Mapping the Relationship Between a University and Community Music School
Notice bibliographique
Résumé
In this article, the authors trace the origins of a unique partnership between a community music school in Toronto, Canada and a neighboring university. Co-authored by Dr. Richard Marsella, Executive Director of Community Music Schools of Toronto, and Dr. Amy Hillis, Assistant Professor of Music at York University, their commentary discusses the origins of an endowed, community-university partnership with the Helen Carswell Chair in Community-Engaged Research in the Arts at York University. This partnership supports and facilitates research projects that benefit community arts organizations and the Jane Finch community, an underserved neighborhood near York University and home to the "Community Music Schools of Toronto at Jane Finch." From advancement and knowledge mobilization, through to design and defining a shared mission, this article unpacks the process of building a partnership between a community music school and a university. Dr. Marsella and Dr. Hillis share their unique perspectives in a discussion of the partnership’s challenges, successes and continued evolution. They question how to build an ideal relationship between researchers and research partners that has sustainable alignment between research topics and research needs. How can creativity and artistry be used to support university researchers' objectives in alignment with a community music organization’s infrastructure? This article includes 1) analyses of case studies from the first five years of the partnership’s existence, including research projects that cultivated long-term relationships between researcher and community music school, and 2) recommendations for other academic and community institutions to develop similar partnerships.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,007 | 0,000 |
| Communication savante | 0,003 | 0,009 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,003 |
| 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 ».