“个性化音乐推荐记录”的引入效果实证浅析

（山西省运城市盐湖区魏风小学 山西运城 044000）

引言

在我国古代，君子必须掌握“礼、乐、射、御、书、数”六艺，音乐为君子能力素质的重要组成部分；在古希腊，亚里士多德也在《政治学》中描述了音乐对人类意志产生的作用。在现代，音乐在审美领域、认知领域、情感领域以及心理-运动领域对人的发展起到极其重要的作用，这已成为绝大多数学者的共识。对儿童音乐教育的研究一直是音乐教育的一个重要领域。如何充分掌握儿童当前的音乐认知水平和心理状态，进行针对性教学和管理，已成为研究热点。当前，家校沟通、问卷调查、学生谈心、考试测验等方法已广泛应用于教学实践，成为教师掌握学生认知水平和心理状态的重要手段。（暂留，参考文献，引用上述方法）。上述研究发现了教师对学生认知水平和心理状态的掌握，有助于针对性教学和管理，有益于学生的全面进步。但却往往因为上述方法的繁琐性往往无法长期应用于教学实践。（暂留，参考文献，引用上述方法）。因此，在如何更快捷地获取学生认知水平和心理状态上，国内教学实践进行了一些有益的探索，比如电话家访、网上教师信箱、班级微信群、中国移动“和教育‘家校通’等新颖手段，也取得了一定效果。上述这些新颖方法得益于通信互联网的迅猛发展，使得信息传递更为快捷廉价。近年来，随着移动互联网的普及，手机等电子设备详尽记录了人们的生活轨迹。与此同时，人工智能也走入了人们的生活，比如苹果SIRI、阿尔法狗等。利用大数据技术分析人们的生活习惯可以得到很多有趣的应用，比如说购物推荐、电影推荐、音乐推荐和学习推荐等等。在网络音乐时代，音乐内容提供商根据用户的听歌习惯、社交圈及所听歌曲风格，采用机器学习的方式，给用户推荐他们可能喜欢的歌曲，主要算法有潜在因子（Latent Factor）算法、协同过滤（Collaborative fi ltering）算法、情景感知算法等。这些算法主要通过使用标签集合（如粤语、忧郁、阳光、浪漫等）、社交关系（推荐好友所听歌曲等）和场景（跑步、散步和学习等）来区分用户类别并推荐个性化歌曲。在儿童使用网络音乐的同事，也留下了“音乐踪迹”，使得通过“音乐踪迹”来获取学生音乐认知状态和心理状态成为可能。因此，本研究拟从个性化音乐推荐入手，探讨关于使用个性化音乐推荐记录来获取儿童音乐认知状态和情绪状态的可行性，及是否有益于学生音乐水平的提高和心理状态的调控，更方便快捷地获取学生认知水平和心理状态，提高教学针对性。

一、方法

1.被试

根据笔者教学实际，以小学二年级学生为研究对象。在某小学二年级六个班中随机抽取被试共71人，其中一班36人（实验班），二班35人（对照班）。

2.材料

采用音乐测验方式考察学生在应用个性化音乐推荐信息干预教学实践前后的音乐认知水平变化情况，采用在校记录方式考察学生在应用个性化音乐推荐信息干预情绪管理过程中的情绪变化情况。

音乐测试方式为面试，分为三类：给定歌曲学生单独演唱、给定歌曲学生合作音乐表演和学生自由音乐表演。测试为两次，前测和后测。测试结束后，主试按照统一的记分标准，根据测试表现进行评定。总分100分，其评定标准分为四个维度：音准评定、节奏评定、合作能力评定和艺术表现能力评定，每个维度25分。

音准评定：从高到低依次分为音准准确、音准一般和音准差三级水平，每个等级按观察指标和行为指标评定：I 演唱时，音准差，和歌曲的音高大部分不一致，最高记10分。II 演唱时，有音准意识，但是把握能力不强，和歌曲的音高能部分一致，最高记18分。III 演唱时，音准意识强，能和歌曲的音高能基本一致，最高记25分。

节奏评定：从高到低依次分为节奏准确、节奏一般和节奏差三级水平，每个等级按观察指标和行为指标评定：I 演唱时，节奏差，和歌曲的节奏大部分不一致，最高记10分。II 演唱时，有节奏意识，但是把握能力不强，和歌曲的节奏能部分一致，最高记18分。III 演唱时，节奏意识强，能和歌曲的节奏能基本一致，最高记25分。

合作能力评定：从高到低依次分为合作能力强、合作能力一般和合作能力弱三级水平，每个等级按观察指标和行为指标评定：I合作演唱时，合作能力差，和团体的节奏进度大部分不一致，最高记10分。II 合作表演时，有合作意识，但是表现能力一般，和团体的节奏进度能部分一致 ，最高记18分。III 合作表演时，合作意识强，表现能力强，能与团体的节奏进度基本一致，最高记25分。

艺术表现能力评定：从高到低依次分为艺术表现能力强、艺术表现能力一般和艺术表现能力弱三级水平，每个等级按观察指标和行为指标评定：I 演唱时，艺术表现能力差，动作表情与歌曲基本不一致，最高记10分。II 演唱时，有艺术表现意识，但是表现能力一般，能少部分用动作表情表现音乐，最高记18分。III 演唱时，艺术表现意识强，表现能力强，能较准确用动作表情表现音乐，最高记25分。

在校记录分为两个维度：音乐课堂记录评定和课余时间记录评定。课堂记录评定：I 上课时，班级大部分学生能基本遵守课堂纪律，认真听讲，记50分。II 上课时，班级大部分学生在遵守课堂纪律的同时，发言活跃，积极参与，记100分。课余记录评定：I 每个在校日，班级学生有吵闹纠纷，记50分。II 每个在校日，班级学生无吵闹纠纷，记100分。即每个在校日在校记录总分200分，每个维度100分。

为保证评分者信度，音乐测验者全部为小学专业音乐教师，在校记录者全部为班主任和任课音乐教师，并在测试前进行了统一的评定标准的培训。同时进行了初评和再评两次评定，初评由测试者评定，再评全部由实验主持人一人评定，以进一步保证评估标准的统一性。经评分者信度考察为0.74，评分者信度已达到了可接受水平。

3.程序

（1）实验准备

在实验前，与实验班学生家长一对一沟通，明确每两天通过中国移动和教育“家校通”向实验主持人发送学生个性化音乐推荐记录和听歌记录的图片，图片不得伪造删改缺失。

（2）实验过程

在得到实验班学生的个性化音乐推荐记录和听歌记录后，根据歌曲的内容和标签信息，统计分析实验班学生的兴趣、情绪、音乐特色。兴趣主要指实验班学生的关注点，比如动画片主题曲、流行音乐等。情绪主要指根据学生听歌的内容判断学生是否有情绪困扰，比如伤心、孤独、忧郁、烦躁等。音乐特色主要指学生反复欣赏的音乐明星、曲风、乐器及其他的音乐共同点。

在得到实验班学生的兴趣、情绪和音乐特色外，实验主持人再进行数据分析再整理，得到大部分学生当前时间内的相似兴趣、相同情绪，称之为班级模式。再将学生的个性化数据和班级模式反馈给实验班任课教师和班主任。

实验课时为1个学期21周，教学周为16周，每周4个学时，由实验班音乐教师和班主任具体根据学生音乐认知水平和情绪进行教学实践和学生管理，实验主持人并不干涉。对照班音乐教师和班主任自主进行音乐教学和学生管理。

（3）测试与记录

学期开始时和结束后，对实验班和对照班共71人进行测查，主试按照统一标准逐个测试，详细记录被试的音乐认知评分。该学期被试的在校记录由班主任自主记录完成，并由主试核定。

二、结果与分析

1.变化情况与分析

被试者的课堂记录和课余记录结果见图1。本研究发现实验班和对照版学生在学期开始时两项指标基本一致，但实验班在长期趋势上优于对照班学生，尤其是得分随时间推移呈上升趋势。这表明引入个性化音乐推荐信息对于班主任和音乐任课教师进行教学管理是有价值的。研究表明，引入个性化音乐推荐信息后，班主任在进行家校沟通时会特别提醒家长注意关心儿童情绪状态，在班级管理时会针对特定儿童特定情绪状态进行沟通上的调整，从而消弭了可能存在的情绪隐患，将问题消除在萌芽状态。

图1 被试者的在校记录

2.儿童音乐认知水平的变化情况与分析

表一是实验班和对照班的实验前后测的成绩统计表及独立样本T检验结果。根据上面的表一可以看出，实验班的实验前测平均值略低于对照班的实验前测成绩均值1.4分，说明实验班和对照班在进行实验前成绩均值并无明显差异，独立样本t检验为0.426，P值为0.515，说明实验班和对照班的成绩差异并不显著。但是，经过16周的实验后，实验班和对照班在实验中测的成绩均值差异显著，实验班的实验后测均值高于对照班的实验后测均值4.8分，独立样本t检验为2.147，P值为0.039，表示两组的均值呈现显著差异。因此，根据这些数据，可以得出结论，即在引入个性化音乐推荐记录到教学实践后，对小学音乐的教学效果有一定程度的正面影响，促进了学生对音乐学习内容的理解吸收，提高了学生的学习效率。

表1 实验前后测音乐成绩统计表

笔者认为，引入个性化音乐推荐记录到教学实践后，可能会存在以下情况有助于教学效果的增强。情况一，在音乐教学中，教师会根据当前所学知识点为学生推荐相关的歌曲等，而学生如果对某知识点掌握有困难，就会反复多听该歌曲。听歌记录被反馈至学校后，若多数学生均存在反复听取该歌曲的情况，任课教师会认为学生在掌握该知识点上有困难，会针对性地进行再讲解再教学；情况二，若当前学生普遍喜欢某动画歌曲，任课教师在讲解知识点时会结合学生感兴趣的歌曲进行教学；情况三，根据学生爱好的乐器和“音乐社交关系”，在音乐节目安排上可以调整更适合学生个人爱好的角色及合作搭配。

三、结论与展望

在引入个性化音乐推荐记录后，音乐教学效果得到增强，管理水平得到提升。尽管笔者在个性化音乐推荐记录实验过程中，发现了一些弊端，如家长的不理解不配合、图片转换为数据耗时长等，但是必须承认的是，个性化音乐推荐记录能够反映出学生的音乐认知水平和情绪状态，而且教师在此信息帮助下，能够更有针对性地开展教学和管理，这些是传统教学管理无法相比的。

在当前数据爆炸的时代，学生的网络足迹不仅仅是个性化音乐推荐记录，更多的是浏览记录、朋友圈记录和游戏记录。如何使用好大数据技术，分析学生的网络足迹乃至学生的校园足迹，从而形成教学的“数据助力”，是我们下一步应解决的问题。