MétaCan
Menu
Retour à la cohorte
Enregistrement W2888417627 · doi:10.32370/2018_07_88

A Competency Approach as a Methodological Basis in the Formation of Performing Skills in Future Music Teachers and Musicians From China

2018· article· en· W2888417627 sur OpenAlexvenueno aff
Lu Tao

Notice bibliographique

RevueIntellectual Archive · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueTechnology Assessment and Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCompetence (human resources)Vocational educationPsychologyPersonalityMusicalMusic educationPedagogyThe artsMathematics educationSocial psychologyArtVisual arts

Résumé

récupéré en direct d'OpenAlex

The article is devoted to the study of the content of the competence approach.The key concepts of competency approach: competence, competence, competence, as well as competence in the musical-performing field, competence of the music teacher, professional music competence, musical-performing competence of the future teacher of music are analyzed and presented.The relevance and expediency of the use of a competent approach in the formation of performing skills of future music teachers of China is substantiated.It is revealed that the application of a competent approach in the formation of the performing arts of future music teachers of China allows: to establish and develop interrelationships between personality, education and profession; to select the content of vocational education, respectively, to the needs of the developing person, and to the actual professional requirements due to the peculiarities of modern music and pedagogical practice; direct the formation of executive competence for the perfect possession of the instrument in order to ensure the maximum artistic influence on the development of the child's personality and the implementation of many other pedagogical tasks.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,038
Score d'incertitude au seuil0,076

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0040,002
Études des sciences et des technologies0,0020,003
Communication savante0,0010,001
Science ouverte0,0010,003
Intégrité de la recherche0,0000,001
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 Opus0,023
Tête enseignante GPT0,254
Écart entre enseignants0,231 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIntellectual ArchiveMême sujetTechnology Assessment and ManagementTravaux en français237 207