MétaCan
Menu
Retour à la cohorte
Enregistrement W2088346770 · doi:10.1080/14927710903526114

La perception de l'importance de compétences professionnelles en loisir

2010· article· fr· W2088346770 sur OpenAlexaffvenue
Hubert Roussel

Notice bibliographique

RevueLeisure/Loisir · 2010
Typearticle
Languefr
DomaineSocial Sciences
ThématiqueSport and Mega-Event Impacts
Établissements canadiensUniversité de Moncton
Organismes subventionnairesnon disponible
Mots-clésRecreationTourismPublic relationsPerceptionHuman resourcesWork (physics)CurriculumBusinessPsychologyMedical educationSociologyPolitical sciencePedagogyMedicineEngineering

Résumé

récupéré en direct d'OpenAlex

This study conducted among workers in the leisure sector in New Brunswick illustrated the perception of the skills required to master certain work requirements in municipal recreational settings. Skills seen as most important include the ability to manage time and priorities, the ability to prepare budgets for immediate supervisor or councils, the ability to direct employees, knowledge regarding certain types of community organizations, and computer abilities. The ability to represent leisure departments, handle customer complaints, and develop preventive measures against prosecution for negligence, along with an understanding of funding sources available to local nonprofit organizations, and knowledge of strategies for motivating staff were also recognized. The importance of certain master skills is presented next in descending order of importance: communication and public relations, community relations, management of human resources, administrative techniques, curriculum development, equipment, facilities and recreation sites, and tourism development. Significant differences between respondents who speak mostly English and those speaking mostly French were also noted, with French-speaking workers giving greater importance to the category “development programs,” “administrative techniques,” “social and community development,” “tourism development,” “communication and public relations” and “human resources.”

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)0,008
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: Empirique
Score de désaccord entre enseignants0,063
Score d'incertitude au seuil0,126

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0020,003
Communication savante0,0030,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,023
Tête enseignante GPT0,328
Écart entre enseignants0,305 · 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

Citations0
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueLeisure/LoisirMême sujetSport and Mega-Event ImpactsTravaux en français237 207