MétaCan
Menu
Retour à la cohorte
Enregistrement W40204019

Art and the museum : the educational partnership between a museum and a school

2006· dissertation· en· W40204019 sur OpenAlexaboutno aff
Laurie Kader

Notice bibliographique

RevueSpectrum Research Repository (Concordia University) · 2006
Typedissertation
Langueen
DomaineArts and Humanities
ThématiqueArt Education and Development
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGeneral partnershipVisual arts educationThe artsPedagogySociologyVisual artsArtPolitical science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This thesis provides an inside look at the dynamics of museum/school partnerships. One of the more successful of these programs is Arrimage, a program which combines art and academic subject matter geared to enhance problem solving skills, cognitive development, and to sensitize children to art and its history. My research centers on the Arrimage partnership (musée d'art contemporain de Montreal), and examines the key components of positive, interactive relationships with art educators in museums and schools. I conducted three in-depth interviews with key, but diverse Arrimage participants, each conducted in their respective institutions; one museum school educator, one generalist school-teacher and one art specialist. The generalist school teacher and art specialist worked together in the same school. Each participant was strategically chosen for the purpose of gaining as much knowledge as possible about museum/school partnerships. The three interviews were transcribed and analyzed for a different and/or a similar working knowledge of the partnership. My research shows that when schools and museums partner their resources, students benefit from art education with increased artistic skills and self-awareness; learning through the arts can shape the future of education. A successful museum/school partnership is a comprehensive and creative way for students to have a hands-on and inspiring experience in art education.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,047
Score d'incertitude au seuil0,093

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,005
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0330,017
Communication savante0,0130,008
Science ouverte0,0020,020
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0140,001

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 Opus0,039
Tête enseignante GPT0,282
Écart entre enseignants0,243 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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

Citations1
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSpectrum Research Repository (Concordia University)Même sujetArt Education and DevelopmentTravaux en français237 207