MétaCan
Menu
Retour à la cohorte
Enregistrement W4392000572 · doi:10.5539/jel.v13n2p85

A Study of Isan Folk Music Creation Using a Sampler for Music Education

2024· article· en· W4392000572 sur OpenAlexvenueno aff
Jiranuwat Khuntajan

Notice bibliographique

RevueJournal of Education and Learning · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueAsian Culture and Media Studies
Établissements canadiensnon disponible
Organismes subventionnairesThailand Science Research and Innovation
Mots-clésFolk musicMusic educationFolk songFolk cultureVisual artsPsychologyArtLiteratureMusical

Résumé

récupéré en direct d'OpenAlex

This research represents a creative exploration in the field of music (Practice as Research: PaR) with the objectives of 1) studying the use of a sampler from Isan instruments and instruments from various cultures to create musical compositions using music software, and 2) examining the appropriate contexts for using a sampler in creative musical works. The research findings reveal that 1) Isan folk music possesses unique characteristics in terms of sound quality and performance techniques, while other musical elements can be combined with it in a technologically driven creative process. This involves connecting the concepts and methods of both traditional and diverse cultural music to create unified compositions using technology, such as recording musical notes in standard notation, exporting them as MIDI files, and then importing them into audio recording software to refine the sounds for complete songs. 2) Regarding the appropriate contexts for using a sampler in creative music, three main contexts were identified: an Isan folk music composition context, a music education context, and a commercial or music business context. In summary, the process of using a sampler for creative music works can bridge the concepts of various cultural music and integrate them with technology. Furthermore, this process can be extended to enhance interdisciplinary learning and teaching methods, making it applicable in diverse contexts.

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)0,003
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0050,004
Communication savante0,0040,002
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
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 Opus0,086
Tête enseignante GPT0,421
Écart entre enseignants0,335 · 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'étudeObservationnel
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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Education and LearningMême sujetAsian Culture and Media StudiesTravaux en français237 207