Using multiple level modeling to investigate the relationship between coaching attributes and athlete outcomes in youth sport
Notice bibliographique
Résumé
There is growing interest in the factors that may influence the potential for youth to gain positive developmental outcomes through their involvement in sport. The current study investigated the relationships between coaching efficacy, athlete perceptions of coaching behavior, and positive youth development (PYD) outcomes of youth sport athletes. Multi level modeling was used to analyze the data as both coaching behavior and PYD were operationalized at the level of the athlete, whereas coaching efficacy was measured at the level of the coach/team. Data was collected from 26 teams and 194 athletes who completed the Youth Experiences Scale (YES) as a measure of PYD, as well as the Coaching Behavior Scale for Sport (CBS-S), as an individual-level assessment of coaching behavior. The26 coaches completed the Coaching Efficacy Scale (CES). Statistically significant models emerged for four of the seven YES variables - teamwork, basic skills, negative experiences, and positive relations. In each model, athlete assessments of coaching behavior were significant predictors, however, the coach level variable of coaching efficacy was only a significant predictor for the outcome of negative experiences. Thus, it appears that the primary significant predictors of positive development outcomes are the individuals' perceptions of the participants as opposed to the team level variable of coaching efficacy. Acknowledgments: Funded by SSHRC
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 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 | 0,003 | 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».