Learner-centered teaching in a Higher Education course: a case study with a recognized researcher in Sports Coaching
Notice bibliographique
Résumé
Sport coaching researchers have provided generous recommendations on the importance of developing coach education programs based on learner-centered teaching (LCT) principles. However, empirical studies are rare, and without concrete examples, administrators and instructors will be reluctant to adopt this approach. In this case study, we used Weimer’s (2002, 2013) five dimensions of LCT to analyze (a) the perspective of a recognized researcher in the LCT coach development field, (b) his course plan and delivery strategy, and (c) the students’ perceptions of this course. A qualitative approach was used and included different tools to collect the data. The first two authors attended all the lessons, participated in all the learning activities, and took notes in a reflective journal. At the end of the semester, they conducted a semi-structured interview to get the instructor’s perspective on the LCT approach. Finally, an e-mail was sent to the students to collect their perceptions. The data were analyzed and interpreted using concept mapping, and Weimer’s five dimensions. The results showed that (a) most of the LCT dimensions were respected in the planning and delivery of the course, (b) there were times when the instructor felt uncomfortable playing a less important role, and (c) most students had positive learning experiences, although some have been taken out of their comfort zone with this new teaching approach. The article ends with a reflection on the recent impact of COVID-19 on education in Higher Education (HE).
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 | 0,010 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,024 | 0,006 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,005 | 0,006 |
| Intégrité de la recherche | 0,007 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
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 ».