"Actually I Was the Star": Managing Attributions in Conversation
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In this paper, we outline the parameters of a discursive approach to attributions in sport psychology. Attribution theory has had a strong presence within sport and exercise psychology. Attributions are the perceived causes or reasons that people give for an occurrence related to themselves or others. An attributional model, developed in educational psychology, has been most influential and often requires the researcher(s) or participants to determine the dimensional categorisation of attributions (e.g., internal-external, stable-unstable, controllable-uncontrollable). Assessing attributions in sport and exercise psychology has been almost exclusively through self-report questionnaires and entrenched within a limited theoretical perspective. In contrast, a discursive approach focuses on discourse and what is accomplished through people's talk. Such an approach would advocate a move from a view of talk (discourse) as a route to internal or dimensional categories to an emphasis on talk as the event of interest. Using principles of conversation analysis (CA), a critical examination of the traditional conceptualisation of attributions will be offered in this paper. Drawing on a corpus of data where athletes discuss their sporting performance, we consider the management of attributions as talk-in-action, rather than a series of discrete cognitive elements and dimensions. To illustrate the way that attributions are managed in conversation, we consider three areas—asking questions about loss, the interactional modesty inherent in discussing wins and the "slipperiness" of attributions in conversation. Finally, the implications of a discursive approach to the study of attributions in sport and exercise psychology are discussed. URN: urn:nbn:de:0114-fqs030133
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,004 | 0,003 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 découle