Educational Strategies for the Transmission of Tibetan Folk Songs in Multicultural China
Notice bibliographique
Résumé
Tibetan folk songs, as vital components of China’s intangible cultural heritage, are under increasing threat from modernization, educational standardization, and cultural homogenization. This study investigates effective educational strategies for the transmission of Tibetan folk songs within the context of multicultural China. Conducted in six educational and cultural institutions across Qinghai and the Tibet Autonomous Region, the research employed a qualitative ethnographic methodology. Three key informants—a secondary school music educator, a university curriculum planner, and a community-based folk artist—were interviewed using semi-structured formats, supported by classroom observations and curriculum document analysis. Thematic coding was used to analyze data, with attention to cultural identity, teaching practices, and student engagement. The findings revealed three principal strategies that promote effective transmission: 1) integration into formal curricula with cultural contextualization, 2) community-based transmission through oral tradition and intergenerational learning, and 3) technology-enhanced learning via digital archives and multimedia platforms. Notably, the most impactful programs combined these approaches, leveraging formal education, community involvement, and digital tools to foster emotional connection and long-term retention. These results suggest that sustaining Tibetan folk songs in a multicultural education system requires hybrid strategies grounded in authenticity, participation, and innovation. The study recommends targeted teacher training, policy support, and investment in digital infrastructure to ensure the continued vitality of Tibetan musical traditions. Future research should explore longitudinal impacts and scalability across other minority groups in China.
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 | 0,001 | 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 ».