Personalized audio montage: Impact of a receptive music therapy method-variation on youth experiencing homelessness
Notice bibliographique
Résumé
Introduction This quantitative research investigates the impact of a receptive music therapy method-variation, Personalized Audio Montage (called Montage Audio Personnalisé [MAP] in French), on self-reported levels of stress, anxiety, physical tension, fatigue, and mood of youth experiencing homelessness.Method A single-group pretest-posttest design was used to determine the impact of MAP. Participants completed the co-researcher music therapist-developed Visual Analogue Scales (VAS) for five independent variables (i.e. self-reported levels of stress, anxiety, fatigue, physical tension, and mood), before and after participating in individual MAP sessions. Multivariate ANOVAs for repeated measures were used considering time (pretest-posttest), and MAP sessions as within-subjects factors.Results Nine youth (n = 9) participated in one to three MAP sessions. There were 20 pre-tests and post-tests for each independent variable except for anxiety, for which 19 pre-tests and post-tests were completed. Results of quantitative data analysis show a statistically significant decrease in scores for self-reported levels of stress, anxiety and physical tension at post-session as compared to pre-session. No significant effect was observed for fatigue. Finally, mood scores significantly improved from prettest to posttest.Discussion Findings suggest that MAP holds potential to be a valuable part of music therapists’ intervention strategies to support the emotional and physical well-being of youth experiencing homelessness. Limitations and future research recommendations are presented with regard to the small sample size and complexity of conducting research with youth experiencing homelessness.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,027 | 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 ».