Study on Emotional Intelligence Levels of Physical Education Teachers in Terms of Various Variables
Notice bibliographique
Résumé
For teaching profession, one of the important types of intelligence is emotional intelligence. Emotional intelligence levels of especially physical education teachers are expected to be high. The aim of this study is to examine emotional intelligence levels of physical education and sports teachers based on various variables. In this research, single screening model which is one of the General Survey models has been adopted. Population of the study consists of 320 Physical Education Teachers working in Ağrı in 2018-2019 academic years and its sample group consists of a total of 106 physical education teachers, of which 23 are female and 83 are male and who were selected from this population by random sampling method. “Personal Information Form” developed by researchers has been used in order to determine demographic characteristics of Physical Education Teachers, “Schutte Emotional Intelligence Scale” developed by Schutte et al. (1998) has been used in order to measure their emotional intelligence levels. According to findings, it has been seen that emotional intelligence levels of physical education teachers differentiate significantly in favor of physical education and sports teachers do not have administrative function in sub-dimension of utilizations of emotions according to administrative function variable. It has been determined that there is no significant difference between them according to gender, age and professional experience, education grade which is worked in, educational level, marital status, status of doing sports and smoking variables. Consequently, it is seen that emotional intelligence levels of physical education teachers are above medium level and there is no difference between them in terms of other variables except variable of having administrative function.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».