Secondary Musical Languages: Modeling Multicultural Music Curricula after Foreign Language Education
Notice bibliographique
Résumé
Music conservatories and university music departments around the world have recently begun to introduce additional musics outside the Western art music traditions into their required curricula, including non-Western traditions and Western vernacular traditions. While preprofessional training in Western art music remains the primary objective, these institutions are modifying curricula in order to expose their students to a broader scope of musics and cultivate an awareness of global musical diversity. However, many newly developed programs and course models that integrate additional musics fail to illustrate these “other” musics as complete artistic entities in and of themselves. To propose a more comprehensive approach to diversifying conservatory curricula, this paper analogizes discrete musical traditions to foreign spoken languages and draws on the established models of foreign language studies in the language departments of higher education. The three proposed course models derived from foreign language study can be applied in great extent to “musical languages”: a linguistic anthropology model, a living language model, and a musical immersion model. This paper outlines the general parameters of each model and discusses the learning opportunities and challenges specific to each, as well as possible adjustments to accommodate the resources and needs of a given institution. The purpose of this paper is to offer a variety of methods by which to approach non-Western and Western vernacular musical traditions as independent equals of Western art music, even within institutions where Western art music is the primary focus.
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) | 0,009 | 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 ».