MétaCan
Menu
Retour à la cohorte
Enregistrement W1980961422 · doi:10.1080/17461390500528568

Exercise science and the development of evidence‐based practice: A “better practices” framework

2006· article· en· W1980961422 sur OpenAlexaff
Guy Faulkner, Adrian Taylor, Roberta Ferrence, Shelly Munro, Peter Selby

Notice bibliographique

RevueEuropean Journal of Sport Science · 2006
Typearticle
Langueen
DomainePsychology
ThématiqueSport Psychology and Performance
Établissements canadiensCentre for Addiction and Mental HealthOntario Tobacco Research UnitUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésEvidence-based practiceContext (archaeology)Systematic reviewEngineering ethicsStrengths and weaknessesBest practiceEmpirical evidenceSports scienceEvidence-based medicinePsychologyRandomized controlled trialWork (physics)Management scienceApplied psychologyMEDLINEAlternative medicineMedicinePolitical scienceEngineeringSocial psychology

Résumé

récupéré en direct d'OpenAlex

Abstract Exercise and sport scientists are increasingly faced with the need to demonstrate that their work is based on a sound evidence base and has an impact on professional practice and policy. This evidence is often derived from systematic reviews of rigorously designed studies such as randomized controlled trials. This paper addresses some of the limitations of the exclusive reliance on such trials and highlights the importance of addressing issues of effectiveness and practical concerns when synthesizing research evidence. The “Better Practices” model is then described in the context of a current project examining exercise and smoking cessation. This model provides one framework for integrating critical reviews of empirical evidence with contextual and practical considerations relevant to organizations interested in the translation of the synthesis into practice. Strengths and weaknesses of the model are discussed regarding its potential consideration and application by exercise and sport scientists.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,032
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,362
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0320,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0010,005
Communication savante0,0000,002
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,087
Tête enseignante GPT0,395
Écart entre enseignants0,308 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations25
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEuropean Journal of Sport ScienceMême sujetSport Psychology and PerformanceTravaux en français237 207