MétaCan
Menu
← Retour à la cohorte
Enregistrement W2741655313

A comparison of the psychological skills used by lower and higher level basketball officials

2011· article· en· W2741655313 sur OpenAlexaffabout
Lindsay Walsh, Krista J. Munroe‐Chandler, Todd M. Loughead

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomainePsychology
ThématiqueSport Psychology and Performance
Établissements canadiensUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésBasketballPsychologyAthletesAutomaticityApplied psychologyControl (management)PersonalitySocial psychologyCognitionManagementPhysical therapyMedicine
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Research investigating sport officials has examined their personality, the effect of audience presence on refereeing behaviours, and decision making (Askins et al., 1981; Brand et al., 2006). However, very little research has examined the psychological skills used by sport officials, despite its importance in the performance enhancement of athletes. This is somewhat surprising given the Cornerstones Performance Model of Refereeing identifies psychological skills as key in optimizing refereeing performance (Mascarenhas et al., 2005). The present study examined the psychological skills most frequently utilized by officials and whether there were differences between high (officiating varsity and higher) and low (officiating high school and lower) level officials. Participants were 450 Canadian male basketball officials who completed the Test of Performance Strategies (Thomas et al., 1999). The results indicated that basketball officials reported using psychological skills most to maintain their emotional control (M = 3.90) and least to help them relax (M = 2.80). With respect to differences in level of officiating, an overall effect was found (F (1, 449) = 6.21, p < .001, ?2= .10) with higher level officials reporting higher frequency of self-talk, emotional control, automaticity, imagery, activation, and negative thoughts than their lower level counterparts. Implication of these results is discussed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,037
Score d'incertitude au seuil0,074

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,170
Tête enseignante GPT0,409
Écart entre enseignants0,239 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetSport Psychology and Performance→Travaux en français237 207→