MétaCan
Menu
Retour à la cohorte
Enregistrement W2785869419 · doi:10.1080/18377122.2018.1425125

Teacher educators’ enactment of pedagogies that prioritise learning about meaningful physical education

2018· article· en· W2785869419 sur OpenAlexafffund
Tim Fletcher, Déirdre Ní Chróinín, Caitlin Price, Nancy Francis

Notice bibliographique

RevueCurriculum Studies in Health and Physical Education · 2018
Typearticle
Langueen
DomaineHealth Professions
ThématiquePhysical Education and Pedagogy
Établissements canadiensBrock University
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésTeacher educationPhysical educationMeaningful learningPedagogyMathematics educationSet (abstract data type)PsychologyValue (mathematics)Computer science

Résumé

récupéré en direct d'OpenAlex

This research focused on supporting pre-service teachers' (PSTs') learning through the development of pedagogical principles of learning about meaningful physical education (LAMPE) in two physical education teacher education (PETE) programs. In this paper, we share four in-depth examples of the enactment of the pedagogical principles of LAMPE by physical education teacher educators. Data sources included teacher educator weekly reflections, critical friend responses and conversations, non-participant observations, and PST work samples developed in lessons. The four examples highlight decision-making moments and provide further direction on how the pedagogical principles of LAMPE support PST learning about meaningful physical education and illustrate the value of a coherent set of pedagogical principles, such as those offered by LAMPE, in guiding teacher educators' decision-making.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,176
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,132
Tête enseignante GPT0,547
Écart entre enseignants0,415 · 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 tête enseignante, pas un consensus.

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

Citations24
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCurriculum Studies in Health and Physical EducationMême sujetPhysical Education and PedagogyTravaux en français237 207