Environment, intention and intergenerational music making: Facilitating participatory music making in diverse contexts of community music
Notice bibliographique
Résumé
Abstract Current conversations and debates amongst community music and music educational practitioners have engendered the need to identify and describe qualities and leadership strategies that could be expected essential for those in teaching, facilitating and/or working in diverse settings, including carceral environments. Common areas are first explored: where are we working (context)?, with whom are we working (people/community)? and given an understanding of the first two questions, how do we do it (strategies)? These framing questions assist in locating common characteristics of making music in various settings, but also point to the distinctive features of each of the three contexts. By establishing conditions for authentic experience, safety in exploring and risk-taking as well as defining key strategies for successful engagement, instructional approaches are identified and applied. Pedagogical practices that include instructional strategies such as guided discovery, collaborative learning and narrative dialogue are identified. Facilitation processes such as, for example, demonstrating/modelling, coaching, Socratic direction and facilitating/enabling are models of musical intervention that create space for acquiring and using lifelong skills in participatory contexts. Whether in schools, communities or prisons, the positive experience of music making thrives where the flexibility of the teacher/facilitator, the reflexivity of the innovator, the foundational knowledge that research and practice provide and the ultimate enhancement of the community are fully in place.
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 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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».