Please unmute your microphone: Comparing the effectiveness of remote versus in-person percussion training
Notice bibliographique
Résumé
Although remote music training has its limitations, the use of technology can lower barriers to its accessibility. This exploratory study compared the effects of remote and in-person percussion training on motor performance, performance quality, and students' enjoyment. The training involved the motor aspects of playing legato on percussion instruments. Twenty percussionists received the training either remotely from an instructor using videoconferencing technology or in person from the same instructor who was in the training room. Motor behavior, legato expressivity, performance quality, and participants' self-rated enjoyment were compared to determine potential advantages and disadvantages of training in the two formats. Furthermore, participants rated their interest in continuing to receive training in the same way they had experienced it, remote or in person. Regardless of whether the instructor was remote or in person, participants lifted their mallets to a greater height above the drums post-training, perhaps because there was more spatial and velocity variability in the movements of their elbows and wrists. Changes in their patterns of post-training movements were paralleled by higher ratings for expressivity of legato and performance quality. Critically, participants who received training from the remote instructor expressed greater interest in continuing training than those who received training from the instructor who was physically present, in both the short and long term. These findings may suggest that remote and in-person instruction yielded comparable changes on motor behavior, as demonstrated by the altered speed at which movements of the elbow and wrist were executed, which in turn may influence the perception of expressivity in legato playing. The results may support the use of remote training as an adjunct to physical practice to lower some barriers to music 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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 source (Gemma direct ou Codex distillé), 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 ».