MétaCan
Menu
← Retour à la cohorte
Enregistrement W7034716362

Using Modern Technologies in Teaching Music

2021· other· en· W7034716362 sur OpenAlexaboutno aff

Notice bibliographique

RevueTheseus (Ammattikorkeakoulujen) · 2021
Typeother
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCancer, Hypoxia, and Metabolism
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésViolinSection (typography)Teaching methodMusic technologyMusic educationCzechPeriod (music)Digital audioTone (literature)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The thesis consists of two parts. The artistic part is the concert “Young Soloists” with Turku Philarmonic Orchestra in Turku Concert Hall the 15th of October 2020. The concert is the weighted section of this thesis.The link to the recording of the concert is in the appendix of this thesis. \nIn the written part of the thesis, the using of modern technologies in teaching the violin and some music basics for beginners is speculated. \nAnother goal is to seek a new pedagogical approach with technological methods when teaching students who have just started studying music regardless of age.The author`s purpose is to enhance his teaching and get results faster than usual and become a better teacher upon completion of his thesis. \nAn online survey on the use of technological learning and teaching tools was used as a research method for this thesis. It was sent to Russia, Kazakhstan, Finland, Latvia, Czech Republic, Germany, Austria, Chile, Canada and the United States. Answers were received from each country, but the vast majority of participants came from Russia. The results of the survey are discussed in the first chapter of the thesis. \nThe results of this thesis can be applied to music teaching and can benefit all teachers interested in digital technology and those seeking new teaching methods.

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)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,053

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0050,003
Science ouverte0,0000,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0160,005

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 Opus0,029
Tête enseignante GPT0,280
Écart entre enseignants0,251 · 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'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTheseus (Ammattikorkeakoulujen)→Même sujetCancer, Hypoxia, and Metabolism→Travaux en français237 207→