CN113870068A - 一种音乐课程的推荐方法、系统及设备 - Google Patents
一种音乐课程的推荐方法、系统及设备 Download PDFInfo
- Publication number
- CN113870068A CN113870068A CN202111012855.2A CN202111012855A CN113870068A CN 113870068 A CN113870068 A CN 113870068A CN 202111012855 A CN202111012855 A CN 202111012855A CN 113870068 A CN113870068 A CN 113870068A
- Authority
- CN
- China
- Prior art keywords
- learning
- teacher
- library
- course
- music
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- 239000011159 matrix material Substances 0.000 claims description 29
- 238000004590 computer program Methods 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 2
- XEBWQGVWTUSTLN-UHFFFAOYSA-M phenylmercury acetate Chemical compound CC(=O)O[Hg]C1=CC=CC=C1 XEBWQGVWTUSTLN-UHFFFAOYSA-M 0.000 claims 1
- 238000004891 communication Methods 0.000 description 8
- 241000405217 Viola <butterfly> Species 0.000 description 6
- 238000009527 percussion Methods 0.000 description 6
- 230000009286 beneficial effect Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 208000023514 Barrett esophagus Diseases 0.000 description 2
- 229910001369 Brass Inorganic materials 0.000 description 2
- 239000010951 brass Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本发明涉及一种音乐课程的推荐方法、系统及设备,所述方法包括以下步骤:根据不同的学习要求建立学习需求库;根据不同老师的教学专业,建立教师供应库;根据学习需求库和教师供应库自动将学习需求与相对应的老师相匹配。本发明可以将老师和学员自动匹配,能最大程度的满足学员的要求。
Description
技术领域
本发明涉及在线教育技术领域,尤其涉及一种音乐课程的推荐方法、系统及设备。
背景技术
在线教育平台即在线网络的教育平台。实质是面向全国的资源共享、是零距离,是一种全新的交流方式,一种新教育学习平台,一种新型的工具的平台。在线教育平台利用一切工具进行教育活动皆以提高效率为前提。利用网络先进的技术改变师生的交流方式上课,进一步提高学生掌握知识的效率、进一步培养能力是网络教育研究的实质。
一般来说,如现有的音乐课程,学员在学习音乐时会面临多种需求,例如一个学员可能会学习音乐理论、作曲、指挥、和声、作品分析,或者弦乐(小提琴、中提琴、大提琴、低音提琴),木管(长笛、双簧管、单簧管、巴松、萨克斯),铜管(圆号、小号、长号、大号),打击乐(西洋打击乐器),钢琴,竖琴,古典吉它等,而不同的老师擅长不同的课程,不同的课程也会有不同的老师。
而现有的音乐在线教育平台,学员在使用时,其不具备自动推荐的功能,因此不能够最大程度的满足教师和学员的要求,所以急需改进。
发明内容
本发明的目的在于提供一种音乐课程的推荐方法、系统及设备,通过根据不同的学习要求建立学习需求库,根据不同老师的教学专业,建立教师供应库,根据学习需求库和教师供应库自动将学习需求与相对应的老师相匹配,可以将老师和学员自动匹配,能最大程度的满足学员的要求,可以解决背景技术中的问题。
为了解决上述技术问题,本发明提供的音乐课程的推荐方法、系统及设备的技术方案具体如下:
第一方面,本发明实施例公开了一种音乐课程的推荐方法,所述方法包括以下步骤:
根据不同的学习要求建立学习需求库;
根据不同老师的教学专业,建立教师供应库;
根据学习需求库和教师供应库自动将学习需求与相对应的老师相匹配。
在上述任一方案中优选的是,所述的音乐课程的推荐方法,还包括为每一个课程设置一个可能指标向量,课程指标向量Vc=(基础要求,总时长,单节课时长,教学时段,费用,课程目标)6个维度,即向量长度为6。
在上述任一方案中优选的是,所述的音乐课程的推荐方法,还包括为每一个教师设置一个指标向量Vt,Vt=(专业能力,擅长课程,学员评价,从业时间),即Vt的向量长度为4。
在上述任一方案中优选的是,所述的音乐课程的推荐方法,还包括为每一个学生设置一个需求向量Vs,Vs=(Vc,Vt)为学生对于课程的需求和对教师的需求。
在上述任一方案中优选的是,所述需求向量Vs的取值范围为1~10。
在上述任一方案中优选的是,所述指标向量Vt的取值范围为1~10。
在上述任一方案中优选的是,所述二维码矩阵D中包括两个维度的数据,分别为课程和讲师两个维度的信息,记为V’=(Vc,Vt),的每一个元素都对应一个向量V’,若要为一个学员推荐最佳的课程和老师组合,则计算Vs与V’之间的马氏距离,即选择D’中Vs与V’之间的马氏距离最小的元素作为课程最优的推荐。
与现有技术相比,本发明的有益效果是:通过根据不同的学习要求建立学习需求库,根据不同老师的教学专业,建立教师供应库,根据学习需求库和教师供应库自动将学习需求与相对应的老师相匹配,可以将老师和学员自动匹配,能最大程度的满足学员的要求。
第二方面,一种音乐课程的推荐系统,包括:
第一建立模块,用于根据不同的学习要求建立学习需求库,其中,所述学习需求库为二维码矩阵,所述二维码矩阵为其中,D的每一行由学员的课程学习需求组成,所述二维码矩阵D中包括两个维度的数据,分别为课程和讲师两个维度的信息,记为V’=(Vc,Vt),的每一个元素都对应一个向量V’,若要为一个学员推荐最佳的课程和老师组合,则计算Vs与V’之间的马氏距离,即选择D’中Vs与V’之间的马氏距离最小的元素作为课程最优的推荐;
第二建立模块,用于根据不同老师的教学专业,建立教师供应库;
匹配模块,用于根据学习需求库和教师供应库自动将学习需求与相对应的老师相匹配。
与现有技术相比,本发明的有益效果是:通过根据不同的学习要求建立学习需求库,根据不同老师的教学专业,建立教师供应库,根据学习需求库和教师供应库自动将学习需求与相对应的老师相匹配,可以将老师和学员自动匹配,能最大程度的满足学员的要求。
第三方面,一种音乐课程的推荐设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如所述音乐课程的推荐方法的步骤。
附图说明
附图用于对本发明的进一步理解,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。
图1是按照本发明音乐课程的推荐方法原理示意图。
图2是按照本发明音乐课程的推荐系统原理示意图。
图3是按照本发明音乐课程的推荐设备原理示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
为了更好地理解上述技术方案,下面将结合说明书附图及具体实施方式对本发明技术方案进行详细说明。
实施例1:
如图1所示,本发明实施例公开了一种音乐课程的推荐方法,所述方法包括以下步骤:
步骤1:根据不同的学习要求建立学习需求库;
在本发明实施例所述的音乐课程的推荐方法中,一般来说,学员在学习音乐时会面临多种需求,例如一个学员可能会学习音乐理论、作曲、指挥、和声、作品分析,或者弦乐(小提琴、中提琴、大提琴、低音提琴),木管(长笛、双簧管、单簧管、巴松、萨克斯),铜管(圆号、小号、长号、大号),打击乐(西洋打击乐器),钢琴,竖琴,古典吉它等。而不同的老师擅长不同的课程,不同的课程也会有不同的老师,老师和学员的自动匹配就应最大程度的满足学员的要求。
步骤2:根据不同老师的教学专业,建立教师供应库;
在本发明实施例所述的音乐课程的推荐方法中,所述学习需求库为二维码矩阵,所述二维码矩阵为其中,D的每一行由学员的课程学习需求组成,如课程1,课程2…,课程M等,而每一列是课程中所对应的全部教师。例如对于4门课程,6位教师的课程对应关系矩阵如下:
对于学生群体S={S1,S2,…,SK}而言,需要为每一个学生选择对应的课程及教师。例如,对于学生S1而言,其可能推荐的课程为C1,C4,而C1课程推荐的老师可能是T3,C4课程推荐的老师可能是T1。
步骤3:根据学习需求库和教师供应库自动将学习需求与相对应的老师相匹配。
在本发明实施例所述的音乐课程的推荐方法中,为每一个课程设置一个可能指标向量,课程指标向量Vc=(基础要求,总时长,单节课时长,教学时段,费用,课程目标)等6个维度,即向量长度为6,例如对于课程Ci(例如钢琴)而言,Vci=(入门,10学时,1学时,晚上8点,1000元,掌握指法)。
在本发明实施例所述的音乐课程的推荐方法中,为每一个教师设置一个指标向量Vt,Vt=(专业能力,擅长课程,学员评价,从业时间),即Vt的向量长度为4。
每一个学生设置一个需求向量Vs,Vs=(Vc,Vt)即反映了学生对于课程的需求和对教师的需求。
对于Vt和Vc而言,部分指标都可以进行量化。例如对于Vt而言,专业能力可以量化为1-10之间的数值,擅长课程可以用1-10之间的数字代替,学员评价也可以量化为1-10之间的数值,从业时间也可以量化为1-10之间的数值。
对于VC也一样,例如课程要求从入门到精通可以量化为1-10之间的数值,总时长,单节课时长,教学时段,费用,课程目标也都可以量化为1-10之间的数值。
在本发明实施例所述的音乐课程的推荐方法中,所述二维码矩阵D中包括两个维度的数据,分别为课程和讲师两个维度的信息,记为V’=(Vc,V)t,的每一个元素都对应一个向量V’,若要为一个学员推荐最佳的课程和老师组合,则计算Vs与V’之间的马氏距离,即选择D’中Vs与V’之间的马氏距离最小的元素作为课程最优的推荐。
一般来说,学员在学习音乐时会面临多种需求,例如一个学员可能会学习音乐理论、作曲、指挥、和声、作品分析,或者弦乐(小提琴、中提琴、大提琴、低音提琴),木管(长笛、双簧管、单簧管、巴松、萨克斯),铜管(圆号、小号、长号、大号),打击乐(西洋打击乐器),钢琴,竖琴,古典吉它等。而不同的老师擅长不同的课程,不同的课程也会有不同的老师,老师和学员的自动匹配就应最大程度的满足学员的要求。这里用二维矩阵表示:
D的每一行由学员的课程学习需求组成,如课程1,课程2…,课程M等,而每一列是课程中所对应的全部教师。例如对于4门课程,6位教师的课程对应关系矩阵如下:
对于学生群体S={S1,S2,…,SK}而言,需要为每一个学生选择对应的课程及教师。例如,对于学生S1而言,其可能推荐的课程为C1,C4,而C1课程推荐的老师可能是T3,C4课程推荐的老师可能是T1。
进一步,为每一个课程设置一个可能指标向量,课程指标向量Vc=(基础要求,总时长,单节课时长,教学时段,费用,课程目标)等6个维度,即向量长度为6,例如对于课程Ci(例如钢琴)而言,Vci=(入门,10学时,1学时,晚上8点,1000元,掌握指法);
为每一个教师设置一个指标向量Vt,Vt=(专业能力,擅长课程,学员评价,从业时间),即Vt的向量长度为4。
每一个学生设置一个需求向量Vs,Vs=(Vc,Vt)即反映了学生对于课程的需求和对教师的需求。
对于Vt和Vc而言,部分指标都可以进行量化。例如对于Vt而言,专业能力可以量化为1~10之间的数值,擅长课程可以用1~10之间的数字代替,学员评价也可以量化为1~10之间的数值,从业时间也可以量化为1~10之间的数值。
对于VC也一样,例如课程要求从入门到精通可以量化为1~10之间的数值,总时长,单节课时长,教学时段,费用,课程目标也都可以量化为1~10之间的数值。
注意到对于D中除第一行外的每一个元素,其包含了两个维度的数据,即课程和讲师两个维度的信息。也就是说,此时D中的每一个Di也对应一个向量,记为V’,即V’=(Vc,Vt)。
计算Vs与V’之间的马氏距离,若要为一个学员推荐最佳的课程和老师组合,即选择D’中Vs与V’之间的马氏距离最小的元素作为课程最优的推荐。
注意到V’与Vs的向量长度相同,即都是Vc和Vt所包含的元素的总数之和,例如上述举例中的vc长度为6+4=10,V’和Vs的各个向量的元素经过量化后,得到具体的向量值。
如果要推荐多门课程,对于每一个课程C而言,取C列对应的马氏距离最小的元素作为推荐老师。
与现有技术相比,本发明的有益效果是:通过根据不同的学习要求建立学习需求库,根据不同老师的教学专业,建立教师供应库,根据学习需求库和教师供应库自动将学习需求与相对应的老师相匹配,可以将老师和学员自动匹配,能最大程度的满足学员的要求。
如图2所示,第二方面,一种音乐课程的推荐系统,包括:
第一建立模块,用于根据不同的学习要求建立学习需求库,其中,所述学习需求库为二维码矩阵,所述二维码矩阵为其中,D的每一行由学员的课程学习需求组成,所述二维码矩阵D中包括两个维度的数据,分别为课程和讲师两个维度的信息,记为V’=(Vc,Vt),的每一个元素都对应一个向量V’,若要为一个学员推荐最佳的课程和老师组合,则计算Vs与V’之间的马氏距离,即选择D’中Vs与V’之间的马氏距离最小的元素作为课程最优的推荐;
第二建立模块,用于根据不同老师的教学专业,建立教师供应库;
匹配模块,用于根据学习需求库和教师供应库自动将学习需求与相对应的老师相匹配。
与现有技术相比,本发明的有益效果是:通过根据不同的学习要求建立学习需求库,根据不同老师的教学专业,建立教师供应库,根据学习需求库和教师供应库自动将学习需求与相对应的老师相匹配,可以将老师和学员自动匹配,能最大程度的满足学员的要求。
第三方面,如图3所示,一种音乐课程的推荐设备,包括:存储器,用于存储计算机程序;处理器,用于执行所述计算机程序时实现如所述音乐课程的推荐方法的步骤。
其中,处理器用于控制该测量设备的整体操作,以完成上述的音乐课程的推荐方法中的全部或部分步骤。存储器用于存储各种类型的数据以支持在该测量设备的操作,这些数据例如可以包括用于在该测量设备上操作的任何应用程序或方法的指令,以及应用程序相关的数据,例如联系人数据、收发的消息、图片、音频、视频等等。该存储器可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,例如静态随机存取存储器(Static Random Access Memory,简称SRAM),电可擦除可编程只读存储器(ElectricallyErasable Programmable Read-Only Memory,简称EEPROM),可擦除可编程只读存储器(Erasable Programmable Read-Only Memory,简称EPROM),可编程只读存储器(Programmable Read-Only Memory,简称PROM),只读存储器(Read-Only Memory,简称ROM),磁存储器,快闪存储器,磁盘或光盘。多媒体组件可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏,音频组件用于输出和/或输入音频信号。例如,音频组件可以包括一个麦克风,麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器或通过通信组件发送。音频组件还包括至少一个扬声器,用于输出音频信号。I/O接口为处理器和其他接口模块之间提供接口,上述其他接口模块可以是键盘,鼠标,按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件用于该测量设备与其他设备之间进行有线或无线通信。无线通信,例如Wi-Fi,蓝牙,近场通信(Near FieldCommunication,简称NFC),2G、3G或4G,或它们中的一种或几种的组合,因此相应的该通信组件可以包括:Wi-Fi模块,蓝牙模块,NFC模块。
在一示例性实施例中,测量设备可以被一个或多个应用专用集成电路(Application Specific Integrated Circuit,简称ASIC)、数字信号处理器(DigitalSignal Processor,简称DSP)、数字信号处理设备(Digital Signal ProcessingDevice,简称DSPD)、可编程逻辑器件(Programmable Logic Device,简称PLD)、现场可编程门阵列(Field Programmable Gate Array,简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述的音乐课程的推荐方法。
在另一示例性实施例中,还提供了一种包括程序指令的计算机可读存储介质,该程序指令被处理器执行时实现上述的音乐课程的推荐方法的步骤。例如,该计算机可读存储介质可以为上述包括程序指令的存储器,上述程序指令可由测量设备的处理器执行以完成上述的音乐课程的推荐方法。
以上仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种音乐课程的推荐方法,其特征在于:所述方法包括以下步骤:
根据不同的学习要求建立学习需求库;
根据不同老师的教学专业,建立教师供应库;
根据学习需求库和教师供应库自动将学习需求与相对应的老师相匹配。
3.根据权利要求2所述的音乐课程的推荐方法,其特征在于:还包括为每一个课程设置一个可能指标向量,课程指标向量Vc=(基础要求,总时长,单节课时长,教学时段,费用,课程目标)6个维度,向量长度为6。
4.根据权利要求3所述的音乐课程的推荐方法,其特征在于:还包括为每一个教师设置一个指标向量Vt,Vt=(专业能力,擅长课程,学员评价,从业时间),Vt的向量长度为4。
5.根据权利要求4所述的音乐课程的推荐方法,其特征在于:还包括为每一个学生设置一个需求向量Vs,Vs=(Vc,Vt)为学生对于课程的需求和对教师的需求。
6.根据权利要求5所述的音乐课程的推荐方法,其特征在于:所述需求向量Vs的取值范围为1~10,所述指标向量Vt的取值范围为1~10。
10.一种音乐课程的推荐设备,其特征在于:包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至8中任一项所述音乐课程的推荐方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111012855.2A CN113870068A (zh) | 2021-08-31 | 2021-08-31 | 一种音乐课程的推荐方法、系统及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111012855.2A CN113870068A (zh) | 2021-08-31 | 2021-08-31 | 一种音乐课程的推荐方法、系统及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113870068A true CN113870068A (zh) | 2021-12-31 |
Family
ID=78988896
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111012855.2A Pending CN113870068A (zh) | 2021-08-31 | 2021-08-31 | 一种音乐课程的推荐方法、系统及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113870068A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117726485A (zh) * | 2024-02-08 | 2024-03-19 | 湖南湘洋数字科技有限公司 | 一种基于大数据的智适应教育学习方法及系统 |
-
2021
- 2021-08-31 CN CN202111012855.2A patent/CN113870068A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117726485A (zh) * | 2024-02-08 | 2024-03-19 | 湖南湘洋数字科技有限公司 | 一种基于大数据的智适应教育学习方法及系统 |
CN117726485B (zh) * | 2024-02-08 | 2024-05-10 | 湖南湘洋数字科技有限公司 | 一种基于大数据的智适应教育学习方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Bell et al. | Integrating computational thinking with a music education context | |
US20210256354A1 (en) | Artificial intelligence learning-based user knowledge tracing system and operating method thereof | |
Chen et al. | Functional Harmony Recognition of Symbolic Music Data with Multi-task Recurrent Neural Networks. | |
Romani Picas et al. | A real-time system for measuring sound goodness in instrumental sounds | |
Raczyński et al. | Melody harmonization with interpolated probabilistic models | |
Fisher Jr et al. | Theory-based metrological traceability in education: A reading measurement network | |
Kardos | How music technology can make sound and music worlds accessible to student composers in Further Education colleges | |
CN113870068A (zh) | 一种音乐课程的推荐方法、系统及设备 | |
Chenette | What are the truly aural skills? | |
US20190311641A1 (en) | Cognitive essay annotation | |
Vakaliuk et al. | The use of massive open online courses in teaching the fundamentals of programming to software engineers | |
Zhang | Multi-sensory research of singing visualization in pre-school music education | |
CN110516109B (zh) | 音乐标签的关联方法、装置及存储介质 | |
US10096308B1 (en) | Providing feedback on musical performance | |
Zabanal | A survey of collegiate string musicians’ use of drone accompaniment to improve intonation | |
Gorin et al. | Temporal grouping effects in musical short-term memory | |
Nudin et al. | Impact of soft skills competencies to predict graduates getting jobs using random forest algorithm | |
CN113053337A (zh) | 一种音准评定方法、装置、设备及存储介质 | |
Chen et al. | Design and Analysis of Intelligent Agricultural Monitoring System Based on Biological Intelligence Optimization Algorithm | |
US20240119853A1 (en) | Enhanced e-book providing real-time feedback and guided content for musical instruction | |
Shepherd | Let’s Calculate Bach: Applying Information Theory and Statistics to Numbers in Music | |
CN113782059B (zh) | 乐器音频评测方法及装置、非瞬时性存储介质 | |
Kato et al. | Computational Analysis of Audio Recordings of Piano Performance for Automatic Evaluation | |
Wang et al. | Interactive teaching system for remote vocal singing based on decision tree algorithm | |
Wetherfield | A Graphical Theory of Musical Pitch Spelling |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |