MétaCan
Menu
Retour à la cohorte
Enregistrement W2017908666 · doi:10.1108/17511341211258756

Using history to comprehend the currency of a passionate profession

2012· article· en· W2017908666 sur OpenAlexaff
D.J. Stec

Notice bibliographique

RevueJournal of Management History · 2012
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueManagement and Organizational Studies
Établissements canadiensUniversity of New Brunswick
Organismes subventionnairesnon disponible
Mots-clésCoachingPopularityValue (mathematics)PhenomenonOriginalitySociologyEpistemologyReciprocalCurrencyPublic relationsPsychologySocial psychologyManagementSocial sciencePolitical scienceEconomicsComputer science

Résumé

récupéré en direct d'OpenAlex

Purpose The purpose of this paper is to understand the growing popularity of coaching; a concept whose influence increasingly spans academic disciplines and institutional fields. Design/methodology/approach The paper makes sense of coaching by using actor network theory, an approach that seeks to understand how a phenomenon becomes macro social. By examining a wide array of historical documents it traces the characteristics that underlie the transformation of the coach from a technological object to a management concept. In doing so it outlines the fundamental characteristics of coaching. Findings Specifically coaching involves a post technological nature where performances often occur in extreme conditions that involve the reciprocal interdependence of bodies (teams). These performances may also be viewed as involving impurity, as amateurs who participated purely for the love of the game have usually paid coaches for their services. Originality/value While there is no denying the influence of coaching, little attention has been given to the history of this concept. This article provides an example of how the past frequently remains present and offers explanation for the popularity of coaching. In doing so it outlines a potential framework for consistently discussing the concept across organizational forms.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,014
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,044

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,014
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0050,003
Études des sciences et des technologies0,0080,045
Communication savante0,0100,023
Science ouverte0,0010,006
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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.

Tête enseignante Opus0,064
Tête enseignante GPT0,257
Écart entre enseignants0,192 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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

Citations7
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Management HistoryMême sujetManagement and Organizational StudiesTravaux en français237 207