MétaCan
Menu
Retour à la cohorte
Enregistrement W4387578236 · doi:10.1080/13573322.2023.2264909

Understanding gender disproportion and influences on subject choice in Physical Health Education: a British Columbia high school case study

2023· article· en· W4387578236 sur OpenAlexaffabout
April St. Louis, Manu Sharma

Notice bibliographique

RevueSport Education and Society · 2023
Typearticle
Langueen
DomaineHealth Professions
ThématiquePhysical Education and Pedagogy
Établissements canadiensThompson Rivers University
Organismes subventionnairesnon disponible
Mots-clésSubject (documents)Dominance (genetics)PsychologyPhysical educationGender studiesSocial psychologyDevelopmental psychologySociologyPedagogy

Résumé

récupéré en direct d'OpenAlex

The aim of this qualitative case study is to examine the phenomenon of female students’ disproportionate representation in senior level Physical Health Education (PHE) classes. The subject for this teacher’s Masters level project arose from the first author’s personal observations while teaching across several schools in British Columbia, Canada. Through semi-structured interviews with self-identified female participants, we explore female subject choice and if, along with possible reasons why, females may avoid participation in senior level (grade 11-12) mixed gender PHE activity courses. This discussion asserts that females mostly make conscious choices to avoid mixed gender courses at the senior level for several key reasons; females feel silenced by their male peers, PHE is not an inclusive environment, and females perceive their male counterparts assert dominance over them in PHE class. This paper continues with a discussion regarding reinforced gendered norms and their effect on perceived barriers to female participation in schools, and concludes with suggestions for how schools and educators might support female students’ participation.

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)0,006
score de la tête « metaresearch » (Gemma)0,007
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: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,313
Score d'incertitude au seuil0,629

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,007
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0310,010
Communication savante0,0060,002
Science ouverte0,0020,005
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,158
Tête enseignante GPT0,488
Écart entre enseignants0,330 · 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

Citations0
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSport Education and SocietyMême sujetPhysical Education and PedagogyTravaux en français237 207