Adaptive Musical Instruments (AMIs): Past, Present, and Future Research Directions
Notice bibliographique
Résumé
We review and discuss the literature related to adaptive musical instruments since 2000, focusing on the use of such instruments with children with disabilities. The aim of this review is to provide a synthesis of perspectives and answer the following questions: How have music technologies, including both software and hardware, been used for children with disabilities and how have they been tested and evaluated? What have been the research questions asked and outcomes evaluated concerning these instruments? The studies reviewed include intervention, narrative and descriptive studies. One observation is that adaptive instrument design and research cuts across many different disciplines including music therapy, education and engineering. We considered articles taking functional and rehabilitation informed perspectives as well as critical disability studies, for which music making is often discussed as a human right independently of potential benefits. We discuss methodological approaches used in these studies, and reports of user’s opinions concerning the use of AMIs. It is worth noting that most uses of AMIs by the population under consideration are highly improvisatory, and so a methodological challenge frequently reported is how can the effectiveness of AMIs be assessed without focusing only on easily measurable outputs? We reveal divisions existing between research focusing on the use of AMIs with precise therapeutic and pedagogic goals in mind, and that interested in more general positive effects of improvised collective creative activity and its role in community building. With this two-fold perspective, we analyse the limitations of current research and derive questions for future directions.
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 | 0,000 |
| 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».