Des logiciels audio-vidéo à l’enseignement de l’éducation musicale dans l’enseignement secondaire français
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Les programmes d’éducation musicale et de chant choral du collège en France publiés entre 1995 et 2008 démontrent que les pratiques de l’enseignement assisté par ordinateur (EAO) ont très rapidement évolué, notamment grâce aux progrès des outils créés pour la musique assistée par ordinateur (MAO). L’effet conjugué de l’EAO et de la MAO a permis d’explorer de nouvelles pratiques pédagogiques qui ont profondément modifié les rapports didactiques des professeurs à l’apprentissage musical au collège. Cet article fait état de l’analyse rétrospective de l’expérience d’un collectif de professeurs d’éducation musicale et de chant choral français au début des années 2010. Cette recherche-action a été réalisée à partir des séquences de cours élaborées par les professeurs regroupés en petites équipes au sein du collectif et utilisant uniquement des logiciels libres de droits pour observer l’impact de la MAO sur les apprentissages musicaux des élèves. Il s’agit de montrer comment ces nouvelles technologies utilisées en éducation musicale permettent de développer l’intérêt des élèves et de les engager plus activement dans des apprentissages musicaux. Cet article rend compte de cette recherche didactique et pédagogique en la resituant dans le contexte des travaux réalisés et publiés à cette époque et en propose une étude critique à l’aide de certaines caractéristiques propres aux théories de l’activité.
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.
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 | 0,005 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,005 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 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 découle