MétaCan
Menu
Retour à la cohorte
Enregistrement W2997078946 · doi:10.1123/iscj.2018-0058

Lessons Learned: Coaches’ Perceptions of a Pilot E-Mentoring Programme

2019· article· en· W2997078946 sur OpenAlexaff
Matthew A. Grant, Gordon A. Bloom, Jordan S. Lefebvre

Notice bibliographique

RevueInternational Sport Coaching Journal · 2019
Typearticle
Langueen
DomainePsychology
ThématiqueMentoring and Academic Development
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésCoachingThematic analysisPsychologyMedical educationCollegialityPerceptionPedagogyQualitative researchMedicineSociology

Résumé

récupéré en direct d'OpenAlex

The purpose of this study was to examine mentor and mentee perceptions of the viability of a pilot e-mentoring programme for U.S. lacrosse (USL) coaches. Twelve mentees and 12 mentors were paired into dyads, met at a national coaching convention, and were directed to continue their mentoring relationship for up to 6 months via an online platform. Semistructured postprogramme interviews were conducted with four mentors and six mentees at the conclusion of the mentoring relationships. Interviews were transcribed verbatim and analysed via thematic analysis. Results showed that mentors and mentees experienced many of the benefits, barriers, and advantages found in traditional mentoring and e-mentoring relationships. Of interest were three key findings in which trust and respect was quickly experienced by participants, equity within the relationship created collegiality, and technology barriers limited effective teaching methods. Based on the results, practical implications for e-mentoring programmes are presented.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,358
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,083
Tête enseignante GPT0,381
Écart entre enseignants0,298 · 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'étudeObservationnel
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

Citations18
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Sport Coaching JournalMême sujetMentoring and Academic DevelopmentTravaux en français237 207