Athlete Satisfaction and Leadership: Assessing Group-Level Effects
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In a group context (e.g., athletic team), group-level effects may be present in constructs typically measured at the individual level (e.g., athlete satisfaction, leadership behavior). If a group-level effect is present, constructs should be analyzed using the group as the unit of analysis and failure to do so can lead to skewed relationships with other constructs. The purpose of this study is to examine the existence and magnitude of group-level effects when athletes rate athlete satisfaction and leadership behavior. The authors hypothesize: (a) group-level effects emerge when group members rate a shared property of the group, and (b) group-level effects may be present when group members rate an individual-level construct that exist within the context of the group. A total of 212 team athletes (members of 16 interactive athletic teams; mean age 20.1 ± 1.96 years) completed subscales of the Leadership Scale for Sports and the Athlete Satisfaction Questionnaire. Results show large group-level effects for all leadership behavior dimensions and satisfaction dimensions associated with group-level constructs, whereas smaller group-level effects were found for satisfaction dimensions associated with individual-level constructs. The results support the hypotheses that group-level effects can emerge for constructs previously viewed solely as individual-level constructs when measured in a group setting. Recognition of these effects should play a factor in determining the appropriate unit of analysis. Implications for handling groups without a group-level effect, while the majority of groups show an effect, are also discussed.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 découle