A Snapshot of Music History Teaching to Undergraduate Music Majors, 2011–2012: Curricula, Methods, Assessment, and Objectives
Notice bibliographique
Résumé
A survey of 232 music history teachers representing 204 institutions in the U.S. and Canada gathered descriptive data on the design, teaching methods, assessment and objectives for music history for undergraduate music majors in 2011–2012. On average, 8.5% (i.e. nine of 120 credits) of a typical music major’s degree is in music history. Students most often begin in the second year. The most common curriculum features only a chronological survey (n=81), while 37 add a one-course introduction and 21 add a menu of topics courses to the survey. Lecture is the most frequently used teaching method, but topics courses are more likely to use non-textbook readings, whole-group discussion, and guided listening than lecture. Examinations were the most significant mode of assessment by a large margin, followed by short writing assignments, participation/attendance, and fieldwork, oral histories, or interviews. Respondents preferred such traditional objectives as “trace the basic chronology of western art music” over objectives focusing on popular or world music, instruments, or performers, although cultural context was second on the list. Rankings of other objectives showed little variance. The author suggests that cultural changes and new research directions may challenge the traditional cast of music history teaching.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».