MétaCan
Menu
Retour à la cohorte
Enregistrement W2947423274 · doi:10.1093/oxfordhb/9780199372133.013.45

The Convergence of Networked Technologies in Music Teaching and Learning

2017· reference-entry· en· W2947423274 sur OpenAlexaff
Janice Waldron

Notice bibliographique

Revuenon disponible
Typereference-entry
Langueen
DomaineArts and Humanities
ThématiqueDiverse Music Education Insights
Établissements canadiensUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésConvergence (economics)The InternetComputer scienceTechnological convergenceFocus (optics)MultimediaSubject (documents)SoftwareEmerging technologiesWorld Wide WebTelecommunicationsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

The convergence of the Internet and mobile phones with social networks—“networked technologies”—has been the subject of much recent debate. This chapter considers what new media researchers have already discerned regarding networked technologies; most important, that more significant than any given technology is how we use it, the effect(s) its use has on us, and the relationships we form through it and with it. Music education researchers and practitioners have tended to focus on technology as a knowable “thing”—that is, hardware and software with their “practical classroom applications”—and not the greater epistemological issues underlying its use. How will we engage musically in a meaningful way with a generation of students—“digital natives”—who have grown up technologically “tethered?” How will these different “ways of knowing” change music learning and teaching now and in the not-so-distant future?

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,625
Score d'incertitude au seuil0,868

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 technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,075
Tête enseignante GPT0,263
Écart entre enseignants0,187 · 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'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetDiverse Music Education InsightsTravaux en français237 207