MétaCan
Menu
Retour à la cohorte
Enregistrement W6908698717 · doi:10.26180/27429417

Supplementary data: All five country narratives

2025· dataset· en· W6908698717 sur OpenAlexaboutno aff

Notice bibliographique

RevueMonash University · 2025
Typedataset
Langueen
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNarrativeCurriculumSubject (documents)Focus (optics)Physical educationNational curriculum

Résumé

récupéré en direct d'OpenAlex

This is supplementary data provided for the article titled: What's Right with PE: Exploring Positive Narratives in Physical Education. Abstract below.For decades, physical education (PE) scholars have called for a change to how PE is conceptualised and enacted, highlighting that its current (and persistent) form and focus - organised around physical activities and sport - are not fit for purpose. Much of this change-oriented discourse highlights ‘what's wrong with PE’, leading to suggestions about how PE should change in and for the future, for example, by adopting critical approaches and connecting more to the lives of young people. While we do not disagree with these perspectives and ideas, it is important to note that, in general, they have had little impact on PE curricula or pedagogy. In this paper we suggest an alternative, strengths-based approach. Drawing from discussions with PE practitioners (teachers, postgraduate students, pre-service teachers and teacher educators) across five national contexts: Canada, England, Ireland, Norway and Scotland - we generated narratives about ‘what’s right with PE’. The narratives highlighted that PE can be ‘fit for purpose’ when it connects to the wider school and community, when everyone has a shared understanding of its purpose, and when PE teachers enact a broad, holistic and inclusive curricula. We present the narratives as a kind of reflective tool, encouraging all PE practitioners to consider how they align with (or against) their current experiences. We hope that these reflections facilitate critical thinking and problem solving in their attempts to ensure that the subject is (and remains) fit for purpose now and in the future.

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)0,005
score de la tête « metaresearch » (Gemma)0,025
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,764
Score d'incertitude au seuil0,790

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,025
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0050,012
Études des sciences et des technologies0,0050,002
Communication savante0,0060,006
Science ouverte0,0010,005
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,2360,036

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 Opus0,021
Tête enseignante GPT0,263
Écart entre enseignants0,242 · 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.

Devis d'étudeSans objet
Domainenon disponible
GenreJeu de données

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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMonash UniversityTravaux en français237 207