MétaCan
Menu
Retour à la cohorte
Enregistrement W2587804725 · doi:10.1123/iscj.2016-0108

Understanding Effective Coaching: A Foucauldian Reading of Current Coach Education Frameworks

2017· article· en· W2587804725 sur OpenAlexaffabout
Zoë Avner, Pirkko Markula, Jim Denison

Notice bibliographique

RevueInternational Sport Coaching Journal · 2017
Typearticle
Langueen
DomainePsychology
ThématiqueSport Psychology and Performance
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésCoachingReading (process)Scope (computer science)Dominance (genetics)PedagogyPsychologySalientSociologyPublic relationsPolitical scienceComputer science

Résumé

récupéré en direct d'OpenAlex

Drawing on a modified version of Foucault’s (1972) analysis of discursive formations, we selected key coach education texts in Canada to examine what discourses currently shape effective coaching in Canada in order to detect what choices Canadian coaches have to know about “being an effective coach.” We then compared the most salient aspects of our reading to the International Sport Coaching Framework. Our Foucauldian reading of the two Canadian coach education websites showed that the present set of choices for coaches to practice “effectively” is narrow and that correspondingly the potential for change and innovation is limited in scope. Our comparison with the International Sport Coaching Framework, however, showed more promise as we found that its focus on the development of coach competences allowed for different coaching knowledges and coaching aims than a narrow focus on performance and results. We then conclude this Insights Paper by offering some comments on the implications of our Foucauldian reading as well as some suggestions to address our concerns about the dominance of certain knowledges and the various effects of this dominance for athletes, coaches, coach development and the coaching profession at large.

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)0,006
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,811
Score d'incertitude au seuil0,566

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,010
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0090,006
Études des sciences et des technologies0,0180,061
Communication savante0,0150,008
Science ouverte0,0030,003
Intégrité de la recherche0,0030,007
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,089
Tête enseignante GPT0,423
Écart entre enseignants0,334 · 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'étudeQualitatif
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

Citations45
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Sport Coaching JournalMême sujetSport Psychology and PerformanceTravaux en français237 207