MétaCan
Menu
Retour à la cohorte
Enregistrement W3090077808 · doi:10.1123/iscj.2019-0095

Framing a Social Learning Space for Wheelchair Curling

2020· article· en· W3090077808 sur OpenAlexafffundabout
Tiago Duarte, Diane M. Culver, Kyle Paquette

Notice bibliographique

RevueInternational Sport Coaching Journal · 2020
Typearticle
Langueen
DomainePsychology
ThématiqueSport Psychology and Performance
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésFraming (construction)CurlingPublic relationsConceptual frameworkIntervention (counseling)SociologyPsychologyPolitical scienceEngineering

Résumé

récupéré en direct d'OpenAlex

The purpose of this paper is to delineate how an intervention aimed at increasing the learning capability of Canadian wheelchair curling coaches was framed by a systems convener in collaboration with stakeholders from different levels. Social learning theory, in particular a landscape of practice perspective, provides the conceptual framework. The methodology was collaborative inquiry with people from across the landscape to delineate the intervention strategies through cycles of reflection and action. The participants included parasport coaches, researchers, and Curling Canada technical leaders. Based on preintervention findings, the intervention was driven by (a) the use of technology to overcome barriers and the implementation of learning activities at competitions, (b) the use of a collective learning map to promote meaningful learning, (c) the involvement of the sport organization leadership to promote the participation of influential people, and (d) a reflection of how subpar outcomes occurred when the systems convener failed to engage with the sport organization leadership. The discussion sheds light on the many roles of systems conveners and the importance of promoting strategic and enabling values. Sport organizations should engage a systems convener who can effectively align learning goals with the available resources and the strategic mission of the organization.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,845
Score d'incertitude au seuil0,999

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 technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,040
Tête enseignante GPT0,358
Écart entre enseignants0,318 · 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
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueInternational Sport Coaching JournalMême sujetSport Psychology and PerformanceTravaux en français237 207