MétaCan
Menu
Retour à la cohorte
Enregistrement W4401725204 · doi:10.1123/iscj.2023-0086

A Nordic Ski Coach’s Learning Journey Towards Creating More Inclusive and Safer Sport

2024· article· en· W4401725204 sur OpenAlexaff
Sara Kramers, Sophie Carrier-Laforte, Martin Camiré

Notice bibliographique

RevueInternational Sport Coaching Journal · 2024
Typearticle
Langueen
DomaineHealth Professions
ThématiquePhysical Education and Pedagogy
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésSAFERBusinessAeronauticsComputer scienceComputer securityEngineering

Résumé

récupéré en direct d'OpenAlex

Competitive youth sport coaches who aim to foster inclusive and safer sport often face challenges from their peers, their organisations, and the sociocultural systems in their contexts. A personal learning coach may support coaches’ critical awareness, reflection, and readiness for working towards changing their youth sport contexts. This study details a 15-month collaboration, as Sara acted as a personal learning coach to support Sophie’s critical praxis as they reflected on social issues and experienced shifts in their coaching towards creating more inclusive and safer sport. Grounded in a narrative inquiry methodology, two virtual interviews and 11 virtual meetings occurred. Sara and Sophie also shared reflections through messages and voice notes and one in-person meeting during one of Sophie’s training sessions. Through time-hopping snapshot vignettes, Sophie’s learning journey is presented as they attempt to figure out what to fight for, grow through discomforts and unknowns, and experience progress. Sophie believed that their “mind shifted” towards becoming a “better coach” throughout the collaboration, developing their critical consciousness to change oppressive social conditions in sport. By sharing insights from the collaboration, the study provides vivid examples of the steps coaches and sport stakeholders can take to become more confident in enacting positive change in sport.

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)0,004
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,048

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,003
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0190,004
Communication savante0,0070,003
Science ouverte0,0010,011
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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 Opus0,045
Tête enseignante GPT0,468
Écart entre enseignants0,423 · 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'étudeSans objet
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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Sport Coaching JournalMême sujetPhysical Education and PedagogyTravaux en français237 207