教學經驗豐富的Lucia老師,最近有很多課程即將展開!
詳情請洽Lucia Flamenca !
~Lucia Flamenca 2015年9月課表~
最好的備課,是從教室裡學生站的位置去準備的課程內容。
2014年到2015年,
Lucia從自己的每一堂課裡啟動了教學翻轉的小革命!
第一個信念就是從”學生站的位置”去備課,
2014年初邀請學生們寫下自己對未來一年的展望,
開始大量從結構及歷史切入協助學生了解自己在跳的舞碼以及曲式,
每一期結束舉辦師生成果趴,
透過學生呈現調整自己教學上需要加強的地方!!!
經過一年的期間四次師生趴的舉辦,所有的同學完全大進化
1.週日現場班同學從初級程度晉級到中級程度,
班上同學能跳能唱能應變現場音樂變化
2.週日中山入門班同學可以自主訓練
並應用solo compas及攝影等各種練習方法精進
3.週一班同學能熟練CD音樂舞序後自主編排演出隊形及有趣橋段
4.一年的長尾裙課程從技巧到編舞,
同學們可以搭配CD音樂完成長尾裙舞碼並獨舞
5.桃園班同學初試啼聲參與大舞台成果展演出
受到舞蹈界人士肯定跳舞時情感表達
而且每個人都利用課堂知識幫自己編了一小段buleria
一切的進步啟動於一年前我們大家為自己訂下的目標,
經過一年的實驗教學後(謝謝這一年信任我的同學們),
Lucia更有信心邀請大家一起來加入這個新奇有趣的學習環境,
在這次課表會看到iSolo技巧課及樂舞結構班的設計,
是以週日現場班的成功經驗複製課程設計!
所有的CD編舞班也會透過師生趴的舉辦,
讓同學們在學習的時候有更多的動力去吸收舞序及音樂。
每個月一次的iFlamenco講座將有系統整理
十年來Lucia研究佛拉明哥歷史曲式跟結構的資料分享給大家!
今天你可以開始設定下一個新的里程碑,
然後準備開始看見自己的不一樣!!!
歡迎加入Lucia Flamneca課程!
更多課程介紹如下,
也歡迎您洽詢任何一位在過去一年上過Lucia課程
或參加過Lucia師生趴的同學
他們閃閃發亮的眼睛是最好的推薦跟見證!!
1.iSolo技巧課
在介紹技巧課訓練內容前,先說明一下為什麼要定名為iSolo。技巧課的首要目的是希望給予同學更好的基本技巧去支持舞蹈呈現,學習這些訓練素材,是為了要協助同學們清楚且明確地有能力去詮釋舞碼,每個人甚至每個階段在跳舞需要的著力點是不一樣,iSolo團體課程教學中會採取一對一的教練輔助,從課程前釐清個人目標 課程中針對重點要求還有協助同學完成階段目標。舉例來說,課前可以先與老師 一起找出本期設定的目標(例:平衡感不好或是腳跟沒力),課程進行當中會針對個人目標及當下觀察給予一對一指導(例:課程內容之外透過對話/討論輔助),如果同學們同時願意設定呈現,我們會找一首舞蹈來作為技巧實踐在舞碼中的作業(例:同學們準備一首舞碼,lucia協助完成自主練舞)
從舞蹈素材上來看,需要個別化。從佛拉明哥更本質的精神來看,更需要擁有每個人獨一無二的展現!從技巧到訓練計畫到怎麼完整跳出一首舞的過程,希望協助同學們找到的自己享受佛拉明哥的方式(怎麼欣賞音樂 表達自己的情感到舞蹈裡 怎麼找出適合自己的重心高度及用力方式 最重要的是建立自己的佛拉明哥風格跟品味)這些不受限於舞蹈程度,而是來自怎麼學習/欣賞佛拉明哥!
課程三大主要訓練內容:
a.吸收素材:將以四大曲式為主,認識compas(腳步節奏訓練) 認識音樂(歌,身體的marcaje訓練/手臂手腕/轉圈)
b.清理(limbiar):修正節奏音樂性 找出身體動力的使用 重心的移轉
c.詮釋(improvisacion):從基本marcaje發揮不同的表達 buleria/tango por fiesta編作練習
以上不是一期課八堂課的內容
也不是每一個人的當期完成功課就算結束
要找到自己跳舞的方法 需要花時間好好跟自己對話
Lucia的課程是一個協助的媒介, 一對一的教練精神是火花
真正點燃的是自己對這件事的承諾
課堂上每個人都會針對自己的狀況設定不同的功課
建議願意花半年到一年時間練習技巧
而且有想看見自己改變的同學加入!
ps.預計課程開始半年後,舉辦iSolo成果發表會
isolo舞碼可自由決定是否參加/獨舞或組隊均可
(每期不超過十組)/修舞另約,不佔用上課時間
*isolo課程時間:桃園法墨兒週六班 /週日米拉索班/ 週一米拉索班
一期八堂3000元 單堂400元 初體驗300元
(與任一舞碼班合報 一期八堂2800元 單堂400元)
2.樂舞結構班
樂舞結構班這個名詞如果對妳還有點難理解,可以先把它想成為現場音樂班,也就是以現場歌手伴唱和吉他伴奏的完整結構編舞。現場課程最大的限制並不是非得要有現場的樂手才能上(是要素,但不是最大限制),最大的限制是舞者不了解結構不懂得聽歌,這樣即使樂手在也只是像把歌手樂手請到現場,卻依循本來編好的舞序CD音樂方式在跳舞。
為了克服樂手無法每堂伴奏以及舞者不了解曲式的限制,Lucia以2015年的taranto現場班為例,透過每期將近五大張講義, 二十首以上CD音樂編輯還有生動的結構小遊戲 愛的小手節奏教學,利用milagros老師的taranto(上)現場音樂上課錄音及編舞為元素,一開始解構其中的編舞,讓同學透過各個主題教學單元重新自組了對taranto的認識,再結構出這首完整舞碼。
期末師生趴同學們生動的詮釋taranto,完全看得出大家真的有學會taranto這個曲式,同學們在2015年選修milagros老師的taranto(下)時,更知道自己在學什麼!樂舞結構班,不只是現場音樂的編舞教學,而是樂舞結構的完全理解,以一首上課錄音/完整結構編舞的舞碼為素材,從compas 歌 結構等等去學習這首舞,課程結束時,學會的不只是一首現場音樂編舞,而是真正認識一個曲式甚而有機會知道怎麼跟樂手合作出一首舞碼!
*樂舞結構班時間:桃園法墨兒週六garrotin de milagros班 /米拉索週日alegrias de milagros(2011版本)/中山週日tango al titi(Leonor版本)/米拉索週一午班 tango al titi(la Lupi版本)
一期八堂,3800元 單堂 550元 初體驗450元(中山運動中心費用另洽)
3.Cd編舞班
CD編舞班,還是可以教得很現場感!雖然編舞本身不一定能完全突顯出結構的明確性,但是釐清編舞跟音樂的搭配關係以及對曲式的理解程度還是百分之兩百的決定了你能不能跳出一首CD編舞的有機與存在感!CD編舞班,除了舞序的教學之外,會有兩個特別的練習:之一是把舞序裡的腳步先抽出來編一套腳步節奏練習,其二是先從認識曲式音樂的compas及旋律性開始,通常會抽出舞序裡的marcaje,用來訓練身體細節同時在不受舞序干擾下先練習出該曲式的特性!
*CD編舞班時間:中山週日中級班 alegrias de Tamara加披肩/米拉索週一中午 guajiras de Leonor/米拉索週一晚上 solea de Maria Juncal加長尾裙
一期八堂3800元 單堂550元 初體驗450元(中山運動中心費用另洽)
報名: lucia 0928640501 臉書:Lucia Huang
lucia@flamencowomen.com
貼心小提醒:課程滿六人才開班,請先報名以免錯過開課最新訊息
compas系統 在 寶太太的人工智慧 Facebook 八卦
引:法源基礎僅是第一步,對整個社會而言,AI 法官挑戰的是價值選擇的難題。
2013 年,美國威斯康辛州法院參酌 COMPAS 風險指標,判處被告 Eric Loomis 6 年徒刑。Loomis 不服而上訴最高法院,認為法庭以 AI 系統裁決是一種「秘密審判」!要求說明 COMPAS 系統如何演算判斷出危險值。
這個案例顯然暴露了 AI 法官的價值衝突:演算法黑箱(black box)。
「在民主法治國家,法官不是個人,他代表的是國家。審判必須在公開透明的運作下,被監督、檢驗、究責。」
compas系統 在 台灣物聯網實驗室 IOT Labs Facebook 八卦
「人工智能」非萬能 這些是AI做不到的
麥肯錫全球研究所(MGI)的研究發現,具有「不可預測」、「具備極專業知識或技能」、「需與利益關係人互動」等特性的工作電腦難以勝任。(ShutterStock)
更新: 2019-10-13 8:48 PM
【大紀元2019年10月10日訊】(大紀元記者陳霆編譯報導)今年4月,傳出亞馬遜公司使用人工智能(以下簡稱AI)系統追蹤員工效率,提醒動作變慢的員工,並自動開除未達目標者。同樣在4月,一位布朗大學(Brown University)的學生被誤認為是斯里蘭卡爆炸案的嫌犯,起因也是斯里蘭卡當局的臉部辨識AI出錯。
這些事件顯示,當人們越來越依賴AI進行決策,將AI系統引入司法、金融、雇用等重大議題時,可能會造成隱憂。「我最擔心的是,我們想用來解決問題的系統,最終可能會加劇這些問題。」紐約大學的AI Now研究所共同創辦人凱特.克勞福德(Kate Crawford)如是說。
AI為什麼會出錯?
過去,人們相信AI的一個理由是,AI不像人類受情緒、疲倦所影響,可直接分析事件進行準確判斷。但許多證據表明AI也會有「偏見」(AI bias),並不總是像我們想像的那麼客觀真實。一項調查顯示,部分美國法院採用的累犯風險評估軟體COMPAS,在評估非裔美國人時準確性較低,可能高估他們成為累犯的機率。執法單位的面部辨識系統在婦女、青少年和少數族裔上,錯誤率也比較高。這種情況,被稱作「AI偏誤」或「演算法偏誤」,怎麼形成的呢?
1. 偏誤來自於AI的學習過程
AI的準確度需要經過訓練,訓練時提供的資料如果不足,無法反映複雜的真實世界,就會造成AI有偏誤。Edge Case Research共同創辦人暨執行長華格納(Michael Wagner)指出,在訓練自動駕駛車AI時,儘管感測器已分析了數千或數百萬個人類影像,AI還是會忽略坐輪椅的使用者或穿著螢光背心的建築工人,因為這些例子在數據庫中是少數。
華格納認為,安全可靠的產品不僅需測試已知的偏誤,還應該仔細尋找新的以及意想不到的新偏誤,而這些偏誤可能不會被發現,直到產品被廣泛運用。
「機器學習與人類學習相當不同」,華格納說,「例如電腦可能會漏掉一個站在垂直物體(如電線桿)附近的人。你想過這個嗎?」
2. 面對偏見,AI沒有思考能力
AI程式也可能「學會」人類的偏見。訓練AI時,它們依靠從大量數據中找尋不可見的模式來分析信息。當這些資訊中隱藏了人類的偏見時,AI會複製這樣的偏見。但AI和真人不同,在面對偏見時,它們沒有思考能力。Google決策智能主管凱西.科茲科夫(Cassie Kozyrkov)表示,AI只是收集數據、呈現模式的工具,永遠不會自己思考,
3. 抽象價值無法被合適定義
出錯的另一個原因是,當人類試圖讓AI進行涉及公平、正義、信賴等抽象價值的決策時,因為無法將抽象意義用數學術語呈現出來,導致AI的判斷違背人們的期待。
例如,一家銀行希望預測貸款申請人的信譽度,「信譽」是一個模糊的概念。為了將其轉換為可以計算的內容,就會將「信譽」轉變為可量化的因素。如果貸款模型發現,老年人有較高的違約可能性,並根據年齡減少了放款金額,就可能造成非法歧視。
AI金融平台AppZen的聯合創始人維爾瑪(Kunal Verma)也表示,如果申請人居住在很多人拖欠貸款的地區,系統也可能將其判斷為不可靠。
涉及工作的爭議
許多研究都指出,在各行業中引入AI技術,可能造成許多人失業。牛津經濟研究院(Oxford Economics)在2019年6月的一份報告中預測,到2030年,機器人將取代全球8.5%的製造業工作職位(約2000萬個職缺)。不少行業的雇員因此感到擔憂,他們擔心自己的專業能力被電腦取代。
與此同時,也有許多人擔心,人們試圖將演算法無法處理的問題交給AI判斷。例如:亞馬遜公司曾借助AI將求職者予以排名,但後來發現該系統傾向錄用男性求職者,儘管工程師進行調整後仍無法解決,最終只得放棄該計劃。
麥肯錫全球研究所(MGI)的研究發現,具有「不可預測」、「具備極專業知識或技能」、「需與利益關係人互動」等特性的工作電腦難以勝任。如果我們勉強將這類任務交給電腦處理,可能就會出現各種錯誤。
像是司法、執法等工作,就涉及了需要衡量各方的公正性,或是在極短時間做出關乎生死的判斷,AI演算法是否能承擔這樣的責任?一些改過自新的人所做的努力,在演算法的計算中能否被看見?
或許,我們要記得,人工智慧並非萬能,只是一種工具,最終不能代替我們來思考。
資料來源:http://www.epochtimes.com/b5/19/10/10/n11580035.htm…