MétaCan
Menu
Retour à la cohorte
Enregistrement W2750251897 · doi:10.1177/174183051401200203

What coaches can learn from the history of jazz-based improvisation: A conceptual analysis

2014· article· en· W2750251897 sur OpenAlexaff
Michael J.B. Read

Notice bibliographique

RevueInternational journal of evidence based coaching and mentoring · 2014
Typearticle
Langueen
DomainePsychology
ThématiqueCreativity in Education and Neuroscience
Établissements canadiensVancouver Island University
Organismes subventionnairesnon disponible
Mots-clésImprovisationJazzCoachingCreativityPsychologyProcess (computing)Conceptual modelKey (lock)Social psychologyApplied psychologyCognitive psychologyCognitive scienceComputer scienceVisual artsArtPsychotherapistComputer security

Résumé

récupéré en direct d'OpenAlex

From early jazz to current sub-styles, the key component, improvisation, is thought to also be important to the coaching process. Improvisation in jazz can be conceptually linked to the dynamic, interactional relationships such as those found in coaching. Using jazz history, this conceptual paper investigates how jazz improvisation may inform coaches and coachees in individual, group, or organizational coaching programs. Several propositions are provided through the relationships between the number of coachees, decision-making speed, group size, level of pre-arrangement, and improvisation. Utilizing the information provided in this paper may prove fruitful for coaches seeking coachee performance through spontaneous creativity.

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)0,004
score de la tête « metaresearch » (Gemma)0,014
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,014
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0060,003
Études des sciences et des technologies0,0040,014
Communication savante0,0110,018
Science ouverte0,0020,004
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,148
Tête enseignante GPT0,377
Écart entre enseignants0,229 · 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'étudeThéorique ou conceptuel
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

Citations5
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational journal of evidence based coaching and mentoringMême sujetCreativity in Education and NeuroscienceTravaux en français237 207