MétaCan
Menu
Retour à la cohorte
Enregistrement W4411152532 · doi:10.5539/jel.v14n6p103

“Why Test Me If You Don’t Teach Me?” Rethinking Physical Education Through a Lifelong Learning Lens

2025· article· en· W4411152532 sur OpenAlexvenueno aff
Monticha Uraipong, Chatchawoot Pojsompong, Dech-siri Nopas

Notice bibliographique

RevueJournal of Education and Learning · 2025
Typearticle
Langueen
DomaineHealth Professions
ThématiquePhysical Education and Pedagogy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLifelong learningPsychologyPedagogyMathematics educationTest (biology)Physical educationLens (geology)Optics

Résumé

récupéré en direct d'OpenAlex

This study explores secondary school students’ experiences with physical education (PE) in Thailand, with a particular focus on the impact of standardized fitness assessments on motivation, self-perception, and long-term engagement in physical activity. Using a qualitative approach, data were collected through interviews, focus groups, and classroom observations with 13 students from three schools. The findings reveal contrasting student experiences—some found PE enjoyable and empowering, while others described it as stressful and exclusionary. Standardized assessments were often perceived as demotivating, especially by students who struggled to meet benchmarks, leading to negative self-perceptions and disengagement. Gender norms and peer influence further shaped participation, with male students reporting pressure to perform and female students frequently experiencing marginalization in sports. Students also expressed that PE lacked relevance to real-life physical activity and failed to promote lifelong fitness habits. The study advocates for a shift toward a lifelong learning-oriented PE model that prioritizes personal progress, movement diversity, inclusive pedagogy, and health literacy. These findings highlight the need to reframe PE as a supportive, student-centered space that empowers learners to develop lasting, positive relationships with physical activity.

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)0,007
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: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0060,029
Communication savante0,0090,008
Science ouverte0,0020,009
Intégrité de la recherche0,0020,006
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,058
Tête enseignante GPT0,461
Écart entre enseignants0,404 · 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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Education and LearningMême sujetPhysical Education and PedagogyTravaux en français237 207