An Observation Tool for Self-Regulatory Events in Music Teaching (T-SREM):Development and Testing of a Video Coding Tool for Music Lessons
Notice bibliographique
Résumé
Many young people embark on music lessons during childhood, but few pursue such instruction beyond a few years’ time, thus missing out on the life-long pleasure of making music for oneself. Problems with children’s self-regulation of learning, particularly the three-phase cycle of forethought, performance, and reflection proposed by Zimmerman (2000, 2006, 2008, 2011), may influence the abandonment of formal music lessons, as suggested by the research of McPherson and his colleagues (McPherson et al., 2012; McPherson & Renwick, 2011; McPherson, Nielsen, & Renwick, 2013; McPherson & Zimmerman, 2011). As part of a larger project examining self-regulation and music learning in the digital age, an observation tool for coding self-regulatory events in music lessons was developed. The tool uses categories from Zimmerman’s self-regulatory cycle of learning to code verbal and nonverbal interactions and behaviours of teachers and students in videotaped music lessons. The iterative process of the tool’s development is presented and discussed, including an analysis of issues around using videotaped material. Results from a pilot test, in which researchers coded 12.9 hours of videotaped lessons from four music teachers in the Greater Toronto Area, are given. Patterns in self-regulated learning that emerged during the pilot test are explored, suggestions for triangulating the results with other project data are presented, and suggestions for further research are given.
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 | 0,022 | 0,063 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».