Exercise science and the development of evidence‐based practice: A “better practices” framework
Notice bibliographique
Résumé
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 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 | 0,317 | 0,199 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,003 |
| Méta-épidémiologie (sens large) | 0,008 | 0,004 |
| Bibliométrie | 0,026 | 0,009 |
| Études des sciences et des technologies | 0,006 | 0,085 |
| Communication savante | 0,027 | 0,022 |
| Science ouverte | 0,012 | 0,017 |
| Intégrité de la recherche | 0,023 | 0,019 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».