MétaCan
Menu
Retour à la cohorte
Enregistrement W2338138854 · doi:10.1386/jmte.8.3.243_1

Podcast creation: A methodology for exploring self within music teacher education

2015· article· en· W2338138854 sur OpenAlexaff
Benjamin Bolden, James Nahachewsky

Notice bibliographique

RevueJournal of Music Technology and Education · 2015
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueRadio, Podcasts, and Digital Media
Établissements canadiensUniversity of VictoriaQueen's University
Organismes subventionnairesnon disponible
Mots-clésNarrativePerceptionMusic educationMeaning (existential)PedagogySelf-reflectionPsychologyDigital audioMathematics educationMultimediaComputer scienceArtLiterature

Résumé

récupéré en direct d'OpenAlex

Abstract In this article we examine podcast creation as a methodology for exploring self within music teacher education. We draw on interview data concerning pre-service teachers’ perceptions of a podcast creation assignment carried out within an undergraduate music education course. Students were required to use digital technology to create an audio podcast, three to five minutes in duration, to tell their stories of, with and through music. Analysis of the interview data indicated that in creating the podcasts, pre-service music teachers experienced enhanced reflection by combining music and narration together; facilitation of idea exploration and communication as a result of speaking rather than writing; the benefit of hearing their own words; deeply personal engagement and enhanced meaning-making through creative and artistic processes. Accordingly, we conclude that podcast creation holds significant potential as a vehicle for exploring self within music teacher education.

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)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,784
Score d'incertitude au seuil0,410

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,212
Tête enseignante GPT0,381
Écart entre enseignants0,169 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
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

Citations4
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Music Technology and EducationMême sujetRadio, Podcasts, and Digital MediaTravaux en français237 207