Prototipo de software musical con sistema de retroalimentación basado en ML para el aprendizaje inicial del teclado como un método alternativo dirigido a niños/niñas
ilustraciones, fotografías a color
- Autores:
-
Borja Acevedo, Miguel Angel
- Tipo de recurso:
- Fecha de publicación:
- 2023
- Institución:
- Universidad Nacional de Colombia
- Repositorio:
- Universidad Nacional de Colombia
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.unal.edu.co:unal/83749
- Palabra clave:
- 600 - Tecnología (Ciencias aplicadas)::607 - Educación, investigación, temas relacionados
780 - Música::786 - Teclado, mecánico, electrofónico, instrumentos de percusión
Música-enseñanza
Música para instrumento de teclado
Music - Instruction and study
Keyboard music
Árboles de decisión
Aprendizaje de máquina
Aplicación móvil
Software musical
Teclado musical
Piano
Aprendizaje musical
Decision trees
Machine learning
Mobile app
Music software
Musical keyboard
Music learning
- Rights
- openAccess
- License
- Atribución-NoComercial 4.0 Internacional
id |
UNACIONAL2_fa03ab39ce75533dd77dd011d6b4b8b1 |
---|---|
oai_identifier_str |
oai:repositorio.unal.edu.co:unal/83749 |
network_acronym_str |
UNACIONAL2 |
network_name_str |
Universidad Nacional de Colombia |
repository_id_str |
|
dc.title.spa.fl_str_mv |
Prototipo de software musical con sistema de retroalimentación basado en ML para el aprendizaje inicial del teclado como un método alternativo dirigido a niños/niñas |
dc.title.translated.eng.fl_str_mv |
Music software prototype with ML-based feedback system for initial keyboard learning as an alternative method for children |
title |
Prototipo de software musical con sistema de retroalimentación basado en ML para el aprendizaje inicial del teclado como un método alternativo dirigido a niños/niñas |
spellingShingle |
Prototipo de software musical con sistema de retroalimentación basado en ML para el aprendizaje inicial del teclado como un método alternativo dirigido a niños/niñas 600 - Tecnología (Ciencias aplicadas)::607 - Educación, investigación, temas relacionados 780 - Música::786 - Teclado, mecánico, electrofónico, instrumentos de percusión Música-enseñanza Música para instrumento de teclado Music - Instruction and study Keyboard music Árboles de decisión Aprendizaje de máquina Aplicación móvil Software musical Teclado musical Piano Aprendizaje musical Decision trees Machine learning Mobile app Music software Musical keyboard Music learning |
title_short |
Prototipo de software musical con sistema de retroalimentación basado en ML para el aprendizaje inicial del teclado como un método alternativo dirigido a niños/niñas |
title_full |
Prototipo de software musical con sistema de retroalimentación basado en ML para el aprendizaje inicial del teclado como un método alternativo dirigido a niños/niñas |
title_fullStr |
Prototipo de software musical con sistema de retroalimentación basado en ML para el aprendizaje inicial del teclado como un método alternativo dirigido a niños/niñas |
title_full_unstemmed |
Prototipo de software musical con sistema de retroalimentación basado en ML para el aprendizaje inicial del teclado como un método alternativo dirigido a niños/niñas |
title_sort |
Prototipo de software musical con sistema de retroalimentación basado en ML para el aprendizaje inicial del teclado como un método alternativo dirigido a niños/niñas |
dc.creator.fl_str_mv |
Borja Acevedo, Miguel Angel |
dc.contributor.advisor.none.fl_str_mv |
Camargo Mendoza, Jorge Eliécer |
dc.contributor.author.none.fl_str_mv |
Borja Acevedo, Miguel Angel |
dc.subject.ddc.spa.fl_str_mv |
600 - Tecnología (Ciencias aplicadas)::607 - Educación, investigación, temas relacionados 780 - Música::786 - Teclado, mecánico, electrofónico, instrumentos de percusión |
topic |
600 - Tecnología (Ciencias aplicadas)::607 - Educación, investigación, temas relacionados 780 - Música::786 - Teclado, mecánico, electrofónico, instrumentos de percusión Música-enseñanza Música para instrumento de teclado Music - Instruction and study Keyboard music Árboles de decisión Aprendizaje de máquina Aplicación móvil Software musical Teclado musical Piano Aprendizaje musical Decision trees Machine learning Mobile app Music software Musical keyboard Music learning |
dc.subject.lemb.spa.fl_str_mv |
Música-enseñanza Música para instrumento de teclado |
dc.subject.lemb.eng.fl_str_mv |
Music - Instruction and study Keyboard music |
dc.subject.proposal.spa.fl_str_mv |
Árboles de decisión Aprendizaje de máquina Aplicación móvil Software musical Teclado musical Piano Aprendizaje musical |
dc.subject.proposal.eng.fl_str_mv |
Decision trees Machine learning Mobile app Music software Musical keyboard Music learning |
description |
ilustraciones, fotografías a color |
publishDate |
2023 |
dc.date.accessioned.none.fl_str_mv |
2023-04-21T13:47:16Z |
dc.date.available.none.fl_str_mv |
2023-04-21T13:47:16Z |
dc.date.issued.none.fl_str_mv |
2023-04-20 |
dc.type.spa.fl_str_mv |
Trabajo de grado - Maestría |
dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/masterThesis |
dc.type.version.spa.fl_str_mv |
info:eu-repo/semantics/acceptedVersion |
dc.type.content.spa.fl_str_mv |
Text |
dc.type.redcol.spa.fl_str_mv |
http://purl.org/redcol/resource_type/TM |
status_str |
acceptedVersion |
dc.identifier.uri.none.fl_str_mv |
https://repositorio.unal.edu.co/handle/unal/83749 |
dc.identifier.instname.spa.fl_str_mv |
Universidad Nacional de Colombia |
dc.identifier.reponame.spa.fl_str_mv |
Repositorio Institucional Universidad Nacional de Colombia |
dc.identifier.repourl.spa.fl_str_mv |
https://repositorio.unal.edu.co/ |
url |
https://repositorio.unal.edu.co/handle/unal/83749 https://repositorio.unal.edu.co/ |
identifier_str_mv |
Universidad Nacional de Colombia Repositorio Institucional Universidad Nacional de Colombia |
dc.language.iso.spa.fl_str_mv |
spa |
language |
spa |
dc.relation.references.spa.fl_str_mv |
Abreu, J. (2012). Hipótesis, Método & Diseño de Investigación. Daena: International Journal of Good Conscience, pp. 187-197. Andressi, A. y Volpe, G. (2011). The MIROR project. Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics), vol. 6964 LNCS, pp. 15-28. Baker, V. (2015). Teachers’ Perceptions on Current Piano Use in the Elementary General Music Classroom. National Association for Music Education. vol. 35. Barrett, M. (2011). A Cultural Psychology of Music Education. A Cultural Psychology of Music Education, pp. 1-320. Berryman, J., Hargreaves, D., Herbert, M. y Taylor, A. (1991). Developmental Psychology and You. The British Psychological Society. Bhatti, A.M., Majid, M., Anwar, S.M. y Khan, B. (2016). Human emotion recognition and analysis in response to audio music using brain signals. Computers in Human Behavior, vol. 65, pp. 267-275. Biasutti, M. y Concina, E. (2013). Music education and transfer of learning, in Music: Social Impacts, Health Benefits and Perspectives. eds Simon P., Szabo T. (New York, NY: Nova Science Publishers, Inc Series: Fine Arts, Music and Literature), pp. 149–166. Botella, A.M. y Lerma, N. (2016). Estudio comparativo de dos metodologías aplicadas para la comprensión de la música contemporánea en la educación secundaria obligatoria. Revista Electrónica Complutense de Investigación en Educación Musical, vol. 13. Brown, R.W. (1928). A comparative study of the "whole," "part," and "combination" methods of learning piano music. Journal of Experimental Psychology, vol. 11, pp. 235–247. Catania, F., De Luca, G., Bombaci, N., Colombo, E., Crovari, P., Beccaluva, E. y Garzotto, F. (2020). Musical and conversational artificial intelligence. International Conference on Intelligent User Interfaces, Proceedings IUI (pp. 51–52). Association for Computing Machinery. https://doi.org/10.1145/3379336.3381479. Choi, K., Fazekas, G., & Sandler, M. (2016). Automatic tagging using deep convolutional neural networks. Proceedings of the 17th International Society for Music Information Retrieval Conference, ISMIR 2016 (pp. 805–811). Colmenares, A. y Piñero, M. (2008). LA INVESTIGACIÓN ACCIÓN. Una herramienta metodológica heurística para la comprensión y transformación de realidades y prácticas socio-educativas. Universidad Pedagógica Experimental Libertador, Caracas, Venezuela. Correa, A.G.D., Lemos, B.H.V., Nascimento, M. y Lopes, R.D. (2016). AR musical app for children's musical education. Proceedings of the International Symposium on Consumer Electronics, ISCE, pp. 125-126. Cruz, D.A., Lopez, S.S. y Camargo, J.E. (2019). Automatic Identification of Traditional Colombian Music Genres based on Audio Content Analysis and Machine Learning Technique. Dávila, D. (2014). Piano y currículo: La importancia de un aprendizaje musical consciente. Docencia, Investigación, Innovación, vol. 3, pp. 52-64. Farinazzo Martins, V., Gomez, L. y Dionísio Correa, A.G. (2015). Teaching Children Musical Perception with MUSIC-AR. EAI Endorsed Transactions on E-Learning, 2(5), e3. https://doi.org/10.4108/el.2.5.e3. Gamboa, A.A. (2017). Educación Musical: Escenario para la Formación del Sujeto o un Pariente Pobre de los Currículos Escolares. Saber, ciencia y libertad, vol. 12, pp. 215-224. Geetha, R., Padmavathy, T. and Anitha, R. (2021). Prediction of the academic performance of slow learners using efficient machine learning algorithm. Advances in Computational Intelligence 1:5. https://doi.org/10.1007/s43674-021-00005-9. Hurwitz, J. y Kirsch, D. (2018). Machine Learning for Dummies. IBM. Kolozali, S., Barthet, M. and Sandler, M. (2012). Knowledge Management On The Semantic Web: A Comparison of Neuro-Fuzzy and Multi-Layer Perceptron Methods For Automatic Music Tagging. 9th International Symposium on Computer Music Modelling and Retrieval. 19-22, Queen Mary University of London. Kong, D. (2020). The Role of Computer Music Technology in Improving the Quality of Music Teaching in Preschool Majors. Journal of Physics: Conference Series, vol. 1533. Korzeniowski, F. y Widmer, G. (2016). A fully convolutional deep auditory model for musical chord recognition. IEEE International Workshop on Machine Learning for Signal Processing, MLSP, vol. 2016-Novem. Larrañaga, A. (2011). Importancia del teclado como recurso para el maestro de Música: estudio cualitativocuantitativo en la Comunidad Andaluza y las ciudades autónomas de Ceuta y Melilla. Revista de Investigación en Educación. pp. 33-47. Latorre, A. (2005). La investigación-acción. Editorial Graó. Macián-González, R. y Tejada, J. (2018). Problemas técnicos en iniciación al violín: un estudio exploratorio en el aula con alumnos de 4 y 5 años. Revista Electrónica Complutense de Investigación en Educación Musical. Mehmood, K., Yasin, H. and Mohammad, M. (2015). Unearthing Top 3 Business Strategies using Data Mining Techniques. International Journal of Computer Applications (0975 – 8887), Vol. 118 – No.22. Mehr A., Singh M., Knox D., Ketter D. M., Pickens-Jones D., Atwood S., et al. (2019). Universality and diversity in human song. Science 366:eaax0868. 10.1126/science.aax0868. Muhammad, A. and Zain, A. (2017). Automatic Music Genres Classification using Machine Learning. (IJACSA) International Journal of Advanced Computer Science and Applications. Vol. 8, No. 8. Mulyadi, A., Machbub, C., Prihatmanto, A. and Sin, BK. (2016). Design of Music Learning Assistant Based on Audio Music and Music Score Recognition. Journal of Korea Multimedia Society. Vol. 19, Issue 5, Pages.826-836. https://doi.org/10.9717/kmms.2016.19.5.826. Pautado y Método para Teclado 1. Instituto Nacional de Desarrollo Social. ¿Qué es la Inteligencia Artificial? Recuperado el 11 de mayo de 2021, de Iberdrola. Disponible en: www.iberdrola.com. Reyes, MB. (2017). Propuesta didáctica para la formación musical de las estudiantes de IX semestre del Programa de Pedagogía Infantil de la Universidad Libre de Bogotá. Facultad de Ciencias de la Educación, Universidad libre. Rodríguez, B. (2017). Estudio comparativo de dos métodos para la enseñanza musical (Kodály y Gordon). Facultad de Ciencias de la Educación, Universidad de Sevilla. Rodríguez, M. (2016). Educación musical en Colombia. Universidad de Los Andes. http://dx.doi.org/10.13140/RG.2.1.4444.2009. Roig-Vila, R., Blas Arenes, F.S. y Lloret, A.B. (2020). Development of the absolut pitch through mobile applications. Pixel-Bit, Revista de Medios y Educación, vol. 57, pp. 191-209. Rose, D., Jones Bartoli, A. y Heaton, P. (2019). Measuring the impact of musical learning on cognitive, behavioural and socio-emotional wellbeing development in children. Psychology of Music, vol. 47, pp. 284-303. Said, P.M. y Abramides, D.V.M. (2020). Effect of music education on the promotion of school performance in children. CODAS, Vol. 32. Saleh, Z. (2019). Artificial Intelligence Definition, Ethics and Standards. The British University in Egypt. Samper, A. (2016). La educación musical en Colombia: desafíos y realidades. Viajeros del Pentagrama. http://www.viajerosdelpentagrama.gov.co/Joomla/index.php/14-comunidad/contenido-valioso/120-la-educacion-musical-en-colombia-desafios-y-realidades-vp. Samper, A. Perspectivas y desafíos para la educación musical en Colombia en el Siglo XXI. Departamento de Música, Pontificia Universidad Javeriana. Wang, J. (2022). Application of C4.5 Decision Tree Algorithm for Evaluating the College Music Education. Mobile Information Systems. Vol. 2022. Article ID 7442352. 9 pages. https://doi.org/10.1155/2022/7442352. Wang, S. (2020). Empirical Study of Computer Application and Piano Teaching. Journal of Physics: Conference Series, vol. 1533. Weigand, J. (1962). A comparison of the effectiveness of two methods of teaching general music in the Junior High School. The Emporia State Research Studies, vol. 10. Welch, G., Biasutti, M., MacRitchie, J., McPherson, G. y Himonides, E. (2020). Editorial: The Impact of Music on Human Development and Well-Being. Front Psychol. Doi: 10.3389/fpsyg.2020.01246. Wenting, K. (2020). Analysis of the Influence of Digital Media Technology on Music Communication. Journal of Physics: Conference Series, vol. 1453. Wood, K.C., Smith, H. y Grossniklaus, D. (2001). Piaget's Stages of Cognitive Development. Department of Educational Psychology and Instructional Technology, University of Georgia. Wood, N., Duffy M. y Smith, S. (2007). The art of doing (geographies of) music. Environment and Planning D: Society and Space, vol. 25, pp. 867-889. Xin, J., Rongfang Bie. (2006). Random Forest and PCA for Self-Organizing Maps based Automatic Music Genre Discrimination. Proceedings of the 2006 International Conference on Data Mining. Las Vegas, Nevada, USA. Ya va en 296 el número de IES en Colombia. (Sep 9, 2019). El Observatorio de la Universidad Colombia. Recuperado el 11 de mayo de 2021, de Universidad. Disponible en: www.universidad.edu.co. Ye, F. (2020). A study on music education based on artificial intelligence. IOP Conference Series: Materials Science and Engineering, vol. 750. Yee, O., Sagadevan, S. and Malim, N. (2018). Credit Card Fraud Detection Using Machine Learning As Data Mining Technique. Journal of Telecommunication, Electronic and Computer Engineering. e-ISSN: 2289-8131 Vol. 10 No. 1-4. Yu, L. y Ding, J. (2020). Application of music artificial intelligence in preschool music education. vol. 750. Yuan, S. (2020). Application and Study of Musical Artificial Intelligence in Music Education Field. vol. 1533, 2020. |
dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
dc.rights.license.spa.fl_str_mv |
Atribución-NoComercial 4.0 Internacional |
dc.rights.uri.spa.fl_str_mv |
http://creativecommons.org/licenses/by-nc/4.0/ |
dc.rights.accessrights.spa.fl_str_mv |
info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Atribución-NoComercial 4.0 Internacional http://creativecommons.org/licenses/by-nc/4.0/ http://purl.org/coar/access_right/c_abf2 |
eu_rights_str_mv |
openAccess |
dc.format.extent.spa.fl_str_mv |
xviii, 116 páginas |
dc.format.mimetype.spa.fl_str_mv |
application/pdf |
dc.publisher.spa.fl_str_mv |
Universidad Nacional de Colombia |
dc.publisher.program.spa.fl_str_mv |
Bogotá - Ingeniería - Maestría en Ingeniería - Ingeniería de Sistemas y Computación |
dc.publisher.faculty.spa.fl_str_mv |
Facultad de Ingeniería |
dc.publisher.place.spa.fl_str_mv |
Bogotá,Colombia |
dc.publisher.branch.spa.fl_str_mv |
Universidad Nacional de Colombia - Sede Bogotá |
institution |
Universidad Nacional de Colombia |
bitstream.url.fl_str_mv |
https://repositorio.unal.edu.co/bitstream/unal/83749/2/1016059170.2023.pdf https://repositorio.unal.edu.co/bitstream/unal/83749/3/license.txt https://repositorio.unal.edu.co/bitstream/unal/83749/4/1016059170.2023.pdf.jpg |
bitstream.checksum.fl_str_mv |
64022795466691f4630e827262a3d8f0 eb34b1cf90b7e1103fc9dfd26be24b4a 52265354ac8cd8ee4810d0abb92284a1 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositorio Institucional Universidad Nacional de Colombia |
repository.mail.fl_str_mv |
repositorio_nal@unal.edu.co |
_version_ |
1814089659264794624 |
spelling |
Atribución-NoComercial 4.0 Internacionalhttp://creativecommons.org/licenses/by-nc/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Camargo Mendoza, Jorge Eliécerac7a39b905a0f361c4925b472819b8f0600Borja Acevedo, Miguel Angelb0a26a9955ad8c0872f88cb8103bb4a02023-04-21T13:47:16Z2023-04-21T13:47:16Z2023-04-20https://repositorio.unal.edu.co/handle/unal/83749Universidad Nacional de ColombiaRepositorio Institucional Universidad Nacional de Colombiahttps://repositorio.unal.edu.co/ilustraciones, fotografías a colorSegún se evidencia en la literatura, la música ha acompañado al ser humano durante milenios, en diferentes situaciones, emociones y actividades. Además, no solo permite expresiones de los estados y sentimientos personales internos, sino que también puede llegar a producir muchos efectos positivos en quienes la practican. (Texto tomado de la fuente) Diversos autores han explorado estos beneficios que trae consigo la actividad musical, principalmente en los niños/niñas. Ellos resaltan aspectos positivos del aprendizaje de la música en diferentes áreas del conocimiento, en el rendimiento escolar e incluso, mejoras en el coeficiente intelectual de los infantes. Sin embargo, a pesar de la gran cantidad de estudios frente a los beneficios de la música en los niños/niñas y las distintas alternativas de enseñanza nacientes, en Colombia la situación sigue siendo dramática en cuanto a la incorporación de la actividad musical en el currículo escolar. Lo anterior agregado a factores políticos, espacios de enseñanza y formación docente. Con lo anterior, este trabajo ofrece una nueva alternativa de aprendizaje musical, dirigido a niños/niñas de 7 a 11 años, por medio de un software musical enfocado en la enseñanza inicial del teclado instrumental. Es importante mencionar que el software cuenta con un sistema de retroalimentación basado en árboles de decisión, el cual permite reforzar los temas cubiertos en la aplicación. Finalmente, se presenta un análisis comparativo entre la enseñanza empleando el software y la enseñanza tradicional con el libro, por medio de una Investigación-Acción realizada durante seis días a dos estudiantes de un colegio público de la ciudad de Bogotá, Colombia. Esta Investigación-Acción permitió observar resultados positivos basados en los comentarios y desempeños de los participantes, lo que abre una gran posibilidad para el escalamiento posterior de esta aplicación.As evidenced in the literature, music has accompanied the human being for millennia, in different situations, emotions and activities. In addition, not only does it allow expressions of internal personal states and feelings, but it can also produce many positive effects in those who practice it. Various authors have explored these benefits that musical activity brings, mainly in children. They highlight positive aspects of learning music in different areas of knowledge, in school performance and even improvements in the IQ of infants. However, despite the large number of studies regarding the benefits of music in children and the different nascent teaching alternatives, in Colombia the situation continues to be dramatic in terms of the incorporation of musical activity in the school curriculum. The foregoing added to political factors, teaching spaces and teacher training. With the above, this work offers a new musical learning alternative, aimed at children from 7 to 11 years old, through a musical software focused on the initial teaching of the instrumental keyboard. It is important to mention that the software has a feedback system based on decision trees, which allows reinforcing the topics covered in the application. Finally, a comparative analysis is presented between teaching using the software and traditional teaching with the book, through an Investigation-Action carried out over six days with two students from a public school in the city of Bogotá, Colombia. This Investigation-Action allowed to observe positive results based on the comments and performance of the participants, which opens a great possibility for the subsequent scaling of this application.Posterior a la bibliografía se encuentra el material suplementario, en el cual se encuentran los contenidos de la aplicación móvil desarrollada y descrita en el documento.MaestríaMagíster en Ingeniería de Sistemas y ComputaciónComputación aplicadaComputación aplicadaxviii, 116 páginasapplication/pdfspaUniversidad Nacional de ColombiaBogotá - Ingeniería - Maestría en Ingeniería - Ingeniería de Sistemas y ComputaciónFacultad de IngenieríaBogotá,ColombiaUniversidad Nacional de Colombia - Sede Bogotá600 - Tecnología (Ciencias aplicadas)::607 - Educación, investigación, temas relacionados780 - Música::786 - Teclado, mecánico, electrofónico, instrumentos de percusiónMúsica-enseñanzaMúsica para instrumento de tecladoMusic - Instruction and studyKeyboard musicÁrboles de decisiónAprendizaje de máquinaAplicación móvilSoftware musicalTeclado musicalPianoAprendizaje musicalDecision treesMachine learningMobile appMusic softwareMusical keyboardMusic learningPrototipo de software musical con sistema de retroalimentación basado en ML para el aprendizaje inicial del teclado como un método alternativo dirigido a niños/niñasMusic software prototype with ML-based feedback system for initial keyboard learning as an alternative method for childrenTrabajo de grado - Maestríainfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/acceptedVersionTexthttp://purl.org/redcol/resource_type/TMAbreu, J. (2012). Hipótesis, Método & Diseño de Investigación. Daena: International Journal of Good Conscience, pp. 187-197.Andressi, A. y Volpe, G. (2011). The MIROR project. Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics), vol. 6964 LNCS, pp. 15-28.Baker, V. (2015). Teachers’ Perceptions on Current Piano Use in the Elementary General Music Classroom. National Association for Music Education. vol. 35.Barrett, M. (2011). A Cultural Psychology of Music Education. A Cultural Psychology of Music Education, pp. 1-320.Berryman, J., Hargreaves, D., Herbert, M. y Taylor, A. (1991). Developmental Psychology and You. The British Psychological Society.Bhatti, A.M., Majid, M., Anwar, S.M. y Khan, B. (2016). Human emotion recognition and analysis in response to audio music using brain signals. Computers in Human Behavior, vol. 65, pp. 267-275.Biasutti, M. y Concina, E. (2013). Music education and transfer of learning, in Music: Social Impacts, Health Benefits and Perspectives. eds Simon P., Szabo T. (New York, NY: Nova Science Publishers, Inc Series: Fine Arts, Music and Literature), pp. 149–166.Botella, A.M. y Lerma, N. (2016). Estudio comparativo de dos metodologías aplicadas para la comprensión de la música contemporánea en la educación secundaria obligatoria. Revista Electrónica Complutense de Investigación en Educación Musical, vol. 13.Brown, R.W. (1928). A comparative study of the "whole," "part," and "combination" methods of learning piano music. Journal of Experimental Psychology, vol. 11, pp. 235–247.Catania, F., De Luca, G., Bombaci, N., Colombo, E., Crovari, P., Beccaluva, E. y Garzotto, F. (2020). Musical and conversational artificial intelligence. International Conference on Intelligent User Interfaces, Proceedings IUI (pp. 51–52). Association for Computing Machinery. https://doi.org/10.1145/3379336.3381479.Choi, K., Fazekas, G., & Sandler, M. (2016). Automatic tagging using deep convolutional neural networks. Proceedings of the 17th International Society for Music Information Retrieval Conference, ISMIR 2016 (pp. 805–811).Colmenares, A. y Piñero, M. (2008). LA INVESTIGACIÓN ACCIÓN. Una herramienta metodológica heurística para la comprensión y transformación de realidades y prácticas socio-educativas. Universidad Pedagógica Experimental Libertador, Caracas, Venezuela.Correa, A.G.D., Lemos, B.H.V., Nascimento, M. y Lopes, R.D. (2016). AR musical app for children's musical education. Proceedings of the International Symposium on Consumer Electronics, ISCE, pp. 125-126.Cruz, D.A., Lopez, S.S. y Camargo, J.E. (2019). Automatic Identification of Traditional Colombian Music Genres based on Audio Content Analysis and Machine Learning Technique.Dávila, D. (2014). Piano y currículo: La importancia de un aprendizaje musical consciente. Docencia, Investigación, Innovación, vol. 3, pp. 52-64.Farinazzo Martins, V., Gomez, L. y Dionísio Correa, A.G. (2015). Teaching Children Musical Perception with MUSIC-AR. EAI Endorsed Transactions on E-Learning, 2(5), e3. https://doi.org/10.4108/el.2.5.e3.Gamboa, A.A. (2017). Educación Musical: Escenario para la Formación del Sujeto o un Pariente Pobre de los Currículos Escolares. Saber, ciencia y libertad, vol. 12, pp. 215-224.Geetha, R., Padmavathy, T. and Anitha, R. (2021). Prediction of the academic performance of slow learners using efficient machine learning algorithm. Advances in Computational Intelligence 1:5. https://doi.org/10.1007/s43674-021-00005-9.Hurwitz, J. y Kirsch, D. (2018). Machine Learning for Dummies. IBM.Kolozali, S., Barthet, M. and Sandler, M. (2012). Knowledge Management On The Semantic Web: A Comparison of Neuro-Fuzzy and Multi-Layer Perceptron Methods For Automatic Music Tagging. 9th International Symposium on Computer Music Modelling and Retrieval. 19-22, Queen Mary University of London.Kong, D. (2020). The Role of Computer Music Technology in Improving the Quality of Music Teaching in Preschool Majors. Journal of Physics: Conference Series, vol. 1533.Korzeniowski, F. y Widmer, G. (2016). A fully convolutional deep auditory model for musical chord recognition. IEEE International Workshop on Machine Learning for Signal Processing, MLSP, vol. 2016-Novem.Larrañaga, A. (2011). Importancia del teclado como recurso para el maestro de Música: estudio cualitativocuantitativo en la Comunidad Andaluza y las ciudades autónomas de Ceuta y Melilla. Revista de Investigación en Educación. pp. 33-47.Latorre, A. (2005). La investigación-acción. Editorial Graó.Macián-González, R. y Tejada, J. (2018). Problemas técnicos en iniciación al violín: un estudio exploratorio en el aula con alumnos de 4 y 5 años. Revista Electrónica Complutense de Investigación en Educación Musical.Mehmood, K., Yasin, H. and Mohammad, M. (2015). Unearthing Top 3 Business Strategies using Data Mining Techniques. International Journal of Computer Applications (0975 – 8887), Vol. 118 – No.22.Mehr A., Singh M., Knox D., Ketter D. M., Pickens-Jones D., Atwood S., et al. (2019). Universality and diversity in human song. Science 366:eaax0868. 10.1126/science.aax0868.Muhammad, A. and Zain, A. (2017). Automatic Music Genres Classification using Machine Learning. (IJACSA) International Journal of Advanced Computer Science and Applications. Vol. 8, No. 8.Mulyadi, A., Machbub, C., Prihatmanto, A. and Sin, BK. (2016). Design of Music Learning Assistant Based on Audio Music and Music Score Recognition. Journal of Korea Multimedia Society. Vol. 19, Issue 5, Pages.826-836. https://doi.org/10.9717/kmms.2016.19.5.826.Pautado y Método para Teclado 1. Instituto Nacional de Desarrollo Social.¿Qué es la Inteligencia Artificial? Recuperado el 11 de mayo de 2021, de Iberdrola. Disponible en: www.iberdrola.com.Reyes, MB. (2017). Propuesta didáctica para la formación musical de las estudiantes de IX semestre del Programa de Pedagogía Infantil de la Universidad Libre de Bogotá. Facultad de Ciencias de la Educación, Universidad libre.Rodríguez, B. (2017). Estudio comparativo de dos métodos para la enseñanza musical (Kodály y Gordon). Facultad de Ciencias de la Educación, Universidad de Sevilla.Rodríguez, M. (2016). Educación musical en Colombia. Universidad de Los Andes. http://dx.doi.org/10.13140/RG.2.1.4444.2009.Roig-Vila, R., Blas Arenes, F.S. y Lloret, A.B. (2020). Development of the absolut pitch through mobile applications. Pixel-Bit, Revista de Medios y Educación, vol. 57, pp. 191-209.Rose, D., Jones Bartoli, A. y Heaton, P. (2019). Measuring the impact of musical learning on cognitive, behavioural and socio-emotional wellbeing development in children. Psychology of Music, vol. 47, pp. 284-303.Said, P.M. y Abramides, D.V.M. (2020). Effect of music education on the promotion of school performance in children. CODAS, Vol. 32.Saleh, Z. (2019). Artificial Intelligence Definition, Ethics and Standards. The British University in Egypt.Samper, A. (2016). La educación musical en Colombia: desafíos y realidades. Viajeros del Pentagrama. http://www.viajerosdelpentagrama.gov.co/Joomla/index.php/14-comunidad/contenido-valioso/120-la-educacion-musical-en-colombia-desafios-y-realidades-vp.Samper, A. Perspectivas y desafíos para la educación musical en Colombia en el Siglo XXI. Departamento de Música, Pontificia Universidad Javeriana.Wang, J. (2022). Application of C4.5 Decision Tree Algorithm for Evaluating the College Music Education. Mobile Information Systems. Vol. 2022. Article ID 7442352. 9 pages. https://doi.org/10.1155/2022/7442352.Wang, S. (2020). Empirical Study of Computer Application and Piano Teaching. Journal of Physics: Conference Series, vol. 1533.Weigand, J. (1962). A comparison of the effectiveness of two methods of teaching general music in the Junior High School. The Emporia State Research Studies, vol. 10.Welch, G., Biasutti, M., MacRitchie, J., McPherson, G. y Himonides, E. (2020). Editorial: The Impact of Music on Human Development and Well-Being. Front Psychol. Doi: 10.3389/fpsyg.2020.01246.Wenting, K. (2020). Analysis of the Influence of Digital Media Technology on Music Communication. Journal of Physics: Conference Series, vol. 1453.Wood, K.C., Smith, H. y Grossniklaus, D. (2001). Piaget's Stages of Cognitive Development. Department of Educational Psychology and Instructional Technology, University of Georgia.Wood, N., Duffy M. y Smith, S. (2007). The art of doing (geographies of) music. Environment and Planning D: Society and Space, vol. 25, pp. 867-889.Xin, J., Rongfang Bie. (2006). Random Forest and PCA for Self-Organizing Maps based Automatic Music Genre Discrimination. Proceedings of the 2006 International Conference on Data Mining. Las Vegas, Nevada, USA.Ya va en 296 el número de IES en Colombia. (Sep 9, 2019). El Observatorio de la Universidad Colombia. Recuperado el 11 de mayo de 2021, de Universidad. Disponible en: www.universidad.edu.co.Ye, F. (2020). A study on music education based on artificial intelligence. IOP Conference Series: Materials Science and Engineering, vol. 750.Yee, O., Sagadevan, S. and Malim, N. (2018). Credit Card Fraud Detection Using Machine Learning As Data Mining Technique. Journal of Telecommunication, Electronic and Computer Engineering. e-ISSN: 2289-8131 Vol. 10 No. 1-4.Yu, L. y Ding, J. (2020). Application of music artificial intelligence in preschool music education. vol. 750.Yuan, S. (2020). Application and Study of Musical Artificial Intelligence in Music Education Field. vol. 1533, 2020.EstudiantesInvestigadoresMaestrosPadres y familiasPúblico generalORIGINAL1016059170.2023.pdf1016059170.2023.pdfTesis de Maestría en Ingeniería - Ingeniería de Sistemas y Computaciónapplication/pdf3483652https://repositorio.unal.edu.co/bitstream/unal/83749/2/1016059170.2023.pdf64022795466691f4630e827262a3d8f0MD52LICENSElicense.txtlicense.txttext/plain; charset=utf-85879https://repositorio.unal.edu.co/bitstream/unal/83749/3/license.txteb34b1cf90b7e1103fc9dfd26be24b4aMD53THUMBNAIL1016059170.2023.pdf.jpg1016059170.2023.pdf.jpgGenerated Thumbnailimage/jpeg5322https://repositorio.unal.edu.co/bitstream/unal/83749/4/1016059170.2023.pdf.jpg52265354ac8cd8ee4810d0abb92284a1MD54unal/83749oai:repositorio.unal.edu.co:unal/837492023-08-02 23:04:05.385Repositorio Institucional Universidad Nacional de Colombiarepositorio_nal@unal.edu.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 |