MétaCan
Menu
Retour à la cohorte
Enregistrement W2043637462 · doi:10.1177/1321103x12439134

The secondary aspects of collective music-making

2012· article· en· W2043637462 sur OpenAlexaffabout
Rosemyriam Cunha, Lisa Lorenzino

Notice bibliographique

RevueResearch Studies in Music Education · 2012
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueDiverse Music Education Insights
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésAmateurChoirMusic educationJazzMusicalityFocus groupSociologySingingPedagogyPsychologyMusicalValue (mathematics)Visual artsArtManagementHistory

Résumé

récupéré en direct d'OpenAlex

This study investigated the social, cultural, cognitive, affective, and physical byproducts that occur when people gather together to make music in an amateur setting. Using a theoretical framework derived from the works of ethnomusicologist Blacking and sociologist Martin, the paper also draws inspiration from other seminal authors including theorist Wenger and sociomusicologist Russell. Participants included members of a jazz combo and community concert choir in a large urban Canadian city. Structured observation, semi-structured interviews with individuals, and focus groups were used to gather the data. Regardless of the participants’ background music training (formal or informal), results suggest that all were able to express their musicality within the group and the community setting through activities that encompass the secondary aspects of the groups’ musical practice. The article concludes with a call for professionals who interact with people through music to consider the nature and value of the secondary aspects of collective music-making.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,718
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,348
Tête enseignante GPT0,439
Écart entre enseignants0,091 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations21
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueResearch Studies in Music EducationMême sujetDiverse Music Education InsightsTravaux en français237 207