MétaCan
Menu
Retour à la cohorte
Enregistrement W3137426155 · doi:10.1007/978-3-030-65617-1_12

Cultural Diversity, Ecodiversity, and Music Education

2021· book-chapter· en· W3137426155 sur OpenAlexaff
Vincent C. Bates, Daniel J. Shevock, Anita Prest

Notice bibliographique

RevueLandscapes: the arts, aesthetics, and education · 2021
Typebook-chapter
Langueen
DomaineArts and Humanities
ThématiqueDiverse Music Education Insights
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésReverenceIndigenousEcologyAnthropocentrismDiversity (politics)MaterialismSociologyMusic educationEnvironmental ethicsGeographySocial scienceAestheticsAnthropologyEpistemologyPedagogyBiologyPhilosophy

Résumé

récupéré en direct d'OpenAlex

Abstract Diversity discourses in music education tend toward anthropocentrism, focusing on human cultures, identities, and institutions. In this chapter, we broaden conceptualizations of diversity in music education to include relationships between music, education, and ecology : understood as interactions among organisms and the physical environment. Diversity in music education can be realized by attending to the ongoing interrelationships of local geography, ecology, and culture, all of which contribute dynamically to local music practices. We situate our analysis within specific Indigenous North American cultures (e.g., Western Apache, Nuu-chah-nulth, Stó:lō, and Syilx) and associated perspectives and philosophies to shed light on the multiple forms of reciprocity that undergird diversity. Indigenous knowledge, in combination with new materialism and political ecology discourses, can help us come back down to earth in ways of being and becoming that are ecologically sustainable, preserving the ecodiversity that exists and grows in place, forging egalitarian relationships and a sense of communal responsibility, fostering reverence for ancestors along with nonhuman lives and topographies, and cultivating musical practices that are one with our respective ecosystems.

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 candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Charge 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: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,695
Score d'incertitude au seuil1,000

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 technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,047
Tête enseignante GPT0,222
Écart entre enseignants0,175 · 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
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

Citations7
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLandscapes: the arts, aesthetics, and educationMême sujetDiverse Music Education InsightsTravaux en français237 207