From Physical to Virtual: A New Learning Norm in Music Education for Gifted Students
Notice bibliographique
Résumé
Music education is a subject that is generally thought to have much physical activity involved. However, virtual learning has been mandatary applied to most schools worldwide due to the COVID-19 pandemic. The landscape of music learning has had to be switched to online distance learning (ODL), where students learn music virtually using technological tools. Gifted students are among those affected by the implementation of music ODL throughout 2020. Thus, the purpose of this study is to identify the effectiveness of music ODL on gifted students’ motivation. The researchers framed this quantitative study by involving 81 secondary gifted students, aged 13 years, from 13 states in Malaysia. The sample was selected through random sampling, and a preexperimental design was applied to conduct the study. Respondents had been exposed to the music ODL intervention for a month. Data were collected through an adapted questionnaire, namely, the MUSIC Inventory, with a five-point scale. Data were further analysed by descriptive and inferential statistics, integrating two-way MANOVA, using SPSS Statistics version 23. Results reveal that an ODL approach to music classes is significantly effective to enhance gifted students’ motivation domains of empowerment, usefulness, success, interest, and caring. Yet, no significant difference was found in gifted students’ genders and locations on the four domains. Different approaches in music teaching could be further explored for music ODL to gifted students in future studies.
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 | 0,002 | 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».