MétaCan
Menu
Retour à la cohorte
Enregistrement W4404443922 · doi:10.1177/10298649241298249

Affordances in music education

2024· article· en· W4404443922 sur OpenAlexaff
Lee Cheng, Joyce Yip, Yang He

Notice bibliographique

RevueMusicae Scientiae · 2024
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeuroscience and Music Perception
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésAffordancePsychologyHuman–computer interactionCognitive scienceAestheticsCommunicationCognitive psychologySociologyComputer scienceArt

Résumé

récupéré en direct d'OpenAlex

The affordances of objects in music education, such as tablets or musical toys, necessitate a domain-specific conceptual understanding to guide perception and bodily action, extending utilitarian values toward musical and educational goals. This article explores the concept of affordances in music education and elucidates the application of various types of affordances—specifically, cognitive, educational, mental, affective, and social—in the contexts of teaching and learning music. Several characteristics of affordances in music education were observed: (1) music serves as a form of communication, enabling learners to transcend established protocols in human interactions; (2) music is intertwined with the transmission of sociocultural and aesthetic values, as evidenced by historically informed musical practices and traditions; (3) engagement in music-making nurtures learners’ creativity and personal growth, fostering experiences that can be transferable; (4) music learning reveals individuals’ emotional capacities and expressiveness; and (5) music-making entails collaborative work, facilitating the development of interpersonal relationships and the construction of a community rooted in the values of equity, diversity, and inclusion (EDI). Practical recommendations for enhancing affordances in music education can heighten its awareness to music educators and foster explicit learning design in the development of educational tools. These suggestions have the potential to unlock possibilities that may otherwise remain unrealized.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,012
Communication savante0,0040,005
Science ouverte0,0000,005
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,045
Tête enseignante GPT0,310
Écart entre enseignants0,265 · 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'étudeThéorique ou conceptuel
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

Citations3
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMusicae ScientiaeMême sujetNeuroscience and Music PerceptionTravaux en français237 207