MétaCan
Menu
Retour à la cohorte
Enregistrement W2143866627 · doi:10.1123/jsm.20.2.159

Organizational Justice in Sport Organizations: Perceptions of College Athletes and Other College Students

2006· article· en· W2143866627 sur OpenAlexaff
Daniel F. Mahony, Harold A. Riemer, James L. Breeding, Mary A. Hums

Notice bibliographique

RevueJournal of Sport Management · 2006
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSports, Gender, and Society
Établissements canadiensUniversity of Regina
Organismes subventionnairesnon disponible
Mots-clésAthletesPerceptionCollege athleticsPsychologyOrganizational justiceEconomic JusticeSocial psychologyPublic relationsApplied psychologyPolitical scienceMedicinePhysical therapy

Résumé

récupéré en direct d'OpenAlex

Prior research has found that coaches and administrators at NCAA institutions believed distributing resources equally or based on program needs was fairer than distributing them based on program contributions. The current studies build on these findings by examining the views of fairness among college athletes and other college students in a hypothetical intercollegiate athletics setting ( N = 150) and a hypothetical sport business setting ( N = 150). In both settings, equality of treatment and need are most likely to be chosen as the fairest allocation methods. Although there are no group differences in the sport business setting, chi-square analysis and analysis of fairness ratings indicate some group differences in the intercollegiate athletics setting. Women are stronger supporters of equal distributions and equal reductions, whereas men are more supportive of making decisions based on need and contribution of the program.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,133
Score d'incertitude au seuil0,612

Scores Codex et Gemma par catégorie

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

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 Opus0,011
Tête enseignante GPT0,281
Écart entre enseignants0,270 · 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 tête enseignante, pas un consensus.

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

Citations30
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Sport ManagementMême sujetSports, Gender, and SocietyTravaux en français237 207