Hacking new musical instruments and considerations of disability in design
Notice bibliographique
Résumé
We report our findings of an instrumental case study of the ‘New Musical Instruments Hackathon’, which was hosted by Monthly Music Hackathon New York City. Our article commences with an overview of research literature on hackathons in general and then proceeds with a discussion of research on making accessible musical instruments, which occurs in multiple fields. Following, we outline our methodological approach that employed video-recorded observations and semi-structured interviews to examine how participants displayed and discussed hacking new musical instruments, and how, if at all, they designed with disability in mind. Our findings provide a description of the various activities that took place over the course of the hackathon event, two vignettes that detail the working processes of participants working on projects, and participants’ responses to semi-structured interview questions. While we are situated in the field of music education, our theoretical framework is rooted in disability studies, and our findings from this study may be applicable to those with an interest in the intersection of disability, music and technology. Our analyses and discussion confirm how many of the activities that occurred within this hackathon align with previous research on non-music hackathons; however, there are some notable differences that may be attributable to music hackathons and/or this specific hacking community in New York City. Finally, we make clear the conspicuous absence of design discussions and actions that centre disability and how this issue might be addressed in future research and practice.
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 | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».