Pedagogical Self-improvement Methods: Lessons from a Master Coach Extrapolated to Developing Educators
Notice bibliographique
Résumé
In this article we explore how research on a master coach, deliberate practice, and teaching effectiveness intersect in an effort to suggest key strategies for instructional self-improvement for developing physical educators and sport instructors. Wooden’s reputation as a master coach and teacher is legendary, based upon his lengthy tenure and success as the coach of the men’s basketball team at UCLA. During his career his methods attracted the scrutiny of educational researchers who were interested in the lessons that they could derive from his coaching and apply to a classroom setting. Those lessons continue to resonate, particularly considering the recent emphasis on sustained, effortful, ‘deliberate’ practice as a key component of continual improvement in sports and other fields (e.g., Carter & Bloom, 2009; Ericsson, Krampe, & Tesch-Romer 1993). The theory of deliberate practice exemplifies Wooden’s coaching philosophy, which was to seek small, incremental improvements every day, both in his players, and in his own coaching techniques. Borrowing from teaching effectiveness literature (Siedentop & Tannehill, 2000), we suggest ways by which developing instructors might improve, with a primary focus on personal self-improvement activities Cet article veut etablir en quoi les resultats d’une recherche axee sur un entraineur emerite, sur la pratique deliberee et sur l’efficacite de l’enseignement convergent, menant a la determination de strategies cles sur l’auto-amelioration instructive pour mieux former les enseignants d’education physique et les instructeurs sportifs. La reputation du legendaire Wooden a titre d’entraineur de l’equipe de basket-ball masculine de l’Universite de la Californie a Los Angeles (UCLA) et d’enseignant emerite decoule de ses longues annees de service et de ses reussites hors pair. Tout au long de sa carriere, ses methodes ont suscite un vif interet en raison des grandes lecons qu’on pouvait en tirer et ensuite appliquer a divers contextes de classe. Ces lecons sont plus pertinentes que jamais en raison de la nouvelle attention que suscitent les modes de pratique deliberee soutenue axee sur l’effort qui constitue aujourd’hui l’element cle d’une amelioration permanente dans les domaines du sport et autres (p. ex., Carter et Bloom, 2009; Ericsson, Krampe, et Tesch-Romer 1993). La theorie de la pratique deliberee exemplifie la philosophie d’entrainement de Wooden qui consiste a faire chaque jour de petits progres evolutifs, qu’il s’agisse du rendement de ses joueurs ou de ses propres techniques d’entrainement. S’inspirant de la documentation sur l’enseignement efficace (Siedentop et Tannehill, 2000), les auteurs proposent des approches utiles pour aider les nouveaux entraineurs a s’ameliorer, misant surtout sur des activites d’amelioration personnelle.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,006 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».