Analysis of Self and Peer Evaluation in Basic Volleyball Skills of Physical Education Teacher Candidates
Notice bibliographique
Résumé
It might be of vital importance that teachers, who are the backbones of education system, should obtain their skills related to educating students who are in harmony with modern life in their process as teacher candidates. Physical education teachers should obtain features of quality teaching and using alternative methods of measurement during their bachelor’s degree education. Thus, the aim of this study is to analyze efficiency of teacher candidates in movement analysis, self-evaluation and peer evaluation for four basic volleyball skills (forearm pass, setting, underhand serve and overhand serve). In the process of obtaining data, four observation forms were used. In the evaluation of forearm passing and overhand serve, observation forms developed by Ghorbanzadeh Koshki (2013) were used as evaluation tools. For overhand pass and underhand serve, observation forms developed by the researcher and experts were used. Also, information related to genders and ages of the teacher candidates was recorded. In the analysis of the data, t test, Pearson correlation and partial correlation tests were used. In the reliability analyses, interclass correlation coefficient (ICC) and Cronbach Alpha analyses were used. As a result, the teacher candidates’ scores for self-evaluation of their skills and their peers’ scores were found to be correlated. No significant difference was found between the two evaluations. The findings were discussed in the frame of the importance for physical education teacher candidates to learn to analyze moves and to use alternative measurement techniques.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 ».