Embracing the Unexpected: Improvisational Pedagogy for Collaborative Music-Making in a Care Home Setting
Notice bibliographique
Résumé
Abstract This chapter explores the idea of pedagogy as an iterative, evolving improvisation. We discuss two creative project case studies in the context of long-term care where residents were given the opportunity to explore collaborative improvisation and storytelling through music, using the Soundbeam, a motion-detecting musical instrument, along with iPads and traditional percussion. Although there is a growing body of literature on the benefits of creative music-making during later life (Creech et al., 2013; Creech et al., 2014; see Chapter 5 of this volume), particularly with regard to the social and cognitive benefits, there is significantly less research that examines the pedagogical approaches that can support creative and engaged music-making among residents in long-term care, especially from the perspective of the practitioner. Accordingly, this chapter discusses pedagogy as improvisational performance (Costa & Creech, 2019; Sawyer, 2004; Taylor & Francis, 2019), exploring the implications of a flexible and reflective facilitator paradigm that reconciles planning and structure with the need for in-the-moment flexibility informed by reflection-in-action. In this same spirit, and since one of the authors is a music therapist, we present our findings in dialogue format as a more direct window into this perspective, which is unique among the chapters in this collection. We address the following questions: What are the principles and practices of an improvisational pedagogy for creative music-making with long-term care residents? Is it possible to plan for the unexpected in later-life music-making workshops?
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,014 |
| Communication savante | 0,008 | 0,006 |
| Science ouverte | 0,003 | 0,009 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».