrollierte Beeinflussung der Teilnehmer:innen zu vermeiden. Das Instrument war im Bildausschnitt zu sehen. Die Musikperformance wurde ohne Publikum aufgezeichnet und wurde für eine rein mediale Vermittlung konzipiert. Beide Videos hatten in etwa die gleiche Zeitdauer.

Um auszuschließen, dass leichte Abweichungen in der Interpretation zwischen den beiden Performances zu einem unterschiedlichen Level an Unterhaltungserleben führen, wurde ein Pretest (N = 64) mit den Audiospuren der beiden Musikperformances durchgeführt. Als Messinstrument wurde eine fünfstufige Ratingskala mit Endpunktbenennung (1 = trifft überhaupt nicht zu und 5 = trifft voll und ganz zu) verwendet (Shin et al., 2019). Dabei konnte ein ähnliches Level an Unterhaltungserleben bei der Audiovariante der „Mit-Blick”-Variante (M = 3,49, SD = 0,56) sowie bei der „Ohne-Blick”-Variante (M = 3,40, SD = 0,85), t(62) = 0,47, p = ,642, Cohens d = 0,13, festgestellt werden. Dadurch wurde sichergestellt, dass potenzielle Unterschiede des Unterhaltungserlebens zwischen den beiden audiovisuellen Musikperformances ausschließlich auf Unterschiede der visuellen Ebene (Blickkontakt: ja/nein) zurückgeführt werden können.

Sofern nicht anders beschrieben, wurden die verwendeten Messinstrumente mithilfe einer fünfstufigen Ratingskala mit Endpunktbenennung (1 = trifft überhaupt nicht zu und 5 = trifft voll und ganz zu) gemessen. Die Übersetzung der Originalskalen ins Deutsche erfolgte möglichst originalgetreu getrennt von drei verschiedenen Personen (Moosbrugger & Höfling, 2012). Die Originalitems sowie die verwendeten Übersetzungen sind dem Anhang zu entnehmen.

Um zu überprüfen, ob die Teilnehmer:innen die Blickrichtung des Künstlers in der Musikperformance entsprechend ihrer Bedingung wahrnahmen, wurde dies gegen Ende des Fragebogens mit einem Item abgefragt („Die Person hat während der Performance Blickkontakt zum Publikum gesucht“). Dabei dienten zwei weitere Items als Cover-Items, um das relevante Item nicht zu offensichtlich wirken zu lassen („Die Person hat das Publikum direkt angesprochen“ und „Die Person hat während der Performance nicht mit dem Publikum interagiert“).

Um den Fragebogen der Onlinestudie möglichst kurz zu halten, wurden für die Messung der sozialen Präsenz je vier von sechs Items aus den beiden Dimensionen empfundene Empathie (z.B. „Wenn der Pianist glücklich war, war ich glücklich“) und empfundene wechselseitige Wahrnehmung (z. B. das invers formulierte Item „Ich habe mich oft so gefühlt, als wäre ich alleine gewesen“) der Studie von Biocca, Harms und Gregg (2001) entnommen. Es wurden die für die Erhebungssituation als passend eingestuften Items ausgewählt. Zur Erhöhung der Reliabilität wurde bei der Dimension empfundene wechselseitige Wahrnehmung ein Item ausgeschlossen („Der Pianist hat mich nicht wahrgenommen“). Der Cronbachs-Alpha-Wert blieb jedoch weiterhin in einem unzureichenden Bereich (siehe Tabelle 1). Da es sich allerdings um eine etablierte Skala handelt und auch ein erneuter Ausschluss von Items nicht zu einer Verbesserung des Wertes beigetragen hätte, wurde mit der Skala weitergerechnet.

Um das Level an wahrgenommener sozialer Reichhaltigkeit abzufragen, wurde die Dimension Social Richness des Temple Presence Inventory von Lombard et al. (2009) verwendet. Adaptiert wurden die Items aus der Studie von Shin et al. (2019). Durch ein fünfstufiges semantisches Differential (bipolar) mit sieben Gegensatzpaaren (z. B.: „unpersönlich / persönlich“ oder „emotionslos / emotional“) sollte die Musikperformance charakterisiert werden.

Mit sechs Items wurde das empfundene Unterhaltungserleben der Teilnehmer:innen erhoben (z. B.: „unterhaltsam“). Diese wurden der Studie von Shin et al. (2019) entnommen, da sie dort bereits im Zusammenhang mit Musikperformances erfolgreich verwendet wurden.