Using responsibility-based strategies to empower in-service Physical Education and health teachers to learn and implement TPSR
Bibliographic record
Abstract
El modelo de Enseñanza de la Responsabilidad Personal y Social, TPSR (Hellison, 1995; 2003; 2011), es considerado uno de los mejor articulados para promover la responsabilidad desde la educación física (EF) u otros contextos de actividad física. Sus valores e intenciones se adecúan bien al programa educativo de la provincia de Québec (Canadá) y podrían proporcionar a los profesores estrategias eficaces para lograr dichos resultados. Este artículo tiene por objeto presentar una forma alternativa de enseñanza del TPSR a los docentes de EF. Se trata de mostrar el modo en que distintas estrategias basadas en la responsabilidad fueron usadas para capacitar a los profesores en el aprendizaje y aplicación del TPSR en el contexto escolar. Para ello, me centraré en el trabajo de investigación-acción llevado a cabo con dos docentes de EF durante el curso 2008-09, el cual incluía también un proceso de auto-supervisión de seis meses. Los datos fueron recopilados mediante (a) observaciones de los participantes; (b) entrevistas semi-estructuradas con profesores de EF; (c) reflexiones tras las clases; y (d) el diario de la investigadora. Los resultados confirmaron el uso de cuatro estrategias basadas en la responsabilidad como apoyo a cada docente durante el proceso de implementación de TPSR: (a) capacitando a los docentes por medio de la auto-supervisión; (b) proporcionándoles oportunidades de éxito; (c) ayudándoles en la definición de expectativas; y (d) alimentando una relación respetuosa. El presente estudio amplía la literatura sobre TPSR al describir el uso de estrategias de enseñanza basadas en la responsabilidad con el fin de educar a otros profesionales en la aplicación del TPSR.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.020 | 0.023 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.007 | 0.009 |
| Scholarly communication | 0.006 | 0.005 |
| Open science | 0.003 | 0.012 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.009 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".