MétaCan
Menu
Retour à la cohorte
Enregistrement W4321249732 · doi:10.1080/25742981.2023.2178944

Health education curricula in Canada: an overview and analysis

2023· article· en· W4321249732 sur OpenAlexafffundabout
Daniel B. Robinson, Lauren Sulz, Hayley Morrison, Lindsey Wilson, Jodi Harding-Kuriger

Notice bibliographique

RevueCurriculum Studies in Health and Physical Education · 2023
Typearticle
Langueen
DomaineHealth Professions
ThématiqueSchool Health and Nursing Education
Établissements canadiensUniversity of AlbertaSt. Francis Xavier University
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésCurriculumAutonomyCurriculum mappingRelevance (law)Curriculum developmentMedical educationPedagogySociologyPolitical sciencePsychologyMedicine

Résumé

récupéré en direct d'OpenAlex

Health education (HE) curricula across Canada are developed by individual provinces/territories, enabling curriculum documents to be responsive to regional needs. However, this autonomy prevents Canadian teachers (and students) from having access to a consistent collection of curriculum competencies/outcomes. Without national HE curriculum competencies/outcomes, it is nearly impossible to design curricula that adhere to any shared ‘global’ curriculum agendas. Given this, Physical and Health Education Canada (PHE Canada) recently developed and released the Canadian Competencies for Physical and Health Education (CPHE Competencies). Within the CPHE Competencies are core HE competencies/outcome themes that are meant to be exemplars for education systems (K–12) across the nation. In this milieu, we have recognised a need to provide an overview and analysis of HE curricula across Canada. Our overview and analysis consider the following: allocated time for teaching and learning HE; age/contemporary relevance of HE curricula; and alignment with the CPHE Competencies.

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)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,848
Score d'incertitude au seuil0,984

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,010
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0350,080
Études des sciences et des technologies0,0040,001
Communication savante0,0040,001
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,137
Tête enseignante GPT0,546
Écart entre enseignants0,409 · 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'étudeQualitatif
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

Citations23
Publié2023
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCurriculum Studies in Health and Physical EducationMême sujetSchool Health and Nursing EducationTravaux en français237 207