Team Building in Sport: Linking Theory and Research to Practical Application
Notice bibliographique
Résumé
This article provides a general overview and presents various effective methods for developing and implementing team building programs based on different desired outcomes in sport. Specifically, a background on team building is provided, followed by the presentation of different outcomes and benefits found in previous successful team building programs. A team building conceptual model (Carron & Spink, 1993 Carron, A. V. and Spink, K. S. 1993. Team building in an exercise setting. The Sport Psychologist, 7: 8–18. [Crossref], [Web of Science ®] , [Google Scholar]) and a four-stage approach (Carron & Spink, 1993 Carron, A. V. and Spink, K. S. 1993. Team building in an exercise setting. The Sport Psychologist, 7: 8–18. [Crossref], [Web of Science ®] , [Google Scholar]) are described. In addition, implementation and effectiveness of various interventions are discussed based on the recommendations from a number of researchers (e.g., Eys, Patterson, Loughead, & Carron, 2006 Eys, M. A., Patterson, M. M., Loughead, T. M. and Carron, A. V. 2006. “Team building in sport”. In Handbook of research in applied sport psychology: International perspectives, Edited by: Duda, J., Hackfort, D. and Lidor, R. 219–231. Morgantown, WV: Fitness Information Technology. [Google Scholar]). Finally, implications for practice are 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.
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 | 0,010 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,003 | 0,014 |
| Communication savante | 0,009 | 0,007 |
| Science ouverte | 0,003 | 0,006 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».