How coaches learn to teach life skills to adolescent athletes
Bibliographic record
Abstract
L’objectif de cette étude visait à explorer les situations d’apprentissage dans lesquelles des entraîneurs ont rapporté avoir appris à enseigner des habiletés de vie aux adolescents-athlètes. Dans cette étude qualitative, 24 entraîneurs provenant de deux contextes sportifs (12 en basket-ball et 12 en natation) ont été rencontrés lors d’entretiens individuels semi-structurés. Les résultats ont indiqué que les entraîneurs ont appris à enseigner des habiletés de vie à travers plusieurs sources d’apprentissage, pouvant être réparties dans chacun des trois types de situations d’apprentissage du modèle de Trudel, Culver et Werthner (2013). Il ressort, entre autres, que les moments pris pour réfléchir sur les expériences passées (situations d’apprentissage internes) et les interactions avec d’autres entraîneurs et spécialistes (situations d’apprentissage non assistées) sont les sources d’apprentissage les plus importantes pour les entraîneurs de l’étude. À la lumière de ces résultats, des recommandations sont formulées pour favoriser les apprentissages des entraîneurs concernant l’enseignement des habiletés de vie et pour améliorer les programmes de formation existants.
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 | 0.004 | 0.011 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.004 | 0.001 |
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".