MétaCan
Menu
Retour à la cohorte
Enregistrement W3026833136 · doi:10.1163/25902539-00202008

“Can We Have More Hand-Drums?” Preschool Children's Musical Play in a Program Exploring Diverse Languages

2020· article· en· W3026833136 sur OpenAlexaff
Aleksandra Acker

Notice bibliographique

RevueBeijing international review of education · 2020
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueDiverse Music Education Insights
Établissements canadiensEducation and Early Childhood Development
Organismes subventionnairesnon disponible
Mots-clésMusicalPsychologyVariety (cybernetics)PedagogyPeriod (music)Cultural learningMusic educationVisual artsAestheticsArtComputer science

Résumé

récupéré en direct d'OpenAlex

This paper explores the role of play in a research project that documented and elucidated responses to a culturally diverse music program of five preschool-aged children in a child-care centre in Melbourne, Australia. The study was conducted over a period of nine weeks. The music program was conducted playfully, concentrating not only on the musical features and premeditated pedagogical devices, but on children's contribution to the content and arrangements of the music sessions. The methodology employed in the study was conceptually rooted in the socio-cultural framework. The researcher took into consideration that learning is purported in a social environment and changes in character within a variety of social contexts. The social aspects of play were well-captured in the large number of Learning Stories that were written about and with the children. The Learning Story method of gathering, analysing and planning from data was employed as this socio-cultural approach encompassed contextual factors and celebrated children's active role in the process of learning within and beyond the music program. The analysis of Learning Stories revealed that children's learning is more profound when there are opportunities for play, on their own terms; this consideration is strongly recommended for future research projects.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,800
Score d'incertitude au seuil0,998

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 savante0,0000,000
Science ouverte0,0000,000
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 Opus0,080
Tête enseignante GPT0,327
Écart entre enseignants0,247 · 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'étudeSans objet
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

Citations8
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBeijing international review of educationMême sujetDiverse Music Education InsightsTravaux en français237 207