MétaCan
Menu
Retour à la cohorte
Enregistrement W4399261528 · doi:10.1123/jtpe.2023-0318

Exploring Solidarity in Action: Key Methodological Features for Collaborative Research in Physical Education

2024· article· en· W4399261528 sur OpenAlexaff
Luiz Gustavo Bonatto Rufino, Cassandra Iannucci, Deniz Hünük, Carla Vidoni, Carla Luguetti, Luiza Lana Gonçalves, Heidi Jancer Ferreira, Paula Batista, Cécilia Borges, Ann MacPhail, Luiz Sanches Neto, Samuel de Souza Neto

Notice bibliographique

RevueJournal of Teaching in Physical Education · 2024
Typearticle
Langueen
DomaineHealth Professions
ThématiquePhysical Education and Pedagogy
Établissements canadiensUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésPhysical educationSolidarityKey (lock)Action (physics)PsychologyAction researchPedagogyEngineering ethicsMathematics educationSociologyPolitical scienceComputer scienceEngineering

Résumé

récupéré en direct d'OpenAlex

Purpose : This paper delves into the approach of solidarity in action as a collaborative research methodology in the field of physical education, based on Freire’s concepts of solidarity and circle of culture. In a landscape marked by competitiveness and hierarchy, this paper emphasizes the importance of mutual understanding, empathy, and collective struggle for social change in academia. Results : The paper explores a case study of an international project and highlights three key features: (a) intentionality in group creation, (b) levels of collaboration and horizontal relationships, and (c) democratic facilitation. These features stress the importance of collective action, open dialogue, and shared responsibility. Solidarity in action emerges as a methodology designed to cultivate communities, promote critical engagement, and address social injustices. Conclusion : By integrating solidarity in action into research, the paper advocates for a more inclusive, equitable, and culturally sensitive approach in physical education, highlighting the potential for positive change in academia.

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)0,005
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesIntégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,335
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,004
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,764
Tête enseignante GPT0,691
Écart entre enseignants0,073 · 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'étudeThéorique ou conceptuel
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

Citations5
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Teaching in Physical EducationMême sujetPhysical Education and PedagogyTravaux en français237 207