Conceptualizing meaningful physical education: A secondary school study
Notice bibliographique
Résumé
A primary goal of physical education (PE) is to instill in young people a lifelong commitment to physical activity. However, not all current forms of PE are achieving this goal (Dyson, 2006; Kirk, 2010). Students claim that PE often lacks personal meaning and is detached from their lived realities due to a misplaced emphasis on obesity reduction, fitness outcomes, and a limited range of sport techniques (Kirk, 2010; Lodewyk & Pybus, 2013). As a result, many students may have miseducative experiences in PE (Gleddie, D. & Schaefer, L., 2014). The goal of this research project is not to prescribe a specific initiative for teaching PE. Rather, a broader understanding of students within each school context is required to conceptualize meaningful physical education experiences. The purpose of this research was to 1) identify the concepts of Meaningful PE that students found to be most important and 2) distinguish which concepts have the most potential to provide students with Meaningful PE (Meaningful PE) (Beni, Fletcher, & Ní Chróinín, 2017; Fletcher, Ní Chróinín, Gleddie, & Beni, 2021) experiences. Data was collected using the GroupWisdomⓇ Concept Mapping (GCM) (2021) platform and group semi-structured interviews with the objective to have PE students and teachers consider and conceptualize Meaningful PE. Three PE teachers and their students in an urban secondary sports academy school (SASS) in Alberta were the participants. GCM (Kane & Trochim, 2007) revealed the major tenet of Meaningful PE is relationships. These were articulated through four key concepts including kindness, quality education, fun, and physical activity. Findings also illustrated the value of GCM as an appropriate tool to assist students and teachers to identify context specific concepts of Meaningful PE.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,024 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».