MétaCan
Menu
Retour à la cohorte
Enregistrement W2758378755 · doi:10.1177/0255761417731439

An investigation of postsecondary violin instructors’ remedial pedagogy: A case study

2017· article· en· W2758378755 sur OpenAlexaff
Vanessa Mio

Notice bibliographique

RevueInternational Journal of Music Education · 2017
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueDiverse Music Education Insights
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésRemedial educationViolinPsychologyQualitative researchAttributionResistance (ecology)Grounded theoryPedagogyMusic educationSemi-structured interviewMathematics educationMedical educationSocial psychologySociologyManagementSocial science

Résumé

récupéré en direct d'OpenAlex

Applied violin instructors at the postsecondary level often implement remedial pedagogy with incoming first-year students in order to address technical/musical habits or deficiencies. As students strive to alter their technique, resistance to change and low self-efficacy often result. Using a descriptive qualitative multiple case study research design, 10 postsecondary violin instructors from across North America were interviewed to gain insight into their personal perspectives and experiences implementing remedial pedagogy with first-year violin students. The interview data and external data sources were analyzed through the theoretical framework of attribution theory and teacher attribution scaffolding theory. The results indicate that many participants address correction through effective communication, based on the individual physiological/psychological wellbeing of every student, their level of self-efficacy, motivation, resistance to change, and postsecondary expectations. The pedagogical expertise and applied experiences presented in this study should inform current and future violin pedagogues about how to effectively address technical/musical deficiencies so that the wellbeing of students remains a priority throughout the remedial process.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,074
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

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

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 Opus0,081
Tête enseignante GPT0,356
Écart entre enseignants0,274 · 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

Citations7
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Music EducationMême sujetDiverse Music Education InsightsTravaux en français237 207