“個性化音樂推薦記錄”的引入效果實證淺析

（山西省運城市鹽湖區魏風小學 山西運城 044000）

引言

在我國古代，君子必須掌握“禮、樂、射、御、書、數”六藝，音樂為君子能力素質的重要組成部分；在古希臘，亞里士多德也在《政治學》中描述了音樂對人類意志產生的作用。在現代，音樂在審美領域、認知領域、情感領域以及心理-運動領域對人的發展起到極其重要的作用，這已成為絕大多數學者的共識。對兒童音樂教育的研究一直是音樂教育的一個重要領域。如何充分掌握兒童當前的音樂認知水平和心理狀態，進行針對性教學和管理，已成為研究熱點。當前，家校溝通、問卷調查、學生談心、考試測驗等方法已廣泛應用于教學實踐，成為教師掌握學生認知水平和心理狀態的重要手段。（暫留，參考文獻，引用上述方法）。上述研究發現了教師對學生認知水平和心理狀態的掌握，有助于針對性教學和管理，有益于學生的全面進步。但卻往往因為上述方法的繁瑣性往往無法長期應用于教學實踐。（暫留，參考文獻，引用上述方法）。因此，在如何更快捷地獲取學生認知水平和心理狀態上，國內教學實踐進行了一些有益的探索，比如電話家訪、網上教師信箱、班級微信群、中國移動“和教育‘家校通’等新穎手段，也取得了一定效果。上述這些新穎方法得益于通信互聯網的迅猛發展，使得信息傳遞更為快捷廉價。近年來，隨著移動互聯網的普及，手機等電子設備詳盡記錄了人們的生活軌跡。與此同時，人工智能也走入了人們的生活，比如蘋果SIRI、阿爾法狗等。利用大數據技術分析人們的生活習慣可以得到很多有趣的應用，比如說購物推薦、電影推薦、音樂推薦和學習推薦等等。在網絡音樂時代，音樂內容提供商根據用戶的聽歌習慣、社交圈及所聽歌曲風格，采用機器學習的方式，給用戶推薦他們可能喜歡的歌曲，主要算法有潛在因子（Latent Factor）算法、協同過濾（Collaborative fi ltering）算法、情景感知算法等。這些算法主要通過使用標簽集合（如粵語、憂郁、陽光、浪漫等）、社交關系（推薦好友所聽歌曲等）和場景（跑步、散步和學習等）來區分用戶類別并推薦個性化歌曲。在兒童使用網絡音樂的同事，也留下了“音樂蹤跡”，使得通過“音樂蹤跡”來獲取學生音樂認知狀態和心理狀態成為可能。因此，本研究擬從個性化音樂推薦入手，探討關于使用個性化音樂推薦記錄來獲取兒童音樂認知狀態和情緒狀態的可行性，及是否有益于學生音樂水平的提高和心理狀態的調控，更方便快捷地獲取學生認知水平和心理狀態，提高教學針對性。

一、方法

1.被試

根據筆者教學實際，以小學二年級學生為研究對象。在某小學二年級六個班中隨機抽取被試共71人，其中一班36人（實驗班），二班35人（對照班）。

2.材料

采用音樂測驗方式考察學生在應用個性化音樂推薦信息干預教學實踐前后的音樂認知水平變化情況，采用在校記錄方式考察學生在應用個性化音樂推薦信息干預情緒管理過程中的情緒變化情況。

音樂測試方式為面試，分為三類：給定歌曲學生單獨演唱、給定歌曲學生合作音樂表演和學生自由音樂表演。測試為兩次，前測和后測。測試結束后，主試按照統一的記分標準，根據測試表現進行評定。總分100分，其評定標準分為四個維度：音準評定、節奏評定、合作能力評定和藝術表現能力評定，每個維度25分。

音準評定：從高到低依次分為音準準確、音準一般和音準差三級水平，每個等級按觀察指標和行為指標評定：I 演唱時，音準差，和歌曲的音高大部分不一致，最高記10分。II 演唱時，有音準意識，但是把握能力不強，和歌曲的音高能部分一致，最高記18分。III 演唱時，音準意識強，能和歌曲的音高能基本一致，最高記25分。

節奏評定：從高到低依次分為節奏準確、節奏一般和節奏差三級水平，每個等級按觀察指標和行為指標評定：I 演唱時，節奏差，和歌曲的節奏大部分不一致，最高記10分。II 演唱時，有節奏意識，但是把握能力不強，和歌曲的節奏能部分一致，最高記18分。III 演唱時，節奏意識強，能和歌曲的節奏能基本一致，最高記25分。

合作能力評定：從高到低依次分為合作能力強、合作能力一般和合作能力弱三級水平，每個等級按觀察指標和行為指標評定：I合作演唱時，合作能力差，和團體的節奏進度大部分不一致，最高記10分。II 合作表演時，有合作意識，但是表現能力一般，和團體的節奏進度能部分一致 ，最高記18分。III 合作表演時，合作意識強，表現能力強，能與團體的節奏進度基本一致，最高記25分。

藝術表現能力評定：從高到低依次分為藝術表現能力強、藝術表現能力一般和藝術表現能力弱三級水平，每個等級按觀察指標和行為指標評定：I 演唱時，藝術表現能力差，動作表情與歌曲基本不一致，最高記10分。II 演唱時，有藝術表現意識，但是表現能力一般，能少部分用動作表情表現音樂，最高記18分。III 演唱時，藝術表現意識強，表現能力強，能較準確用動作表情表現音樂，最高記25分。

在校記錄分為兩個維度：音樂課堂記錄評定和課余時間記錄評定。課堂記錄評定：I 上課時，班級大部分學生能基本遵守課堂紀律，認真聽講，記50分。II 上課時，班級大部分學生在遵守課堂紀律的同時，發言活躍，積極參與，記100分。課余記錄評定：I 每個在校日，班級學生有吵鬧糾紛，記50分。II 每個在校日，班級學生無吵鬧糾紛，記100分。即每個在校日在校記錄總分200分，每個維度100分。

為保證評分者信度，音樂測驗者全部為小學專業音樂教師，在校記錄者全部為班主任和任課音樂教師，并在測試前進行了統一的評定標準的培訓。同時進行了初評和再評兩次評定，初評由測試者評定，再評全部由實驗主持人一人評定，以進一步保證評估標準的統一性。經評分者信度考察為0.74，評分者信度已達到了可接受水平。

3.程序

（1）實驗準備

在實驗前，與實驗班學生家長一對一溝通，明確每兩天通過中國移動和教育“家校通”向實驗主持人發送學生個性化音樂推薦記錄和聽歌記錄的圖片，圖片不得偽造刪改缺失。

（2）實驗過程

在得到實驗班學生的個性化音樂推薦記錄和聽歌記錄后，根據歌曲的內容和標簽信息，統計分析實驗班學生的興趣、情緒、音樂特色。興趣主要指實驗班學生的關注點，比如動畫片主題曲、流行音樂等。情緒主要指根據學生聽歌的內容判斷學生是否有情緒困擾，比如傷心、孤獨、憂郁、煩躁等。音樂特色主要指學生反復欣賞的音樂明星、曲風、樂器及其他的音樂共同點。

在得到實驗班學生的興趣、情緒和音樂特色外，實驗主持人再進行數據分析再整理，得到大部分學生當前時間內的相似興趣、相同情緒，稱之為班級模式。再將學生的個性化數據和班級模式反饋給實驗班任課教師和班主任。

實驗課時為1個學期21周，教學周為16周，每周4個學時，由實驗班音樂教師和班主任具體根據學生音樂認知水平和情緒進行教學實踐和學生管理，實驗主持人并不干涉。對照班音樂教師和班主任自主進行音樂教學和學生管理。

（3）測試與記錄

學期開始時和結束后，對實驗班和對照班共71人進行測查，主試按照統一標準逐個測試，詳細記錄被試的音樂認知評分。該學期被試的在校記錄由班主任自主記錄完成，并由主試核定。

二、結果與分析

1.變化情況與分析

被試者的課堂記錄和課余記錄結果見圖1。本研究發現實驗班和對照版學生在學期開始時兩項指標基本一致，但實驗班在長期趨勢上優于對照班學生，尤其是得分隨時間推移呈上升趨勢。這表明引入個性化音樂推薦信息對于班主任和音樂任課教師進行教學管理是有價值的。研究表明，引入個性化音樂推薦信息后，班主任在進行家校溝通時會特別提醒家長注意關心兒童情緒狀態，在班級管理時會針對特定兒童特定情緒狀態進行溝通上的調整，從而消弭了可能存在的情緒隱患，將問題消除在萌芽狀態。

圖1 被試者的在校記錄

2.兒童音樂認知水平的變化情況與分析

表一是實驗班和對照班的實驗前后測的成績統計表及獨立樣本T檢驗結果。根據上面的表一可以看出，實驗班的實驗前測平均值略低于對照班的實驗前測成績均值1.4分，說明實驗班和對照班在進行實驗前成績均值并無明顯差異，獨立樣本t檢驗為0.426，P值為0.515，說明實驗班和對照班的成績差異并不顯著。但是，經過16周的實驗后，實驗班和對照班在實驗中測的成績均值差異顯著，實驗班的實驗后測均值高于對照班的實驗后測均值4.8分，獨立樣本t檢驗為2.147，P值為0.039，表示兩組的均值呈現顯著差異。因此，根據這些數據，可以得出結論，即在引入個性化音樂推薦記錄到教學實踐后，對小學音樂的教學效果有一定程度的正面影響，促進了學生對音樂學習內容的理解吸收，提高了學生的學習效率。

表1 實驗前后測音樂成績統計表

筆者認為，引入個性化音樂推薦記錄到教學實踐后，可能會存在以下情況有助于教學效果的增強。情況一，在音樂教學中，教師會根據當前所學知識點為學生推薦相關的歌曲等，而學生如果對某知識點掌握有困難，就會反復多聽該歌曲。聽歌記錄被反饋至學校后，若多數學生均存在反復聽取該歌曲的情況，任課教師會認為學生在掌握該知識點上有困難，會針對性地進行再講解再教學；情況二，若當前學生普遍喜歡某動畫歌曲，任課教師在講解知識點時會結合學生感興趣的歌曲進行教學；情況三，根據學生愛好的樂器和“音樂社交關系”，在音樂節目安排上可以調整更適合學生個人愛好的角色及合作搭配。

三、結論與展望

在引入個性化音樂推薦記錄后，音樂教學效果得到增強，管理水平得到提升。盡管筆者在個性化音樂推薦記錄實驗過程中，發現了一些弊端，如家長的不理解不配合、圖片轉換為數據耗時長等，但是必須承認的是，個性化音樂推薦記錄能夠反映出學生的音樂認知水平和情緒狀態，而且教師在此信息幫助下，能夠更有針對性地開展教學和管理，這些是傳統教學管理無法相比的。

在當前數據爆炸的時代，學生的網絡足跡不僅僅是個性化音樂推薦記錄，更多的是瀏覽記錄、朋友圈記錄和游戲記錄。如何使用好大數據技術，分析學生的網絡足跡乃至學生的校園足跡，從而形成教學的“數據助力”，是我們下一步應解決的問題。