Notice bibliographique
Résumé
Shared representations and coordinated action, in both team sports and for individuals with specific roles, have a big impact on performance outcomes in a wide range of sporting domains. Within team sports, perceptual and decision-making issues are key; performers must both see things in similar ways and make similar or mutually compatible decisions if appropriate action is to be taken and performance optimised. To do this, an athlete must interpret perceptual information effectively, applying an implicit ‘weighting scale’ to determine the pertinence of key factors. Such a commonality of perception across a team allows the formation of a shared mental model (SMM) through a process of both time-pressured and deliberate thinking and action, along with appropriate feedback. As individuals, referees and match officials must apply a consistent weighting scale to both formal decision making (i.e. applying the rules of the game) and more informal game management. The implementation of SMMs has been shown to increase consistency and coherence in leading referees, with shared representations resulting from both training and more ‘natural’ processes. Selection panels have also demonstrated substantial and rapid improvements in coherence, through exposing and agreeing operational definitions of key criteria, developing common weighting scales, monitoring and regular feedback. Such shared representations also carry benefits for support personnel within interdisciplinary teams and for team cultures; common features in high performance sport. It is clear that socially based or developed shared representations are crucial to effective performance in sport, and the various examples considered here offer considerable potential for future research.
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 | 0,012 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,024 |
| Communication savante | 0,012 | 0,009 |
| Science ouverte | 0,002 | 0,008 |
| 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 ».