How Words Matter - Coaches’ Verbal Interventions and Their Relationship to Coach/Client Outcomes
Notice bibliographique
Résumé
While coaching has been widely adopted by organizations as a human resource development strategy, in-session coach interventions remain opaque. This study examined links between specific coach verbal behaviors and independent session ratings from clients and coaches. Forty-eight coach-client pairs contributed recordings and ratings for three sessions (2-4 of a six-session series). Transcripts were coded with a 37-category scheme. For each code we derived two metrics—absolute frequency (interventions/hour) and within-session percentage of coach talk—and used median splits to compare high versus low groups on three outcomes: goal alignment, task accomplishment, and perceived bond. Mann-Whitney U tests supported several patterns. Client ratings were higher when empathic, meaning-making behaviors—reflections of feeling, explorations of emotion and learning, affirming feedback, and judicious humor—comprised a larger share of coach talk, and lower when advice, disconfirming feedback, ecosystem probing, repeated verification/checking, or tangential thought occurred at higher rates. Coaches reported greater alignment (and, by percentage, task accomplishment) with more minimal encouragers, and higher task accomplishment and bonding with more affirmations, humor, and learning exploration; they reported lower alignment when emotions or values were explored more frequently. Behavioral dysregulation was associated with lower coach-rated task accomplishment. Longer sessions (~45 vs. ~30 minutes) were associated with higher client ratings on all three outcomes and with higher coach-rated task accomplishment. Overall, findings suggest that style composition and dosage matter, and that client and coach perspectives may be complementary rather than interchangeable. Coaching practice may benefit from prioritizing empathic reflections and focused explorations while limiting high-dosage influence moves.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,065 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».