MétaCan
Menu
Retour à la cohorte
Enregistrement W3036975346 · doi:10.5206/eei.v30i1.10915

Showing the Way to Inclusive Outdoor Education: Impact of Hands-On Training in Adapting a Kayak

2020· article· en· W3036975346 sur OpenAlexaffvenue
Jessica Delorey, Erin L. Austen, Andrew Foran

Notice bibliographique

RevueExceptionality Education International · 2020
Typearticle
Langueen
DomainePsychology
ThématiqueRecreation, Leisure, Wilderness Management
Établissements canadiensSt. Francis Xavier University
Organismes subventionnairesnon disponible
Mots-clésTraining (meteorology)Inclusion (mineral)Test (biology)PsychologyMedical educationTransfer of trainingService (business)Control (management)Outdoor educationMathematics educationPedagogyComputer scienceMedicineSocial psychologyBusinessMarketingCognitive psychology

Résumé

récupéré en direct d'OpenAlex

Insufficient training in using adaptations and specialized equipment for outdoor education practices is a barrier to inclusion in public schools. Providing teachers with hands-on training opportunities in adaptations could be beneficial. Two training groups, one of pre-service teachers (n=19) and one of inservice teachers (n=18), were given direct exposure to adapting a kayak to make it accessible to users of different abilities. Participants had the opportunity to discuss the kayak adaptations and to interact with the equipment. Pre-service teachers who did not yet have formal outdoor education instruction (n=18) served as a control group in this pre-test, post-test design. Training increased participants’ self-efficacy and their willingness to adapt kayaks in the future. These positive effects did not, however, transfer directly to other activities, nor did the training impact overall inclusion attitudes. Nonetheless, direct exposure to adaptations is a promising training tool for demonstrating to teachers that implementing inclusive outdoor education practices is doable.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,078
Tête enseignante GPT0,422
Écart entre enseignants0,344 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations4
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueExceptionality Education InternationalMême sujetRecreation, Leisure, Wilderness ManagementTravaux en français237 207