How Gospel Pianists Learn Black Gospel Music: Developing Gospel Music Education in Postsecondary Institutions Beyond Choral Music
Notice bibliographique
Résumé
The purpose of this study was to create a foundation for the inclusion of gospel piano instruction in the curriculum of postsecondary institutions. Critical Race Theory (Bell, 1987, 1995; Dumas, 2013, 2016; Ladson-Billings, 1998; Yosso, 2005) was used as a theoretical underpinning to interrogate the existence of anti-Black racism in music education and the ways in which Black music, history, culture and voices have been historically silenced in music curriculum. Narrative Inquiry (Clandinin, 2020; Connelly & Clandinin, 1990; Creswell & Guetterman, 2019; Downey & Clandinin, 2020) was used to explore the lived experiences and perspectives of eight professional Black gospel pianists. In conjunction, autoethnography (Davis & Ellis, 2010; Reed-Danahay, 1997) was used to explore the lived experience and perspective of the researcher while engaging in private gospel piano lessons. The study was guided by the question, ‘How can the traditions and practices of learning to play piano in the Black gospel style be used to enrich the curriculum of music in postsecondary institutions?’ The data was gathered through semi-structured interviews and autoethnography experience tracking forms. Findings revealed five broad themes suggesting how postsecondary music institutions can be enriched by including gospel piano in the curriculum: (1) Developing Aural Musicianship and Improvisational Skills; (2) Developing Well-Rounded Musicians; (3) Embracing Diversity; (4) Developing Community Partnerships; and (5) Expanding Gospel Music Programs. These findings provide valuable insights into the practices of learning Black gospel piano and may be used to inform the inclusion of gospel piano in the curriculum of postsecondary music institutions. This integration into the postsecondary curriculum may expand existing gospel music programs or introduce new gospel music courses with the purpose of diversifying music curricula and dismantling anti-Black racism in music education.
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 | 0,004 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,008 | 0,004 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,002 | 0,010 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».