MétaCan
Menu
Retour à la cohorte
Enregistrement W1970722673 · doi:10.1080/13678868.2013.812291

Using evidence-based practices to enhance transfer of training: assessing the effectiveness of goal setting and behavioural observation scales

2013· article· en· W1970722673 sur OpenAlexaff
Travor C. Brown, Martin McCracken, Tara‐Lynn Hillier

Notice bibliographique

RevueHuman Resource Development International · 2013
Typearticle
Langueen
DomainePsychology
ThématiqueHuman Resource Development and Performance Evaluation
Établissements canadiensCommunity Sector Council Newfoundland and LabradorMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésCoachingTransfer of trainingGoal settingPsychologyPsychological interventionSet (abstract data type)Work (physics)Applied psychologyGoal orientationTransfer of learningTraining (meteorology)Best practicePublic sectorMedical educationKnowledge managementComputer scienceSocial psychologyPolitical scienceMedicineEngineeringDevelopmental psychologyCognitive psychologyPsychotherapist

Résumé

récupéré en direct d'OpenAlex

Using evidence-based practices we designed goal setting interventions, used in conjunction with behavioural observation scales (BOS), to facilitate transfer from a 2-day performance coaching programme. A total of 210 managers from public sector organisations took part in the study. Transfer was assessed using self-administered surveys and subordinate feedback (in the form of BOS). Transfer was high across all measures; however, our experimental design did not detect any positive effects for learning or behavioural outcome goals relative to being urged to Do Your Best (DYB). Results suggest that providing managers with BOS that outline the key skills covered in the training programme, having them set goals or urging them to do their best to use these skills back at work, and having workplace colleagues assess their performance at work using these BOS, may be sufficient to bring about transfer.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,066
score de la tête « metaresearch » (Gemma)0,130
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,066
Score d'incertitude au seuil0,348

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0660,130
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0030,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,002
Science ouverte0,0020,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,251
Tête enseignante GPT0,448
Écart entre enseignants0,197 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations27
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHuman Resource Development InternationalMême sujetHuman Resource Development and Performance EvaluationTravaux en français237 207