Creating and vetting survey items for coaches of masters athletes from qualitative exploratory studies
Notice bibliographique
Résumé
Callary, Rathwell, and Young (2015, 2017) interviewed Masters Athletes (MAs) and coaches in an open-ended and non-theoretical manner, and conducted interpretative phenomenological and thematic analyses that developed themes in line with adult learning principles. The purpose of this presentation is to outline the development of a measurement tool asking coaches to self-report how frequently they use approaches that are commensurate with adult teaching principles that a small sample of Masters swimmers have indicated they want and need from their coaches (Callary et al., 2015), and that a small sample of coaches of Masters swimmers have perceived that they variably deliver (Callary et al., 2017). We also present findings of the vetting procedure in the validation of the instrument. The three researchers suggested and collaboratively vetted 67 items across 12 themes built from their qualitative findings, flagging and subsequently cutting 17 items. The items were emailed to 12 known expert coaches of MAs to ask them to consider, on a scale of one to four, how much they agree that each item, as written, makes sense and is not awkward, and pertains to coaching MAs. Two items were flagged based on coaches' responses, but after our discussions, remained in the pool to ensure a minimum of three items per theme. The findings suggest initial content validity for survey items that will provide a descriptive profile for the use of andragogic learning principles by sport coaches working with MAs.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».