A conceptual analysis of cliques as described by elite level coaches
Notice bibliographique
Résumé
The emergence of cliques within teams is an important consideration, and as such, is frequently highlighted in the sport literature (e.g., Eys et al., 2009; Fletcher & Hanton, 2003). Following previous research that assessed the nature of cliques through the perceptions of elite athletes (Martin et al., 2014), the current paper expanded this exploration to individuals who are in a unique position to dictate team structure—coaches. Semi-structured interviews were conducted with 18 elite level coaches (Mage = 37.67, SD = 6.90; five female coaches) who were asked to reflect on what cliques and subgroups meant to them, the processes related to their emergence within teams, and the resultant outcomes. Participants had an average of 13.83 years experience coaching their respective sports (e.g., rugby, basketball, hockey, soccer, swimming, rowing, triathlon), which ranged from Canadian Interuniversity Sport to Professional, to International competition. Results indicated that the term ‘clique’ was largely construed as describing only negative subgroups, whereas the term ‘subgroup’ was not value-laden. Generally, coaches described the potential for cliques/subgroups to influence team and individual outcomes in positive (e.g., supportive friendships, teammate commitment) and negative ways (e.g., conflict, competition, and stress among team members). In addition, the reflections were integrated to form a conceptual framework, revealing the process whereby subgroups emerge and influence group functioning—a process shaped by preceding elements such as member characteristics (e.g., cohorts, skill level) and behaviours (e.g., discipline, social habits), as well as contextual factors (e.g., team size, sport type). Within this process, it was clear that coaches managed—both proactively and reactively—the emergence of and behaviours exhibited by cliques, often relying on athlete leaders for their identification and for the management of the social environment. These findings will be discussed in terms of their theoretical and practical relevance to sport.
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 | 0,007 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,007 | 0,013 |
| Communication savante | 0,006 | 0,006 |
| Science ouverte | 0,002 | 0,008 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».