Students’ motivation to study music as compared to other school subjects: A comparison of eight countries
Notice bibliographique
Résumé
This study draws on an expectancy-value theoretical framework to examine the motivation (competence beliefs, values and task difficulty) of 24,143 students (11,909 females and 10,066 males, aged 9 to 21 years) from eight countries (Brazil n = 1848; China n = 3049; Finland n = 1654; Hong Kong n = 6179; Israel n = 2257; Korea n = 2671; Mexico n = 3613; USA n = 3072). Music was studied in comparison to five other school subjects (art, mother tongue, physical education, mathematics, science) across three school grade levels that included the key transition from elementary to secondary school. Results indicated that music as a school subject was valued less and received lower task difficulty ratings than other school subjects with the exception of art. Students reported higher competence beliefs for physical education and mother tongue compared to music and lower competence beliefs for mathematics and art. There was an overall decline in students’ competence beliefs and values across the school grade levels for all countries except Brazil. Females reported higher competence beliefs and values and lower task difficulty ratings for music, art and mother tongue than males. Males reported higher competence beliefs and lower task difficulty ratings for physical education and mathematics. There were no gender differences for values in mathematics. Music learners reported higher competence beliefs and values and lower task difficulty across school subjects than non-music learners. Secondary analyses were used to further explore differences within each of the eight countries. Findings suggest that once students have experienced learning to play an instrument or voice, they become more motivated towards other school subjects. Implications of the findings suggest that advocacy aimed at increasing the values that students attach to music as a school subject may encourage more students to become music learners across a wide range of countries.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».