技术辅助音乐学习模式的系统评价：其对音乐教育的影响

《Computers and Education Open》：A systematic review of technology-enhanced music learning models: Impacts on music education

　　rahashed mohammadian | saeid pourroostaei ardakani | esmaeil zaraii zavaraki
伊朗设拉子大学教育科学与心理学学院

**摘要**
技术支持的音乐教育在全球范围内得到发展，但对其模式、成果和挑战的理解仍然零散不清。本系统评价综合了关于技术支持音乐学习模式（TEMLeM）的研究，以确定关键的教育维度、技术、学习成果及实施挑战。通过对来自五个数据库的30项研究（2010–2024年）进行分析，我们发现了一些模式和差距。该评价强调了技术在四个方面对音乐教育的影响：方法、技术、成果和挑战。研究结果显示，建构主义方法（83%）和通用教育技术（90%）占据主导地位，而专门针对音乐的工具则相对较少；同时，儿童和高级学习者的关注度不足。音乐表演能力是最常见的学习成果（70%），但情感表达（10%）和审美敏感性（7%）则受到较少重视。与技术中心论相反，教学方面的挑战（93%）比技术障碍（87%）更为显著。从2022年到2024年，技术呈现快速多样化趋势，这一时期发表了77%的相关研究。本评价提出了一个整合学习条件、成果、设计及技术的概念模型，并对技术民主化潜力的假设提出质疑，指出当前的实践可能强化了传统限制。未来的研究应关注音乐特定框架、服务不足的人群，以及平衡技术熟练度与审美发展的问题。

**1. 引言**
技术支持的学习是教育方法之一，教师根据每个社会的文化需求采用多种多样化的方法[148]。全球范围内可以观察到多种音乐教育方法，这反映了教授音乐知识和表演技能的不同方法[57,109]。随着时间的推移，各种音乐教学方法不断发展，每种方法都有其独特的优缺点，具体取决于应用背景。目前全球最广泛采用的传统音乐教育方法是面对面的授课[6]。这种方法历来是音乐学习的基础，并随着更广泛的教育实践而发展[57,115]。面对面教学的一个主要优势是教师能够提供即时的身体指导，如纠正姿势、手的位置和技巧[135]。此外，这种方法消除了对互联网连接、带宽问题或音视频质量的担忧，确保实时反馈不会中断[48,57,135]。

尽管有这些优势，传统面对面教学也存在明显的局限性。时间安排的灵活性往往受到限制，而且只有特定地理范围内的教师才能授课[49,137,147,156]。此外，面对面课程的成本通常高于其他方法。地理、经济和时间方面的限制也可能阻碍学习者参加课堂，使得这种方法对所有人来说都不那么容易获取[48,76]。

除此之外，COVID-19大流行对音乐教育产生了重大影响。由于音乐教育严重依赖面对面教学，疫情的负面影响尤为显著。Rosset等人[119]调查了COVID-19对音乐学生的学习习惯、练习时间和心理状态的影响。研究发现，学生的压力和焦虑水平增加，练习时间也明显减少。这项研究及其他类似研究强调了疫情期间音乐教育遭受的深刻破坏。负面影响包括学生和教师的积极性下降、压力增大、教育质量下降、替代教学方法采用不足，以及师生间沟通减弱[15,22,96,119]。

鉴于现代面对面音乐教学面临的日益增长的挑战，专家们不断寻求创新解决方案。目前主要出现了三种音乐教育方法：传统教学（面对面）、混合教学（结合面对面和远程学习的技术支持）以及远程教学（完全由技术驱动）[26,39,91]。研究表明，混合教学方法对音乐教育有积极影响，通常优于传统方法[29,62]。然而，尽管混合教学利用了技术，但仍需要一定程度的面对面互动。在无法进行面对面教学的情况下（如疫情期间），或者受到地理和时间限制的情况下，这种依赖性成为一个挑战[85,105]。为克服这些限制，技术支持的学习提供了一种有前景的替代方案[2,61,92]。因此，本研究强调混合教学和远程教学（尤其是技术支持的学习）作为现实解决方案，适用于因各种原因无法参加面对面或混合课程的音乐爱好者。后续章节将探讨在音乐教育中实施这种方法的潜在影响和优势。

**1.1. 技术支持的学习**
技术支持的学习（TEL）被广泛定义为“通过数字技术促进的学习，允许通过各种电子工具与内容和同伴互动”[69]。TEL涵盖了包括个体学习、协作学习以及基于情境的学习等多种学习体验。它带来了诸多好处，如提高可访问性、互动性、个性化、网络化、协作性和成本效益[69,112]。在音乐教育背景下，TEL可以为学习者提供广泛的数字资源，包括音频和视频内容、乐谱及教学材料[72]。借助数字工具和平台，音乐学习者可以随时随地方便地获取这些资源，实现灵活的、符合个人需求和能力的自主学习[72,98,151]。

现在的问题是，通过各种TEL策略（包括电子学习和数字平台）将技术集成到音乐教育中，是否成功克服了传统教学的局限性，并显著提升了音乐学习者的成果。已有许多关于TEL和音乐教育的研究[72]。然而，专门探讨TEL对音乐教育影响的可靠研究仍然较少[72,151]。此外，基于音乐学习原则和标准模型开发的教学软件和课程也较为有限[76,90,91]。一些研究人员指出了导致技术在音乐教育中应用不力或有限的关键因素：(a) 对可用的音乐技术工具及其成本效益认识不足[95]；(b) 缺乏明确的理论框架来支持技术在音乐教育中的整合并评估其对教学和学习成果的影响[79,89]；(c) 相关研究不足，难以全面了解技术整合在短期和长期内的效果[144,145]；(d) 缺乏为教育者提供实际策略、创新想法和指导原则的高级研究[10,60]。

**1.2. 技术支持的音乐学习模式**
在技术支持的学习（TEL）中应用教学模式对于提高学习过程的质量和效果至关重要[108,150]。这些模式提供了一个系统化和结构化的框架，使教师能够利用TEL工具以引人入胜、基于活动的方式呈现音乐概念，从而促进更高效的音乐学习体验[67,128,130]。鉴于音乐教育的独特需求、学生多样的学习风格以及TEL的快速演变，这种应用尤为重要[44]。音乐与其他学习领域相比具有独特的性质和特性，因此教学设计师必须考虑多种因素，如音乐内容的本质（声音、节奏、旋律、和声等）、学生的参与度和互动程度、认知、情感和心理运动目标，以及技术的整合程度[1,110,118,136]。音乐技术也在不断进步，最新进展包括虚拟现实、增强现实、混合现实、人工智能和在线平台[16,32]。此外，音乐教育也在不断变化，这些变化更加强调非正式学习、创造力和文化多样性[17]。音乐教学模式应通过整合符合当今音乐学习方式的现代教学方法和资源来应对这些变化[93,103,157]。

上述考虑凸显了在音乐教育中采用技术支持的学习（TEL）模式的必要性。教学模式作为全面的蓝图，组织和结构化了教学和学习活动[75]。它根据学习者的需求和教育目标明确了所有教学任务和决策，规定了这些活动的顺序，并安排了有意义的学习体验[46]。对音乐教学中的技术支持学习（TEL）模式进行系统评价具有重要意义。值得注意的是，尽管有关TEL的研究越来越多，但此前尚未有系统评价专门将TEMLeM作为一个独立类别进行研究——现有的评价要么涵盖一般的TEL实践，要么涵盖广泛的音乐教育，未能探索两者之间的交集[76,90,150]。这一空白至关重要：如果没有专门的综合分析，从业者和研究人员将缺乏设计和评估音乐特定TEL模式的证据基础。从多个角度来看，这一点都很重要。首先，随着数字技术的日益普及及其在经济、文化和日常生活中的深度融合，音乐教育必须适应这些变化。在此背景下，分析技术支持的音乐学习模式（TEMLeM）对于充分利用其优势至关重要[4,69,99]。此外，这些模型的开发和优化基于科学研究和可靠数据，是提高音乐教育效果的关键因素[89,104]。因此，该领域的系统评价可以提供宝贵见解，有助于更好地制定战略规划和决策，推动音乐教育的发展。

**1.3. 理解本研究**
本研究旨在系统识别音乐教育中的基于TEL的教学模式和框架，并评估这些模型在改善教学和学习成果方面的关键作用。系统评价的目标包括：1. 识别TEMLeM的教育维度；2. 识别TEMLeM中使用的技术；3. 识别与TEMLeM相关的学习成果；4. 调查TEMLeM设计和实施中的现有挑战和局限性；5. 提出在TEMLeM中运用学习策略的概念框架。这些目标旨在制定改进策略和方法，以提高技术支持的音乐教学的质量和效率。为实现这些目标，本研究基于以下问题展开：
1. TEMLeM的教育维度是什么？
2. TEMLeM中使用了哪些技术？
3. TEMLeM的学习成果是什么？
4. TEMLeM的设计和实施中存在哪些挑战和局限性？

此外，由于迄今为止尚未开发出将TEL模式研究综合为连贯学习策略结构的概念框架[76,90,150]，本研究旨在填补这一空白。这一目标旨在为深入理解TEL如何有效支持音乐教育中的多样化学习过程奠定理论基础，指导未来TEMLeM的设计和实践。

**2. 方法**
本研究采用了PRISMA方法论[94]进行系统评价，以确保在制定搜索策略、定义纳入标准及识别相关文献方面的透明度。随后，采用了Theelen等人的[131]批判性评估方法来评估所选论文的质量。最后，基于提出的理论框架创建了编码方案，用于分析识别出的研究。

**2.1. 搜索策略**
我们的系统搜索策略纳入了与本研究核心概念最相关的术语和同义词，这些术语通过先前的TEMLeM系统评价确定[49,63,72,76,103,110,128,136]。

**2.2. 纳入标准**
在文献筛选的初始阶段，采用了以下纳入和排除标准。为了实现系统评价的目标，选择了2010至2024年的论文，以确保评价聚焦于TEMLeM的最新进展和趋势。由于技术发展迅速，2010年之前的论文可能无法反映当前的音乐教育技术和方法。设定明确的时间范围增强了结果的相关性和可靠性。所有研究期刊文章、经过同行评审的科学期刊、会议论文、博士论文和硕士论文都被纳入结果范围，而报纸文章、普通杂志、报告和社论被排除在外。搜索过程中没有施加其他限制，如研究类型、出版物类型、研究地点或技术类型。我们还选择了实证研究和概念研究。

鉴于技术支持的音乐学习模式是一个相对较新且不断发展中的研究领域，目前仍存在明显的研究空白[4,69,99]。因此，采用开放的搜索策略至关重要，以确保包括大多数类型的研究。这种方法最大程度地提高了识别相关研究的可能性，并有助于对现有知识进行更全面的分析。通过避免对研究类型的严格限制，该综述可以提供对该领域的更广阔视角，同时突出既定的发现和新出现的趋势。在筛选的最后阶段，我们只纳入了那些提出与至少一个研究问题相关的发现、意义或证据的出版物，或有助于开发TEMLeM中应用学习策略的概念框架的出版物。此外，排除了那些不受特定模型或框架指导的软件、应用程序或技术，以确保重点仍然放在结构化且有意图的技术增强音乐学习方法上。

2.3 相关出版物的识别
在选定数据库的初步筛选阶段，共识别出5003篇论文（Scopus（n=2246）、ProQuest（n=1096）、ERIC（n=390）、Web of Science（n=907）、IEEE（n=364）。搜索策略基于标题、摘要和关键词。尽管存在限制，但一些来源不符合来源类型标准；因此，由于不符合来源类型要求，有381个来源被剔除。然后，发现了1733篇重复的文章并将其移除。重复文章的原因是同一篇文章被多个数据库索引。经过对所有识别出的文章的标题和摘要的审查后，有2743篇文章因与研究问题无关而被排除在文章审查过程之外。最终，有146篇文章被选为全文审查的对象。为了更准确的分析和比较最终来源，考虑了更具体的标准，如与研究问题的精确相关性以及是否存在技术增强音乐学习模型。根据这些标准，在全文审查过程中又排除了106篇文章。至此，剩下40篇文章。根据质量评估，平均得分低于2分（一般提及）的14项研究被排除。此外，通过手动引用搜索又识别出4篇文章，并将其加入最终集合中。最终，有30篇文章被选为数据提取对象。文章识别过程的总结见图1。表1。

表1. 搜索策略。

2.4 质量评估
我们采用了Theelen等人[131]提出的质量评估标准，如表2所示。这些标准基于Savin-Baden和Major[124]对定性研究的批判性评估方法以及NICE[100]对定量研究的评估清单。方法论质量采用从未提及（0）到广泛提及（3）的评分系统进行评估。平均得分低于2分（一般提及）的研究被排除。因此，有14项研究被排除，而其他30项研究达到了方法论质量的最低要求，被纳入最终分析。

表2. 质量评估标准
标准 未提及（0） 有些提及（1） 好的提及（2） 广泛提及（3）
-------------------------------------------------
定性研究的标准 研究方法明确 理论上有依据 伦理过程透明 研究者与参与者的关系明确 研究者对数据的态度明确 研究者对自己研究的批判性立场 方法论与数据收集、分析和解释方法的一致性 参与者在数据解释中的参与 限制的说明
定量研究的标准 来源人群或来源领域描述清楚 干预措施和比较描述清楚 结果测量可靠 结果相关 分析方法适当 研究结果内部有效（即无偏见） 发现结果可推广到来源人群

2.5 被纳入的出版物
我们最终选定的30篇出版物用于最终分析的详细信息见附录中的表A1。如表A1所示，大多数被纳入的论文发表于2020年以后（N=23，77%）（图1）。从出版物类型来看，大多数研究是期刊文章（17项研究，57%）。此外，博士论文（10项研究，33%）也提供了重要的实证工作，进行了深入分析。其他出版物类型包括会议论文（1项研究，3.3%）、硕士论文（1项研究，3.3%）和书籍章节（1项研究，3.3%），所占比例较小。

下载：下载高分辨率图片（112KB）
下载：下载全尺寸图片

图1. 按年份划分的研究论文

出版语言主要为英语（25项研究，83%），反映了学术出版物全球使用英语的趋势。然而，也有少量研究以波斯语（2项研究，6.7%）、土耳其语（2项研究，6.7%）和西班牙语（1项研究，3.3%）发表，表明非英语语系研究社区的贡献。关于地理分布，被纳入的研究来自14个不同的国家，展示了多样化的研究格局。美国以7项研究（23.3%）领先，其次是土耳其（5项研究，16.7%）和伊朗（5项研究，16.7%）。其他对研究有贡献的国家包括西班牙（2项研究，6.7%）、乌克兰（2项研究，6.7%）、中国、芬兰、澳大利亚、马来西亚、菲律宾、斯里兰卡、罗马尼亚、卢森堡和香港（各1项研究，3.3%）。这一分布显示了北美、欧洲和亚洲的强劲贡献，而非洲和拉丁美洲的研究则相对较少。这些研究采用的研究方法多种多样，混合方法（12项研究，40%）最为常见。此外，定性研究（11项研究，37%）也被广泛使用，而定量研究（7项研究，23%）强调统计分析和可测量的结果。

2.6 分析策略
我们根据研究问题开发了一个编码方案（包括表A2中的信息），以系统地分析被纳入的出版物。编码框架包括四个主要类别，对应于研究重点：音乐教育模式的教育维度（RQ1）、使用的技术（RQ2）、学习成果（RQ3）以及挑战/局限性（RQ4）。共有4个类别、16个子类别和54个标签用于所有子类别。所有选定的研究都被输入到ATLAS.ti 9中进行定性数据分析[45]。研究使用定义的方案进行编码，以确保分类的一致性。为了检验评分者间的一致性，随机选择了两篇论文并由两位独立编码者进行编码。Cohen’s Kappa结果显示一致性为87%（κ = 0.74，p < .001），表明编码过程具有较高的可靠性和一致性。描述性统计（包括绝对频率（n）和30项研究的百分比）被用来定量总结被纳入研究的特征和编码类别的分布。这些计算使用Microsoft Excel完成。最后，这些数据被输入到yEd Graph Editor中，从而获得了与图表相关的输出。

3. 结果
3.1 RQ1：TEMLeM的教育维度是什么？
表3和表4展示了本系统评价中包含的30项研究中确定的TEMLeM教育维度的分布。这些教育维度被分为五个主要组成部分：教学方法（A1）、教学设计层面（A2）、学习者熟练程度（A3）、利益相关者（A4）和学习理论及策略（A5）。这些维度是根据教育研究文献中的既定框架选择的。教学方法类别遵循指导教学设计的基础学习理论[42,127]。宏观和微观教学设计层次之间的区分反映了标准的教育规划层次结构[19,114]。学习者熟练程度的分类与音乐教育中的常见发展阶段相一致[53,81]。利益相关者类别对应于教育研究中通常使用的基于年龄的教育分组[70,107]。

表3. TEMLeM的教育维度
| 教育维度 | 研究数量 | 百分比 |
|--------------|------------|---------|
| 教学方法 | 31 | 10% |
| 行为主义 | 3 | 10% |
| 认知主义 | 3 | 10% |
| 建构主义 | 25 | 83% |
| 连接主义 | 4 | 13% |
| 教学设计层面 | 19 | 63% |
| 学习者熟练程度 | 17 | 57% |
| 儿童 | 5 | 17% |
| 青少年 | 13 | 43% |
| 中学学生 | 2 | 6% |
| 高等教育学生 | 6 | 20% |
| 小学生 | 6 | 20% |
| 大学教职员工 | 4 | 13% |
| 残疾学生 | 2 | 6% |

2.6 分析策略
我们根据研究问题开发了一个编码方案（包括表A2中的信息），以系统地分析被纳入的出版物。编码框架包括四个主要类别，对应于研究重点：音乐教育模式的教育维度（RQ1）、使用的技术（RQ2）、学习成果（RQ3）和挑战/局限性（RQ4）。共有4个类别、16个子类别和54个标签用于所有子类别。所有选定的研究都被输入到ATLAS.ti 9中进行定性数据分析[45]。使用定义的方案对研究进行编码，以确保分类的一致性。为了检验评分者间的一致性，随机选择了两篇论文并由两位独立编码者进行编码。Cohen’s Kappa结果显示一致性为87%（κ = 0.74，p < .001），表明编码过程具有较高的可靠性和一致性。描述性统计（包括绝对频率（n）和百分比）被用来定量总结被纳入研究的特征和编码类别的分布。这些计算使用Microsoft Excel完成。最后，这些数据被输入到yEd Graph Editor中，从而获得了与图表相关的输出。爱德华等人[39]、霍顿[59]、威尔奇[147]、贝扎达瓦尔和瓦赫迪[13]、恩吉兹利和乌卢达格[41]、莫哈马迪安[90]、基比奇[67]、特凯和塞弗[130]、因佩里奥[60]、格特鲁迪克斯·巴里奥[47]、成年人（A43）1963%使用西班牙语[24]、哈伯林[52]、谢尔巴克等人[126]、帕夫连科等人[108]、克雷马塔[28]、图伊斯库和鲁奥科宁[136]、贝扎达瓦尔和瓦赫迪[13]、约翰逊[64]、张和张[154]、内德尔库特和波普[97]、特哈达和莫雷尔[128]、莫哈马迪安[90]、阿克索伊[4]、威尔奇[147]、多夫曼[38]、特凯和塞弗[130]、霍顿[59]、鲍曼[18]、库尤姆库[71]。

**学习理论与策略（A5）**
**技术-教学框架（A51）** 827%
威尔奇[147]、多夫曼[38]、特哈达和莫雷尔[128]、鲍曼[18]、霍顿[59]、卡斯泰拉诺[24]、哈伯林[52]、莫哈马迪安（2024）

**建构主义和认知理论（A52）** 1033%
格特鲁迪克斯·巴里奥[47]、克雷马塔[28]、陈[25]、因佩里奥[60]、莫哈马迪安[90]、尼js和贝扎达瓦尔[101]、谢尔巴克等人[126]、贝扎达瓦尔[12]、帕夫连科等人[108]、张和张[154]

**教学设计模型（A53）** 930%
贝扎达瓦尔和瓦赫迪[13]、恩吉兹利和乌卢达格[41]、卡斯泰拉诺[24]、基比奇[67]、莫哈马迪安和普鲁鲁斯塔埃伊·阿尔达卡尼[91]、莫哈马迪安和普鲁鲁斯塔埃伊·阿尔达卡尼[92]、因佩里奥[60]、莫哈马迪安[90]、贝扎达瓦尔[12]

**混合和灵活学习方法（A54）** 930%
图伊斯库和鲁奥科宁[136]、查米拉·尼尚蒂、爱德华等人[39]、约翰逊[64]、库尤姆库[71]、内德尔库特和波普[97]、恩吉兹利和乌卢达格[41]、帕夫连科等人[108]、谢尔巴克等人[126]、哈伯林[52]

**个性化及以学习者为中心的方法（A55）** 1033%
图伊斯库和鲁奥科宁[136]、陈[25]、卢等人[77]、因佩里奥[60]、莫哈马迪安[90]、帕夫连科等人[108]、张和张[154]、特凯和塞弗[130]、阿克索伊[4]、内德尔库特和波普[97]

**音乐特定教学理论（A56）** 723%
格特鲁迪克斯·巴里奥[47]、因佩里奥[60]、莫哈马迪安[90]、哈伯林[52]、特哈达和莫雷尔[128]、威尔奇[147]、尼js和贝扎达瓦尔[101]

**表4. 基于编码方案的TEMLeM中使用的技术**
| 技术 | 使用研究数量 | 使用百分比 (%) | 平均百分比 (%) | 总百分比 (%) | 参考文献 |
|--------------|-----------|------------|--------------|---------|
| 数字工具与软件 | 43 | 27 | 90 | | Loo等人[77], 莫哈马迪安和普鲁鲁斯塔埃伊·阿尔达卡尼[91]; 莫哈马迪安和普鲁鲁斯塔埃伊·阿尔达卡尼[92], 鲍曼[18], C.N. 爱德华等人[39], 威尔奇[147], 帕夫连科等人[108], 图伊斯库和鲁奥科宁[136], 张和张[154], 阿克索伊[4] |
| 音乐软件 | 17 | 57 | 27 | | 卡斯泰拉诺[24], 鲍曼[18], 因佩里奥[60], 陈[25], 霍顿[59], 库尤姆库[71], 威尔奇[147], 谢尔巴克等人[126], 帕夫连科等人[108], 克雷马塔[28], 约翰逊[64], 恩吉兹利和乌卢达格[41], 内德尔库特和波普[97], 特哈达和莫雷尔[128], 格特鲁迪克斯·巴里奥[47], 莫哈马迪安[90], 特凯和塞弗[130] |
| 互动音乐学习应用 | 12 | 40 | 24 | | 陈[25], 哈伯林[52], 霍顿[59], 库尤姆库[71], 谢尔巴克等人[126], 贝扎达瓦尔[12], 贝扎达瓦尔和瓦赫迪[13], 约翰逊[64], 张和张[154], 恩吉兹利和乌卢达格[41], 尼js和贝扎达瓦尔[101], 莫哈马迪安[90] |
| 基于AI的辅导系统 | 3 | 10 | 6 | | 谢尔巴克等人[126], 张和张[154], 莫哈马迪安[90] |
| 自动化音乐评估工具 | 3 | 10 | 6 | | 张和张[154], 恩吉兹利和乌卢达格[41], 莫哈马迪安[90] |
| 音频分析与可视化 | 3 | 10 | 6 | | 霍顿[59], 尼js和贝扎达瓦尔[101], 莫哈马迪安[90] |
| 虚拟现实（VR）应用 | 3 | 5 | 5 | | 谢尔巴克等人[126] |
| 增强现实（AR）应用 | 2 | 7 | 7 | | 贝扎达瓦尔[12], 尼js和贝扎达瓦尔[101] |
| 基于游戏的学习 | 2 | 7 | 7 | | 恩吉兹利和乌卢达格[41], 特凯和塞弗[130] |
| 运动追踪设备 | 3 | 5 | 5 | | 尼js和贝扎达瓦尔[101] |
| 在线学习与交流平台 | 16 | 50 | 40 | | 卡斯泰拉诺[24], 莫哈马迪安和普鲁鲁斯塔埃伊·阿尔达卡尼[91]; 莫哈马迪安和普鲁鲁斯塔埃伊·阿尔达卡尼[92], 鲍曼[18], C.N. 爱德华等人[39], 哈伯林[52], 克雷马塔[28], 多夫曼[38], 图伊斯库和鲁奥科宁[136], 贝扎达瓦尔和瓦赫迪[13], 约翰逊[64], 内德尔库特和波普[97], 特哈达和莫雷尔[128], 莫哈马迪安[90], 基比奇[67] |
| 音乐表演与练习技术 | 6 | 14 | 20 | | 因佩里奥[60], 霍顿[59], 特哈达和莫雷尔[128], 格特鲁迪克斯·巴里奥[47], 尼js和贝扎达瓦尔[101], 莫哈马迪安[90] |
| 智能可穿戴设备 | 2 | 7 | 7 | | 因佩里奥[60], 霍顿[59] |

**表3. 显示了每项技术在不同维度中的研究数量、占总研究数量的百分比以及具体参考文献。**许多研究在每个维度中结合了多种方法，导致了分类上的重叠。**

对所包含研究的分析揭示了关于基于技术增强学习的音乐教育模型的几个显著模式。建构主义作为主导理论基础出现，在25项研究中得到了体现（83%），这清楚地表明了在技术增强音乐教育中倾向于以学习者为中心、基于体验的学习方法。相比之下，行为主义仅出现在3项研究中（10%），认知主义出现在3项研究中（10%），而联通主义出现在4项研究中（13%）。一些研究结合了多种教学方法，如约翰逊[64]所示，该研究整合了行为主义、认知主义和建构主义的元素。

在教学设计层面，宏观层面设计（19项研究，63%）关注广泛的课程开发，微观层面方法（17项研究，57%）也得到了相对平衡的关注。几项研究，如莫哈马迪安[90]、尼js和贝扎达瓦尔[101]以及卡斯泰拉诺[24]，同时结合了这两种层面。

模型中涉及的学习者熟练程度方面，初学者水平的教学最为普遍（17项研究，57%），其次是中级水平的方法（11项研究，37%）。高级熟练程度的关注相对较少，仅出现在10项研究中（33%）。值得注意的是，一些研究（包括[13, 64, 90; 147]）设计了适用于多个熟练程度水平的模型。

对利益相关者人群的分析显示，成年人（19岁以上）是最常针对的群体，在19项研究中出现（63%）。青少年（13-18岁）在13项研究中被提及（43%），而儿童（6-12岁）受到的关注最少，仅出现在5项研究中（17%）。一些研究（如[59, 130]）开发了适用于多个年龄组的模型，而其他研究（如[13]和[90]）创建了适用于所有年龄组的框架。

**学习理论与策略的分析显示，在所包含的研究中实施了多种方法。**建构主义和认知理论（A52）以及个性化及以学习者为中心的方法（A55）是最常被提及的类别，每种分别出现在10项研究中（33%）。紧随其后的是教学设计模型（A53）和混合及灵活学习方法（A54），每种在9项研究中出现（30%）。技术-教学框架（A51）出现在8项研究中（27%），而音乐特定教学理论（A56）在7项研究中被提及（23%）。一些研究结合了多种理论框架和策略，尤其是因佩里奥[60]和莫哈马迪安[90]结合了四种不同的方法。其他研究，如哈伯林[52]，通过结合技术-教学框架与混合学习和音乐特定教学理论，展示了全面的方法。这种分布反映了该领域越来越认识到技术增强音乐教育模型需要多方面的理论基础，特别强调建构主义原则和个人化学习路径。

以下部分提供了对所选研究中使用的学习理论和策略的详细分析，进一步探讨了它们的理论基础。

**3.1.1 学习理论与策略**
表A3详细分析了每项研究中使用的学习理论和策略。学习理论与策略维度提供了指导音乐教育中技术整合的理论基础的关键见解。分析揭示了在技术增强音乐教育中使用的丰富学习理论和教学策略。建构主义作为主导理论基础出现，在10项研究中明确包含了建构主义或社会建构主义原则。TPACK（技术-教学-内容知识）框架是引用最多的具体模型，出现在7项研究中（23%）。这一框架的流行性反映了其在概念化技术、教学和内容知识之间复杂关系方面的实用性。威尔奇[147]、多夫曼[37]、特哈达和莫雷尔[128]、鲍曼[18]、霍顿[59]、哈伯林[52]和卡斯泰拉诺[24]等人的研究都采用了这一框架来指导他们的教学设计。

混合学习方法代表了另一个重要的理论流派，出现在5项研究中（17%）。这些模型结合了面对面学习和在线学习成分，反映了灵活交付方法在音乐教育中日益重要性。图伊斯库和鲁奥科宁[136]、查米拉·尼尚蒂·爱德华等人[39]、约翰逊[64]和恩吉兹利和乌卢达格[41]的研究体现了这一点。

值得注意的是，12项研究（40%）结合了多种互补的学习理论，表明了向理论整合的趋势。例如，因佩里奥[60]结合了社会建构主义与全面的音乐素养、螺旋式课程和非正式学习方法，而莫哈马迪安[90]结合了建构主义、以学习者为中心的方法、自我调节和动机理论。

数据还揭示了为技术增强音乐教育量身定制的专门理论框架的出现。尼js和贝扎达瓦尔[101]的研究中的体现方法强调了通过技术进行音乐学习时身体互动的作用。同样，谢尔巴克[126]的研究中的神经教学法探讨了理解大脑功能如何影响技术增强的音乐教学。

动机框架出现在2项研究中（7%）。凯勒的ARCS模型在特凯和塞弗[130]以及莫哈马迪安[90]的研究中被提及。教学设计模型为在音乐教育中实施技术提供了结构化的方法，如ADDIE[13, 24]、5E[67]、ASSURE[41]和布鲁纳的螺旋式课程[60, 90, 91, 92]等模型在多项研究中出现。

根据图2，教育维度的时间分布显示了不同类别的明显模式：建构主义在整个时期占主导地位（总共25项研究，83%），从2010年到2023年稳步存在，然后在2024年增加到11项研究（37%）。行为主义和认知主义仅在2019年后出现，每种仅出现在3项研究中（10%），而联通主义在整个时间跨度内零星出现，有4项研究（13%）。教学设计层面显示出平衡的发展，宏观层面（19项研究，63%）和微观层面（17项研究，57%）在2024年分别达到了8项和9项研究的峰值。在学习者熟练程度方面，初学者导向的研究（17项研究，57%）保持最一致的存在，而中级（11项研究，37%）和高级（10项研究，33%）类别在2022-2024年间出现较晚且集中。利益相关者人群分析显示，成年人（19项研究，63%）是最常研究的群体，其次是青少年（13项研究，43%），儿童（5项研究，17%）受到的关注最少。学习理论展示了不同的时间模式：建构主义和认知理论在2024年集中出现（总共10项研究中的7项），而教学设计模型主要在2019年后出现，音乐特定教学理论在整个时期零星出现（7项研究，23%）。

**3.2 RQ2: TEMLeM中使用了哪些技术？**
根据表A4和表4的分析，TEMLeM中使用了多种技术。表A4列出了每项研究中使用的所有技术，而表4根据预先设计的分类方案将这些技术组织成不同的类别和子类别。

基于表A4，最普遍的技术类别是学习管理系统（LMS），出现在14项研究中（47%）。这些平台包括Moodle、Canvas和MusicFirst，为课程交付、内容组织和学生评估提供了结构化环境。视频会议和同步通信工具是第二常见的类别，出现在13项研究中（43%）。Zoom、Skype和Google Meet等平台在支持远程学习中的实时教学和反馈方面变得尤为重要。

移动学习技术成为重要趋势，出现在10项研究中（33%）。这些包括专门的音乐应用程序、基于智能手机的工具和像GarageBand这样的平板电脑应用程序。数字音频工作站（DAWs）和音乐制作软件在8项研究中得到使用（27%），促进了作曲、录制和表演活动。数据还揭示了创新技术的出现，包括尼js和贝扎达瓦尔[101]中的增强现实（AR）系统、克雷马塔[28同样，Mohammadian [90] 结合了学习管理系统（LMS）、移动学习、音频信号处理和电子评估技术来支持音乐学习过程的多个方面。时间顺序分析显示，从早期研究（2010-2017年）的基础数字内容传输系统和多媒体演示，发展到近期研究（2018-2024年）中更复杂、更互动和更专业的技术。43.2.1. 技术分类在下表4中提供了基于编码方案的技术分类。这一修订后的分类系统为分析不同研究中的技术使用模式提供了一个结构化框架。通过将技术分为主要功能组和具体的子类别，我们可以更准确地识别出在技术增强型音乐教育中普遍存在和新兴的工具。根据表4，技术被分为五个主要类别：数字工具与软件、人工智能与自适应技术、模拟、虚拟与增强现实、在线学习与交流平台以及音乐表演与练习技术。每个类别又进一步细分为具体的子类别，以便更细致地理解技术的应用情况。最普遍的技术类别是数字工具与软件，出现了27项研究（90%），其次是在线学习与交流平台，出现了24项研究（80%）。这些类别包括各种具体的技术，如音乐软件、交互式应用程序、学习管理系统和视频会议工具。相比之下，更专业的技术如人工智能与自适应技术和模拟、虚拟与增强现实则较少出现，分别只出现了6项研究（20%）和5项研究（17%）。音乐表演与练习技术，包括数字乐器和智能可穿戴设备，也出现在6项研究中（20%）。在数字工具与软件类别中，音乐软件被提及最多，出现在17项研究中（57%），其次是交互式音乐学习应用程序，出现在12项研究中（40%），以及数字内容，出现在10项研究中（33%）。这突显了软件在促进音乐创作、练习和理论教学中的核心作用。同样，在在线学习与交流平台类别中，学习管理系统（LMS）和视频会议工具同样普遍，每项都出现在16项研究中（53%），强调了它们在实现远程教学和协作中的重要性。协作平台也很显著，出现在13项研究中（43%）。人工智能与自适应技术的使用虽然不广泛，但包括基于人工智能的辅导系统、自动音乐评估工具和音频分析与可视化工具，每项都在3项研究中被提及（10%）。这些技术提供了个性化的学习体验和自动化反馈，表明人们对用于音乐教育的自适应和智能系统越来越感兴趣 [41,90,126,155]。模拟、虚拟与增强现实技术，如增强现实（AR）应用程序 [12,101] 和基于游戏的学习 [41,130]，只在较少的一些研究中出现，每项出现在2项研究中（7%），而虚拟现实（VR）应用程序 [126] 和运动追踪设备 [101] 各出现在1项研究中（3%）。音乐表演与练习技术，主要是数字乐器和MIDI控制器，出现在6项研究中（20%），智能可穿戴设备 [59,60] 出现在2项研究中（7%）。这些技术支持实践和表演。根据图3，音乐学习模型中技术应用的时间分析显示，从2010-2017年的少量采用到2022-2024年的快速多样化和实施发生了显著变化。音乐软件在整个时期保持了最一致的存在，直到2020年才逐渐增加，在2024年达到了6项应用，反映了它在57%的审查研究中被确认的基础性作用。最显著的变化发生在人工智能和自适应技术上，这些技术仅在2024年出现，包括基于人工智能的辅导系统（3项研究，10%）、自动音乐评估工具（2项研究，7%）和音频分析与可视化工具（2项研究，7%），表明近期向智能化、个性化学习系统的转变。视频会议工具从2018年开始稳步增长，到2024年达到5项研究（17%），这可能是由于疫情驱动的远程学习需求加速的结果。数字通信平台（LMS和协作平台）也显示出类似的增长模式，LMS的应用从2019-2020年的2项研究（7%）增加到2022年的4项研究（13%）。值得注意的是，沉浸式技术（VR/AR）和专业设备（运动追踪、智能可穿戴设备）仅在最近几年（2021-2024年）出现，表明趋势正在朝着更复杂、体验式的学习环境发展。

下载：下载高分辨率图像（534KB）
下载：下载全尺寸图像
图3. TEMLeM（2010-2024）中使用的技术的时间分布

3.3. RQ3：TEMLeM的学习成果是什么？
对30项研究的系统回顾确定了与TEMLeM相关的四个主要学习成果类别：音乐知识、音乐表演能力、情感与美学学习以及教学音乐技巧。这些类别是从对30项选定研究的分析中归纳出来的，反映了文献中确定和报告的教育目标。下表5展示了这些学习成果的分布，详细列出了研究数量（N）、占总研究数量的百分比（Pct.）、每个类别内子标签的平均百分比（Mean Pct.）以及至少涵盖每个类别一个子标签的研究的总体百分比（Overall Pct.）。对于每个子标签，如果有的话，还包含了具体研究的引用。

表5. TEMLeM的学习成果
学习成果 标签 研究数量 百分比 平均百分比 总体百分比 参考文献
音乐知识 音乐理论与记谱法 12 40% 31% 18项研究 60%
Mohammadyan和Pourroostaei Ardakani [91]; Mohammadyan和Purrustaei Ardakani [92], Imperio [60], Chen [25], Shcherbak等[126], Behzadaval [12], Zhang和Zhang [154], Nedelcut和Pop [97], Gértrudix Barrio [47], Nijs和Behzadaval [101], Mohammadian [90], Kibici [67]
音乐历史、文化意识与风格 7 23% Loo等[77], Mohammadyan和Pourroostaei Ardakani [91]; Mohammadyan和Purrustaei Ardakani [92], C.N. Edward等[39], Behzadaval [12], Cremata [28], Mohammadian [90]
音乐分析与批判性思维 9 30% Mohammadyan和Pourroostaei Ardakani [91], Mohammadyan和Purrustaei Ardakani [92], C.N. Edward等[39], Chen [25], Tejada和Morel [128], Gértrudix Barrio [47], Mohammadian [90], Kibici [67], Teke和Sever [130]
音乐表演能力 技术与乐器技能 16 53% 21项研究 70%
Loo等[77], Mohammadyan和Pourroostaei Ardakani [91]; Mohammadyan和Purrustaei Ardakani [92], Imperio [60], Horton [59], Kuyumcu [71], Shcherbak等[126], Pavlenko等[108], Tuisku和Ruokonen [136], Behzadaval和Vahedi [13], Nedelcut和Pop [97], Nijs和Behzadaval [101], Mohammadian [90], Aksoy [4], Kibici [67], Teke和Sever [130]
声乐与听觉技能 4 13% C.N. Edward等[39], Imperio [60], Shcherbak等[126], Zhang和Zhang [154]
作曲与创造力 5 17% Bowman [18], Imperio [60], Chen [25], Nedelcut和Pop [97], Nijs和Behzadaval [101]
合奏与协作 9 30% Bowman [18], Imperio [60], Chen [25], Horton [59], Welch [147], Cremata [28], Behzadaval和Vahedi [13], Engizli和Uludag [41], Nijs和Behzadaval [101]
情感与美学学习 表演中的情感表达 3 10% 20项研究 67%
Behzadaval [12], Behzadaval和Vahedi [13], Nedelcut和Pop [97]
音乐欣赏与美学敏感性 2 7% Behzadaval [12], Behzadaval和Vahedi [13]
动机与参与 15 50% Loo等[77], Bowman [18], C.N. Edward等[39], Castellano [24], Chen [25], Horton [59], Kuyumcu [71], Welch [147], Tuisku和Ruokonen [136], Zhang和Zhang [154], Engizli和Uludag [41], Nedelcut和Pop [97], Gértrudix Barrio [47], Aksoy [4], Kibici [67], Teke和Sever [130]
自我调节学习 13 43% Loo等[77], Bowman [18], H?berlin [52], Horton [59], Kuyumcu [71], Shcherbak等[126], Pavlenko等[108], Cremata [28], Dorfman [38], Tuisku和Ruokonen [136], Zhang和Zhang [154], Engizli和Uludag [41], Teke和Sever [130]
教学音乐技巧 教学策略 17 19% 12项研究 40%
Bowman [18], H?berlin [52], Shcherbak等[126], Dorfman [38], Tejada和Morel [128]
教学中的技术整合与数字素养 10 33% Castellano [24], Bowman [18], H?berlin [52], Horton [59], Welch [147], Shcherbak等[126], Pavlenko等[108], Dorfman [38], Tuisku和Ruokonen [136], Tejada和Morel [128]
可访问性与平等 7 27% Aksoy [4], Welch [147]

音乐知识是一个重要的学习成果类别，有18项研究（60%）报告了至少一个相关的子维度。在这个类别中，确定了三个子维度。音乐理论与记谱法是最常被报告的子维度，出现在12项研究中（40%）。这一发现来自Shcherbak等[126], Behzadaval [12], Zhang和Zhang [154], Nedelcut和Pop [97], Gértrudix Barrio [47], Nijs和Behzadaval [101], Mohammadian [90], 和Kibici [67]的研究，表明技术增强型方法在促进基础音乐素养技能的获取方面特别有效。音乐分析与批判性思维在9项研究（30%）中被提及，表明技术也有助于音乐教育中的高级认知过程。Mohammadyan和Pourroostaei Ardakani（2023a, 2023b）以及Edward等[39]展示了数字工具如何增强学生分析音乐作品的能力。同样，Chen [25], Tejada和Morel [128]以及Gértrudix Barrio [47]发现技术中介的环境促进了更深入的音乐结构分析。Mohammadian [90], Kibici [67]和Teke和Sever [130]的额外研究证实了技术可以通过音乐分析任务培养批判性和认知思维技能。音乐历史、文化意识与风格出现在7项研究（23%）中。Loo等证明TEL提高了学生对不同音乐传统的理解。Edward等[39]发现数字资源拓宽了学习者的文化视野，而Cremata [28]观察到技术促进了跨文化的音乐探索和欣赏。另一方面，音乐表演能力是最普遍的成果类别，有21项研究（70%）报告了至少一个相关子维度。在这个类别中出现了四个不同的子维度。技术と乐器技能是最常被报告的成果，出现在16项研究（53%）中。这一发现强调了技术在发展基本表演能力方面的作用。Loo等[77]发现数字反馈机制提高了乐器技巧的精确度。Horton [59], Kuyumcu [71]和Shcherbak等[126]展示了技术支持的练习如何改善乐器表演中的运动技能发展。Pavlenko等[108], Tuisku和Ruokonen [136], Behzadaval和Vahedi [13], Nedelcut和Pop [97], Nijs和Behzadaval [101], Mohammadian [90], Aksoy [4], Kibici [67], 和Teke和Sever [130]的额外研究共同证实了技术在发展各种乐器技术熟练度方面的好处。合奏与协作出现在9项研究（30%）中，突显了技术支持集体音乐制作的能力。Bowman [18], Imperio [60]和Chen [25]发现数字平台促进了有意义的协作表演体验。Horton [59]和Welch [147]展示了技术中介的环境如何增强合奏协调性。Cremata [28], Behzadaval和Vahedi [13], Engizli和Uludag [41], 以及Nijs和Behzadaval [101]观察到通过技术增强的小组音乐活动提高了协作技能。作曲与创造力在5项研究（17%）中被识别，声乐与听觉技能出现在4项研究（13%）中。Edward等[39], Imperio [60], Shcherbak等[126], 和Zhang和Zhang [154]发现技术增强型模型提高了听觉感知、声乐表达和批判性倾听能力。情感与美学学习作为一个重要类别出现，有20项研究（67%）。在这个类别中，确定了三个子维度。动机与参与是一个显著的结果，出现在15项研究（50%）中。Loo等[77], Bowman [18], 和Edward等[39]发现技术增强型模型增加了学生对音乐学习活动的兴趣和参与度。Castellano [24], Chen [25], Horton [59], 和Kuyumcu [71]展示了数字工具如何捕捉并保持学习者的注意力。Welch [147], Tuisku和Ruokonen [136], Zhang和Zhang [154], Engizli和Uludag [41], Nedelcut和Pop [97], Gértrudix Barrio [47], Aksoy [4], Kibici [67], 和Teke和Sever [130]一致表明技术整合在各种音乐情境中增强了学生的动机。自我调节学习在13项研究（43%）中被报告，表明技术在培养自主学习能力方面的作用。Horton [59], Kuyumcu [71], 和Shcherbak等[126]展示了技术增强型模型如何促进自我节奏的练习和反思。Pavlenko等[108], Cremata [28], Dorfman [38], Tuisku和Ruokonen [136], Zhang和Zhang [154], Engizli和Uludag [41], 和Teke和Sever [130]进一步证实了技术在音乐教育中发展自主学习策略的能力。表演中的情感表达出现在3项研究（10%）中，音乐欣赏与美学敏感性在2项研究（7%）中被报告。其中一些研究[12,13]表明技术增强型模型加深了学生对音乐美学的欣赏，并提高了他们对音乐表现质量的敏感度。教学音乐技巧是第四个类别，出现在12项研究（40%）中。在这个类别中，确定了三个子维度。教学中的技术整合与数字素养在10项研究（33%）中被识别。卡斯泰拉诺[24]、鲍曼[18]和哈伯林[52]发现，技术增强的模型提高了音乐教育者的数字素养。霍顿[59]、韦尔奇[147]和舍尔巴克等人[126]展示了数字整合如何提升教学效果。帕夫连科等人[108]、多夫曼[38]、图伊斯库和鲁奥科宁[136]以及特哈达和莫雷尔[128]的研究进一步强调了技术在音乐教育中扩展教学方法的作用。有5项研究（17%）探讨了教学策略。鲍曼[18]、哈伯林[52]和舍尔巴克等人[126]认为，技术增强的环境促进了创新教学方法的发展。多夫曼[38]和特哈达和莫雷尔[128]展示了数字工具如何扩展教育者的教学手段。此外，有两项研究（7%）提到可访问性和平等性。阿克索伊[4]和韦尔奇[147]发现，技术增强的模型改善了音乐学习的可访问性和平等性。

根据图4，TEMLeM中的学习成果在时间上的分布显示，从2010年至2020年的零星报告转变为2021年至2024年的全面记录。技术技能和乐器技能是最常报告的结果（16项研究，53%），在2021年之前几乎不存在，但在2022年和2024年分别增加到5项研究（17%）。音乐理论和记谱法也从偶尔出现增加到2024年的6项研究（20%）。动机和参与度在整个时间线上保持最稳定的存在（15项研究，50%），2022年达到峰值（5项研究，17%）。自我调节学习主要出现在2016年之后，在2022年至2024年间尤为突出（13项研究中的10项）。值得注意的是，像作曲与创造力以及声乐与听力技能这样的高级成果仅出现在最近几年（2022年至2024年），而情感成果（情感表达、音乐欣赏）则始终报告较少。

**3.4 RQ4：TEMLeM的设计和实施中存在的挑战和限制是什么？**
基于表6对30项研究的分析，发现影响TEMLeM设计和实施的显著挑战和限制。这些挑战被分为三个主要领域：技术挑战、教学挑战以及制度和文化障碍。

**表6. TEMLeM设计和实施中的挑战和限制**
| 挑战/限制 | 研究数量 | 平均百分比 | 总百分比 |
|-----------------|---------|---------|---------|
| 可访问性和成本 | 16 | 53% | 39% |
| | | | |
| 卡斯泰拉诺[24]、鲍曼[18]、C.N.爱德华德等人[39]、因佩里奥[60]、陈[25]、哈伯林[52]、霍顿[59]、韦尔奇[147]、帕夫连科等人[108]、克雷马塔[28]、多夫曼[38]、恩吉兹利和乌卢达格[41]、内德尔库特和波普[97]、尼尔斯和贝扎达瓦尔[101]、阿克索伊[4]、基比奇[67] | |
| 技术问题和可靠性 | 19 | 63% | 39% |
| | | | |
| | | | |
| | | | |
| 兼容性和集成 | 7 | 23% | 26% |
| | | | |
| | | | |
| 缺乏即时反馈 | 5 | 17% | 37% |
| | | | |
| | | | |
| | | | |
| 教学挑战 | 20 | 20% | 93% |
| | | | |
| | | | |
| 缺乏教师培训 | 12 | 40% | 30% |
| | | | |
| | | | |
| 缺乏数字素养和适应性受限 | 12 | 40% | 30% |
| | | | |
| | | | |
| 自我调节、参与度和动机问题 | 7 | 23% | 23% |
| | | | |
| 表现力和审美深度的局限性 | 4 | 13% | 30% |
| | | | |
| 缺乏基础和实验研究 | 9 | 30% | 30% |
| | | | |
| | | | |
| 在运动技能方面的困难 | 3 | 10% | 13% |
| | | | |
| 评估挑战 | 3 | 10% | 10% |
| | | | |
| 制度和文化障碍 | 16 | 53% | 41% |
| | | | |
| | | | |
| 教育政策中的系统性限制 | 4 | 13% | 30% |
| | | | |
| | | | |
| 制度约束和课程缺口 | 7 | 23% | 23% |
| | | | |
| | | | |
| 文化认知 | 7 | 23% | 23% |
| | | | |
| 时间限制 | 3 | 10% | 10% |
| | | | |

技术挑战在26项研究（87%）中被识别，是最普遍的限制类别。技术问题和可靠性是最重要的子类别，在19项研究（63%）中被报道。Loo等人[77]、因佩里奥[60]、哈伯林[52]和阿克索伊[4]的研究指出了各种技术障碍，包括互联网连接问题、同步活动期间的延迟问题、音频质量限制和软件兼容性问题。这些技术困难直接影响了教学效果，经常中断学习过程。可访问性和成本是另一个重要障碍，在16项研究（53%）中提到。卡斯泰拉诺[24]、爱德华德等人[39]和陈[25]的研究记录了学生对所需技术的不同访问能力，社会经济因素导致了学生之间的“数字鸿沟”。兼容性和集成问题在7项研究（23%）中被提及，主要集中在将技术增强方法与传统音乐教育方法和现有课程结构相结合的困难上。缺乏即时反馈在5项研究（17%）中被发现，约翰逊[64]和内德尔库特与波普[97]强调了在异步学习环境中提供及时个性化反馈的挑战，尤其是在需要精确纠正的技术表现方面。

教学挑战是最广泛的类别，出现在28项研究（93%）中。缺乏教师培训是一个显著的问题，在12项研究（40%）中被提到。卡斯泰拉诺[24]、鲍曼[18]和陈[25]的研究强调了音乐教育者在技术整合方面的准备不足。缺乏数字素养和适应性受限的问题同样普遍，在12项研究（40%）中出现。舍尔巴克等人[126]、韦尔奇[147]和库尤姆库[71]指出，教师和学生的技术能力有限，阻碍了他们有效参与数字学习环境。九项研究（30%）指出缺乏基础和实验研究，莫哈马迪安和普鲁鲁斯塔埃阿达卡尼[91]和莫哈马迪安[90]强调需要更多实证证据来指导TEMLeM的发展。与自我调节、参与度和动机相关的问题在7项研究（23%）中出现，因佩里奥[60]和张张[154]记录了在数字学习环境中维持学生动机的挑战，特别是在需要自主学习时。哈伯林[52]提到了导航音乐内容和技术界面所带来的额外认知负担。六项研究（20%）报告了缺乏人际互动的问题，Loo等人[77]和库尤姆库[71]强调了传统音乐教学中必不可少的人际动态和非语言交流的缺失。约翰逊[64]特别指出了在数字背景下培养导师-徒弟关系的挑战。

制度和文化障碍在16项研究（53%）中被报告，代表了实施中的重大系统性挑战。七项研究（23%）指出了制度约束和课程缺口，卡斯泰拉诺[24]、帕夫连科等人[108]和特哈达和莫雷尔[128]强调了教育结构的僵化、课程框架的不足以及机构对技术整合的支持不足。文化认知也在七项研究（23%）中被提及，莫哈马迪安和普鲁鲁斯塔埃阿达卡尼[91]和莫哈马迪安[90]记录了音乐教育中对技术的不同文化态度有时会成为采用的障碍。教育政策中的系统性限制在四项研究（13%）中被报告，韦尔奇[147]和帕夫连科等人[108]注意到某些教育者和机构对变化的抗拒。时间限制在三项研究（10%）中被提到，包括特哈达和莫雷尔[128]和库尤姆库[71]，强调了技术整合所需的时间超过了常规教学时间。

基于图5，TEMLeM中挑战的时间分析显示，从2010年至2020年的少量报告增加到2022年至2024年的全面记录，128项报告中86项（67%）集中在最后三年。技术问题和可靠性是最常报告的挑战（19项研究，63%），在2021年之前几乎没有出现，但在2024年激增至7项研究（23%）。可访问性和成本障碍也加剧了，从2021年的1项研究增加到2024年的5项研究（17%）。教学挑战显示出有趣的时间模式：缺乏教师培训在整个时期一直存在，但在2024年达到峰值（5项研究，17%），而缺乏数字素养在2022年至2024年间一直存在（12项研究中的7项）。值得注意的是，与研究相关的挑战主要出现在最近几年，缺乏基础和实验研究仅在2024年的9个案例中出现。2020年至2021年期间报告较少（总共11项挑战），考虑到疫情的干扰，这可能表明最初的焦点是快速实施而非系统性地记录挑战。制度和文化障碍在整个时期保持稳定但程度较轻，而新出现的挑战如焦虑和压力（2023年）以及运动技能困难等特定问题则报告较少。

**4. 讨论**
**4.1 TEMLeM的教育维度**
在回答RQ1时，对TEMLeM的教育维度的分析显示，建构主义教学方法占主导地位（83%的研究），特别强调成人学习者（63%）和初级水平的学习者（57%）。时间分析显示，从2010年至2024年发生了显著范式转变，近年来建构主义方法显著增强，特别是在2024年。学习理论表现出相当多样性，建构主义和认知理论以及以学习者为中心的方法在每项研究中都出现了33%，而TPACK框架是最常被引用的具体模型（23%）。建构主义的压倒性流行不仅仅是一种方法论偏好，它表明了数字环境中音乐知识获取方式的根本性重构。这一发现与Jonassen和Land[73]指出的更广泛的教育技术趋势一致，他们认为数字技术通过其互动性、多模态表现和学习者控制能力内在地支持建构主义原则。然而，行为主义（10%）和认知主义（10%）方法的近乎缺失引发了关于当前教学框架完整性的关键问题。建构主义的主导地位可能无意中边缘化了某些可以从更结构化、顺序化方法中受益的音乐学习方面。正如汉娜[54]所展示的，某些基础技能——特别是在音乐理论和技巧方面——通常需要系统性的练习，这更符合行为主义原则。这一发现与Ruthmann和Mantie[120]倡导的音乐教育技术中的多元教学方法相矛盾，他们主张教育技术中的教学多样性。

宏观层面（63%）和微观层面（57%）教学设计方法之间的相对平衡分布表明了一种新兴的整体视角。这一发现与Reeves及其[113]提出的自主学习框架相呼应，该框架强调了将更广泛的课程目标与具体的学习活动相结合的重要性。2024年这两个设计层面的时间集中表明该领域已经成熟，研究人员越来越认识到需要同时关注课程层面的整合和课堂层面的实施。这与Wang和Hannafin（2005）提出的基于设计的研究范式一致，该范式提倡在多个教育干预层面上进行迭代改进。研究中对初级水平教学（57%）和成人学习者（63%）的显著关注揭示了明显的差异，这些差异挑战了通过数字技术实现音乐学习民主化的假设。儿童在学习中的代表性不足（17%）尤其令人担忧，因为已有文献指出早期音乐教育对认知发展有显著益处[53]，同时年轻一代天生就熟悉数字技术。这种以成人为中心的方法与当前关于差异化教学的理论[133]相矛盾，可能会无意中加剧教育不平等。对高级技能的关注有限（33%），表明现有模型可能无法充分满足发展中的音乐家的需求，而这些音乐家需要复杂的反馈机制和精细的教学方法，这与现代音乐技术的能力形成鲜明对比[153]。所采用的学习理论多样性表明该领域在理论层面处于动态变化中，仍在寻找适合技术中介的音乐学习的适当框架。TPACK（23%）的突出地位反映了人们认识到有效整合技术所需的独特知识领域，但其相对较低的采用率表明在音乐特定情境中实施这一框架仍存在挑战。新兴的专门框架——具身音乐认知和神经教育学——代表了重要的理论创新，这些框架认识到音乐学习的独特特征。这些框架质疑了通用教育技术理论的应用，并支持领域特定的理论发展。在个别研究中整合多种理论框架表明研究正朝着理论综合的方向发展，这与教育学中的复杂性理论[33]相一致，但这种多样性也可能导致概念上的混淆。

这些发现具有重要的实际意义，特别是在理论框架与应用之间的实施差距方面。2024年研究的集中表明，随着领域的成熟，人们对实施复杂性的认识日益增加。尽管建构主义承诺赋予学习者主动性、合作意义构建和创造性表达，但在70%的研究中记录的学习成果仍然以技术表现能力为核心——这说明建构主义的理念尚未转化为实践。教育机构必须认识到，要主导建构主义方法，需要从根本上改变评估实践、教师准备和资源分配方式。传统的音乐学院模式与建构主义原则难以兼容，这要求制定创新的政策框架，以适应传统方法和技术增强方法的双重需求。理论框架的多样性凸显了迫切需要全面的专业发展计划，将技术视为音乐教学的一个不可或缺的部分，而不仅仅是附加成分[10]。人口统计差异要求研究人员、教育工作者和政策制定者立即予以关注。对成人初学者的关注忽视了技术对年轻学习者和进阶音乐家的变革潜力。考虑到音乐学习的关键期假说[51]以及技术在提供多模式、引人入胜体验方面的潜力，对儿童的关注不足尤为成问题。

4.2. TEMLeM中使用的技术

在回答研究问题RQ2时，对TEMLeM中使用技术的系统分析显示，该领域主要由基础性数字工具（90%）和在线平台（80%）主导，但在专用音乐技术的采用方面存在显著差距。通用教育技术（特别是学习管理系统[53%]和视频会议工具[53%）的普及程度高于音乐特定创新，这种现象被称为“技术保守主义悖论”，这与之前的研究发现相符。Savage[123]的全国性调查显示，信息通信技术在音乐教育中的使用强化了传统学科内容，而不是发挥技术的更广泛潜力；Wise[143]观察到教师在数字作曲教学方面依然保守。尽管音乐软件是最常见的子类别（57%），但其占比相对较低，表明整合较为肤浅，这与Mroziak和Bowman[95]的批评一致，他们认为音乐教育者使用数字工具只是为了复制而非重新设计教学方法。Waddell和Williamon（2019）对338名国际音乐家的调查显示，教师最高频率使用的技术是行政功能，而最低频率的技术涉及反馈和进度跟踪等教学功能。本研究通过对30项研究的系统定量分析，证实了技术保守主义是整个领域的普遍现象，而不仅仅是特定情境下的现象。时间分析显示，从2022年到2024年，技术多样化出现了显著加速，尤其是人工智能（AI）和自适应技术的出现仅发生在2024年。这种突然的激增表明技术采用是反应性的而非出于教学动机，这与Daubney和Fautley[34]记录的疫情期间在线音乐教学的突然、非计划性的转变以及Pozo等人[111]关于强制技术采用是否带来真正变革的混合证据相一致。AI辅导系统的延迟出现（2024年的所有研究中只有10%）令人担忧，因为AI在教育领域已经发展了十年之久。Zhang等人[155]确认，音乐教育中的AI研究仍处于起步阶段；Merchán Sánchez-Jara等人[84]指出，智能辅导系统在音乐教育文献中仅占16%。沉浸式技术（17%）和运动追踪设备（3%）的采用率极低，这是有问题的，因为音乐本身具有高度的具身性。Leman[74]的基础框架确立了身体在物理能量和音乐参与之间的中介作用，大量实证证据支持具身技术的有效性：Keebler等人[66]发现基于增强现实的吉他教学加速了音阶学习；Degli Innocenti等人[35]报告称移动虚拟现实（VR）在音乐流派识别方面有显著改进；Banquiero等人[8]证明混合现实比基于屏幕的替代方案更能提升钢琴演奏表现。智能可穿戴设备的稀缺（7%）同样令人担忧，因为van der Linden等人[138]表明，带有振动触觉反馈的可穿戴运动捕捉技术能改善小提琴演奏的持久记忆；Gonzalez-Sanchez等人[50]证明运动测量可以区分音乐技能水平。这种差距与体育科学中的标准化实践形成对比，后者普遍使用运动分析[31]。Micha?ko等人[86]发现，乐器教师对VR和可穿戴技术并不熟悉，这反映了从业者的认知不足而非技术可用性的限制。未能利用能够捕捉和提供关于具身方面反馈的技术代表了巨大的机会丢失，这与体育科学和物理康复中的标准化实践形成了鲜明对比。

合作平台的代表性较低（43%）揭示了一个根本性的矛盾，因为音乐创作本质上是社交性的，但不到一半的研究采用了合作技术。Rottondi等人[121]确定了同步音乐表演的“合奏性能阈值”约为25毫秒，而Bartlette等人[9]发现延迟达到100毫秒时音乐家会受到严重影响。考虑到Biasutti[14]证明在线环境可以成功支持协作作曲，以及Rofe和Reuben[116]开发的延迟控制解决方案使社区音乐家能够在没有专业网络的情况下进行表演，这一情况值得关注。当前研究揭示了工程解决方案与教育研究应用之间的转化差距。这些模式对理论发展和实践具有启示意义。通用技术的主导地位表明需要重新构想整合框架，因为Macrides和Angeli[79]认为TPACK对于音乐来说不够完善，因为缺乏情感领域；Bauer[11]发现技术知识是音乐教育者中TPACK成分中最薄弱的。Hanning[55]报告称，43%的预备音乐教育者认为自己对技术使用准备不足；Brudvik和Hebert[20]指出费用、可访问性、态度和复杂性是主要障碍。Doherty[36]发现教师大多是在业余时间学习技术的，这表明专业发展存在系统性缺陷。2024年创新技术的时间集中反映了Camlin和Lisboa[23]提到的“数字转型”，这引发了关于机构支持结构是否能够促进主动创新的问题。分析通过识别需要关注的关键领域为现有文献做出了贡献：音乐特定的AI系统[27,58]、用于技能获取的VR/AR应用[5,125]以及具身技术的主流采用[140]。未来的研究必须超越工具的简单目录，通过纵向研究来评估教学效果的有效性。

4.3. TEMLeM的学习成果

在回答研究问题RQ3时，系统分析揭示了四个领域的多维影响：音乐表现能力（70%的研究）、情感与审美学习（67%）、音乐知识（60%）和音乐教学技能（40%）。技术和乐器技能（53%）以及动机与参与度（50%）是最常报告的成果，而表现中的情感表达（10%）、音乐欣赏与审美敏感性（7%）和可访问性与平等性（7%）受到的关注较少。时间分析显示，从2010年至2020年的零星报告转变为2021年至2024年的全面记录，67%的成果集中在最后三年——这一模式与近期评论一致，这些评论指出数字工具最常针对表现相关的成果和参与度[72,152]。表现能力超过音乐知识的优势挑战了技术主要增强理论理解的假设[10]。实际上，技术增强型模型通过即时反馈促进了技术能力的提升，这与Acquilino和Scavone[3]的发现一致，他们认为大多数练习软件围绕节拍器和调音器构建；Waddell等人[141]观察到技术中介的技能发展以节奏准确性为主。值得注意的是，作曲与创造力仅出现在17%的研究中，这与Lam[72]的综述一致，该综述在35年间仅发现了17项关于技术增强创造力的实证研究，这证实了Webster[146]和Burnard[21]的观点，即创造性维度仍然被边缘化。正如Savage[123]所观察到的，教师在采用技术后继续采用传统教学方法；Tejada等人[129]发现学生教师对超出乐谱软件的创造性潜力感到惊讶，这表明实际应用仍然侧重于表现导向的教学法。

一个显著的悖论出现了：动机与参与度出现在50%的研究中，而表现中的情感表达仅出现在10%的研究中。这进一步证实了技术提升了参与度，但没有培养更深层次的技能——Kim[68]展示了参与度的提升，Nijs等人[102]记录了高流畅状态，但这两项研究均未发现相应的表现提升。Meissner和Timmers[82,83]证实，对话式教学而非技术提高了表现力。自我调节学习的高占比（43%）进一步表明技术支持自主练习而非解释性维度，这与Karlsson和Juslin[65]的观察一致，他们认为技术教学远远超过解释性教学。自我调节学习的大量存在延续了McPherson和Zimmerman[78]的理论传统，并证实了Varela等人[139]的系统综述发现的积极自我调节学习-音乐学习关系。Wan等人[142]表明数字工具促进了独立问题解决能力，但发展取决于教师的指导。然而，2022年至2024年创新技术的时间集中引发了关于疫情驱动的反应性的疑问：Spahn[122]发现学生在封锁期间发展出了更多的自我调节方法。技术与技术技能的共现表明，自我调节主要支持练习效率，这与Miksza和Brenner[87]的发现一致，他们认为高级小提琴手在实现更广泛音乐目标时面临自我调节策略的挑战。对文化意识与风格的关注较少（23%），这与呼吁文化响应式音乐教育的呼声[56][80]形成对比，表明实际应用强化了西方教学模式——Yamaguchi[149]对AI工具的欧美训练数据偏见的分析、Allami[2019]对为西方风格音乐制作设计的数字音频工作站（DAW）的记录以及Ewell[43]认为西方中心框架嵌入音乐技术的观点都证实了这一点。可访问性与平等性的成果几乎不存在（7%），这令人担忧，因为技术声称旨在实现民主化，但Elpus和Abril[40]记录了持续存在的入学差异，Park[106]和Merrick与Joseph[85]发现不同地区的数字音乐学习机会不平等。音乐教学技能出现在40%的研究中，但教学策略的关注有限（17%），这揭示了采用与转化之间的差距——Bauer[11]发现技术是TPACK中最薄弱的领域；Haning[55]报告称43%的预备教育者对技术使用准备不足；Bannerman和O’Leary[7]证明个人技术使用并未转化为教学整合，Dorfman[38]在一对一环境中也发现了这一现象。

这些发现代表了本研究对理论讨论的核心贡献。技术的主导地位并未转化为建构主义所承诺的整体性、创造性和审美性成果：83%的研究采用了建构主义框架，但70%的报告成果集中在表现能力上，而情感表达（10%）和审美敏感性（7%）基本上没有被涉及——这种理论-实践的脱节贯穿整个领域。表现能力超过审美维度的现象反映了Macrides和Angeli[2020]指出的情感领域的代表性不足，这需要通过Burnard[21]的多元主义框架和Webster[146]的创造性思维模型进行重新构想。合作成果的代表性不足（30%）证实了Tobias在[132]中的观点，即尽管有证据表明合作音乐制作具有价值，技术仍然强化了个人实践。通用的教育技术理论对于音乐的身体性和文化维度来说是不充分的[79,102]，需要特定于领域的框架[10]。未来的研究应当探讨为什么表现性成果仍然被忽视，开发主观评估工具，考察疫情之外的自主学习（SRL）的可持续性，并探索能够解决设计偏见的文化响应性技术。虽然技术有效地提高了技术熟练度和学习者的自主性，但在多项独立研究中，审美、文化和创造性成果的系统性缺失表明，该领域尚未充分发挥技术在音乐教育中的 transformative潜力。

4.4 TEMLeM设计与实施中的挑战和局限性
在回答研究问题4时，对30项研究的系统分析揭示了影响TEMLeM的复杂挑战，其中教学挑战最为普遍（93%的研究），其次是技术挑战（87%）以及制度和文化障碍（53%）。报告的挑战主要集中在2022-2024年（占所有挑战的67%），这不仅表明实施力度增加，还表明该领域有能力更批判性地审视自身的局限性。与普遍假设相反，教学挑战超过了技术挑战，这反驳了关于技术整合障碍的观点。传统观点认为技术基础设施是主要障碍[69]，但我们的分析揭示了更深层次的教学复杂性。“教师培训不足”和“数字素养缺乏及适应性有限”（均为40%）同样普遍，表明技术可能性与教学准备之间存在根本性不匹配。这一发现与Mishra和Koehler的TPACK框架[88]一致，但我们的结果表明当前的实现未能实现有意义的整合。正如Bauer[10]所说，音乐教育者经常使用技术来复制传统实践，而不是对其进行变革。研究空白的高比例（30%的研究）进一步表明，基于证据的技术增强音乐教学框架尚未得到充分发展。“技术问题和可靠性”（63%）的重要性揭示了妨碍教学创新的关键基础设施缺口。Johnson[64]记录的延迟问题和H?berlin[52]指出的音频质量限制不仅仅是技术上的不便，而是音乐交流的根本障碍。音乐教育对实时同步、高保真音频和细致反馈机制的独特要求超过了通用教育技术的能力。这一发现与Dammers[32]的观点相呼应，即音乐教育需要专门的技术解决方案。技术挑战报告的时间增长表明，随着实施规模的扩大，基础设施的局限性变得越来越明显，显示出雄心勃勃的教学目标与现有技术能力之间的严重不匹配。尽管技术有所进步，但“可访问性和成本”障碍（53%）的持续存在表明，数字鸿沟在音乐教育环境中表现得尤为突出。与一般教育技术不同，高质量的音乐教育需要专用软件、高品质音频设备和低延迟连接。Horton[59]记录的对残疾学生和低收入背景学生的不成比例影响突显了技术可能加剧现有不平等的现象，而不仅仅是实现音乐教育的民主化。这一发现挑战了技术乐观主义叙事（Selwyn, 2011），因为音乐特有的要求创造了额外的排斥层次。对学习成果中可访问性的关注不足表明，该领域尚未认真应对这些公平性问题。“人际互动缺乏”（20%）的报告相对较少，考虑到音乐教育历史上对学徒制和身体性学习的重视，这既可能表明成功的缓解策略，也可能表明人际互动减少已经变得普遍。对“表现力和审美深度限制”（13%）的关注不足尤其令人担忧，表明可能存在以技术熟练度为代价而牺牲艺术发展的趋势。值得注意的是，单一研究报告“运动技能问题”，这揭示了一个关键疏漏，因为音乐表演本质上涉及复杂的运动协调，在数字环境中可能得不到充分支持。53%的研究中识别出制度和文化障碍，表明存在超出个体或技术因素的系统挑战。制度约束和课程差距与文化观念（各占23%）的同等普遍性表明了双重挑战：僵化的教育结构和文化价值观与技术创新之间存在冲突。这些发现与Cuban[30]的分析一致，他将技术整合失败归因于制度文化而非技术限制。音乐教育的背景增加了复杂性，因为传统的音乐学院模型强调师徒关系，这与数字中介似乎背道而驰。Cremata[28]关于文化传统与技术创新之间冲突的观察突显了根深蒂固的教学哲学对变革的抵抗。尽管因疫情被迫数字化，2020-2021年报告的挑战较少，这构成了一个引人注目的悖论，表明最初的危机模式实施更注重连续性而非批判性评估。随后挑战识别的增加表明，研究从紧急响应转向了系统性评估。这一时间模式与技术采纳生命周期[117]相符，即最初的热情让位于现实的评估。然而，2024年研究空白报告的集中表明，基于证据的理解显著落后于实施情况。这些发现挑战了支撑技术增强音乐教育的几个理论假设。教学挑战普遍超过技术挑战的事实质疑了技术的决定论，支持了社会技术系统视角[134]，即技术、教学和制度因素动态互动。对审美维度的忽视表明了一种偏重可测量技术成果而忽视整体音乐发展的还原论方法。这些发现要求在多个层面进行全面干预。教师培训和数字素养差距的同等普遍性需要通过持续、基于实践的学习社区将技术技能与教学创新结合起来。制度障碍需要灵活的课程框架、针对音乐的特殊资金机制和重视技术熟练度和审美发展的评估标准。可访问性障碍需要有针对性的公平干预，不仅要解决设备访问问题，还要解决专用软件和设备的需求。大量的研究空白表明，迫切需要纵向研究来考察技术对音乐发展的长期影响，特别是关于审美敏感性和创造性表达方面。某些挑战的不足报告表明，需要全面的评估框架来捕捉身体性、情感性和审美维度。未来的研究必须开发针对音乐的评估工具，并调查不同学生群体的差异性影响。分析表明，挑战不仅涉及技术问题，还包括数字环境中音乐学习的根本问题。教学挑战的普遍性、公平性障碍的持续存在以及对审美维度的忽视表明，当前的实现可能只是在复制而非改变传统限制。解决这些挑战需要重新构想针对数字环境中的音乐教育，同时保留必不可少的人文和审美维度。挑战识别的时间集中度为发展有意义的转变提供了希望，但仍有大量工作要做，以实现技术增强音乐学习的潜力。

4.5 在TEMLeM中利用学习策略的概念框架
系统回顾揭示了该领域的一个空白：缺乏一个综合先前TEMLeM研究的全面概念框架[76,90,150]。虽然现有的框架如TPACK提供了有价值的理论基础，但它们未能解决音乐教育的多维度特性，后者涵盖了认知、心理运动、情感和审美领域[95]。基于我们的发现，我们提出了一个基于证据的概念框架（图2）。该概念框架通过整合我们分析中确定的四个类别（教育维度、技术、学习成果、挑战/限制），并将它们转化为四个关键维度：学习条件、学习成果、学习设计和技术整合。该框架以学习条件为基础层，认识到有效的增强技术音乐教育必须根据学习者的特点进行定制。这一组成部分包含两个基本要素：利益相关者和学习熟练度水平。利益相关者要素包括三个主要年龄组（儿童、青少年、成人）。熟练度结构分为三个级别（初学者、中级、高级）。这种区分至关重要，因为每个熟练度水平都需要不同的技术支持和教学方法[136]。学习成果部分代表了期望的教育目标，综合了我们分析中确定的四个主要成果类别。音乐知识包括理论、乐谱、历史和分析技能。音乐表演熟练度包括技术技能、团队合作和创造性表达。情感与审美学习涵盖动机、自我调节和审美敏感度。最后，教学音乐教学技能侧重于技术整合和教学策略。这一全面的结果框架解决了我们分析中指出的技术熟练度占据主导地位的问题，抑制了审美和创造性维度的发展[13,101]。学习设计部分作为学习者条件和期望成果之间的教学桥梁，结合了三个相互关联的要素。教学方法要素包括四种基础学习理论：行为主义、认知主义、建构主义和联通主义。学习理论和策略要素综合了多种理论框架，包括建构主义和认知理论、教学设计模型、混合和灵活的学习方法以及个性化以学习者为中心的方法。多个理论视角的整合回应了该领域对于特定领域框架的需求[110]。教学设计层面的平衡表示了需要同时解决课程范围整合和课堂实施的问题[19,114]。技术整合部分探讨了技术采用的机会和限制。该框架将各种技术分为五组：数字工具和软件、人工智能和自适应技术、模拟、虚拟和增强现实、在线学习和交流平台以及音乐表演和练习技术。该框架通过一个循环迭代的过程运作，始于教育者评估学习者条件（年龄组和熟练度水平）以确定教育背景。根据这些条件，从四个成果类别中选择特定的学习成果，确保对认知、表现、情感和教学维度给予平衡的关注。然后根据适合的学习者特征、相关学习理论和策略以及适当的教学设计水平选择和配置学习策略。在实施过程中，选择和整合技术时考虑潜在的挑战，技术和管理挑战之间的双向关系强调了持续适应的必要性。表A5提供了一些框架实施的关键见解。

5. 对未来研究的限制和影响
这项系统回顾存在若干方法论和概念上的局限性。时间限制（2010-2024年）可能排除了早期的基础研究，而77%的纳入研究发表于2022-2024年之间，可能导致受到COVID-19时期影响的实现被过度代表。尽管搜索策略没有故意设置语言或地区限制，但检索到的研究主要是英文发表的（83%），来自非洲、拉丁美洲和亚洲部分地区的研究 representativeness 较低，这可能限制了研究结果在不同教育环境中的普遍性。此外，由于搜索过程在2025年结束，2025年和2026年发表的较新研究未被包括在内，这可能限制了该领域最新发展的覆盖范围。尽管30项研究的样本反映了TEMLeM研究的新兴性质和严格的质量评估，但由于可用研究的相对有限，应对这些发现时应持谨慎态度。分类挑战源于结合了多种重叠的教学方法、技术和成果的研究。质量评估显示出显著的方法论差异，导致14项研究被排除。混合方法（40%）和定性研究（37%）超过定量研究（23%）的比例限制了关于有效性的明确结论。由于该领域的新兴性质，包括异质来源（如论文、会议论文和书籍章节以及期刊文章）是必要的。然而，同行评审过程和报告标准的差异可能降低方法论的一致性，从而限制了综合结果的比较性和可靠性。人口统计偏向于成年初学者（成人：63%，初学者：57%），而儿童（17%）和高级学习者（33%）的代表性不足，这与关于音乐发展关键时期和儿童数字能力的证据相矛盾。这表明当前模型在支持向专业音乐家发展的进步方面存在不足。过度依赖通用教育技术（90%），而人工智能仅在2024年出现，VR/AR的采用也非常有限（17%），表明尽管音乐具有多模态特性，该领域在技术可能性方面仍然滞后。最重要的是，学习成果显示了根本性的不平衡：技术熟练度占据了主导地位，而情感表达（10%）、审美敏感度（7%）和可及性/平等性（7%）却受到极少关注，这可能会导致技术上虽然娴熟但在艺术表现上有限的音乐家。未来的研究重点包括：开发超越建构主义主导的综合性理论框架；通过实验设计和纵向研究建立因果关系；创建用于评估审美和创意维度的工具；探讨人工智能（AI）、虚拟现实/增强现实（VR/AR）等新兴技术在个性化学习和协作平台中的应用；关注服务不足的人群，特别是儿童和高级学习者；开发能够平衡技术熟练度和艺术发展的综合性音乐教育方法；研究可持续技术整合的条件，包括教师培训模式和制度支持结构；进行跨文化比较和成本效益分析；探索创新的资金模式以解决持续存在的可及性障碍。这些局限性凸显了需要进行全面研究，既包括方法上的严谨性，也包括技术在音乐教育中的全面应用。

6. 结论
对2010年至2024年间进行的30项研究的系统回顾揭示了技术增强型音乐学习模式（TEMLeM）的潜力与局限。我们的发现挑战了关于技术在音乐教育中应用的现有假设，并为推进该领域的发展提供了关键见解。通用教育技术（90%）的普遍使用表明未能充分利用特定领域的优势。最严重的是，对技术熟练度的重视以牺牲审美敏感度（7%）和情感表达（10%）为代价，可能导致音乐家在技术上合格但在艺术表现上受到限制。研究结果显示，教学挑战（93%）超过了技术障碍（87%），这与以技术为中心的叙述相矛盾，强调需要在数字背景下对音乐教学法进行根本性的重新构想。大多数研究关注成人初学者，而忽视了儿童和高级学习者，这暴露了在关注发展路径和职业音乐能力方面的显著差距。

本回顾做出了三项关键贡献：首先，这项研究作为对TEMLeM这一特定研究领域的系统回顾，提供了当前技术增强型音乐教育状况的实证证据，并记录了取得的成就和存在的关键差距；其次，与以往仅关注单一维度的回顾不同，本研究将教学法、技术、学习成果和实施挑战结合起来进行综合分析，呈现了该领域的多维度面貌；第三，提出的概念框架为TEMLeM提供了一个基于证据的结构模型，为未来的实施提供了理论基础和实践指导。

技术增强型音乐教育正处于一个转折点。未来的发展方向应该是超越单纯的技术解决方案，迈向能够平衡技术熟练度与艺术表达、个人成就与协作音乐创作、数字创新与人际联系的综合性模型。只有通过这样的整合，技术才能真正实现其承诺，不仅仅是复制传统音乐教育，而是将其转变为适应数字时代的新型教育形式。

**作者贡献声明：**
- Rashed Mohammadian：撰写原始草稿、可视化处理、验证、软件开发、资源管理、方法论设计、数据分析、数据整理、概念构建。
- Saeid Pourroostaei Ardakani：撰写修订稿、监督工作、项目管理、方法论设计、数据整理。
- Esmaeil Zaraii Zavaraki：撰写修订稿、验证工作、监督工作、资源管理、项目管理、方法论设计、数据分析。