Putting Research to Work in Elementary Physical Education: Conversations in the Gym
Notice bibliographique
Résumé
Part 1 The basics - numbers, time, space, equipment and behaviors: how equipment and class size make a difference who gets the teacher's attention? more days per week equals more learning modifying equipment to fit the students. Part 2 Managing the class: reducing disruptive student behaviors active supervision and student learning teaching social behaviors recording and classifying teacher management behaviors teaching fair play in the gym and school. Part 3 Interactions among students: using trained peer tutors peer-mediated accountability and successful practice. Part 4 Strategies for teaching and learning: can learners guide their own practice with self-talk? using environmental cues to guide practice. Part 5 The voices of students: kindergarten children describe physical education third-grade children describe physical education children describe the mile-run fitness test children describe what they learn in physical education high school seniors recall elementary physical education. Part 6 Teachers in the workplace - training, experience and context: preservice classroom teachers in the gym is daily physical education worth the price? the impact of inclusion on physical education teachers how five years of experience changed a teacher how veterans and rookies planned a class. Part 7 Assessment as part of training: using skill assessment to build effective lessons is peer assessment both practical and accurate? Part 8 The SPARK studies - a program for teachers and children: the impact of SPARK on children's fitness and activity the impact of SPARK on catching, throwing and kicking how well do children like various physical education activities?. Part 9 Reviewing studies of the effects of physical education: the legacy of elementary school physical education. Part 10 The Trois-Rivieres studies - long-term effects of physical education: twenty-year follow-ups of participants in a model program.
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 | 0,029 | 0,055 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,008 | 0,009 |
| Communication savante | 0,011 | 0,015 |
| Science ouverte | 0,002 | 0,009 |
| Intégrité de la recherche | 0,005 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,018 | 0,005 |
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 ».