MétaCan
Menu
Retour à la cohorte
Enregistrement W2767968389 · doi:10.1123/jsm.2017-0197

The National Collegiate Athletic Association as a Social-Control Agent: Addressing Misconduct Through Organizational Layering

2017· article· en· W2767968389 sur OpenAlexaff
Khirey Walker, Chad Seifried, Brian P. Soebbing

Notice bibliographique

RevueJournal of Sport Management · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueNonprofit Sector and Volunteering
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNational Collegiate Athletic Association
Mots-clésMisconductWrongdoingSanctionsAssociation (psychology)Control (management)Social controlPublic relationsPsychologyPolitical scienceSocial psychologyLawManagementEconomics

Résumé

récupéré en direct d'OpenAlex

The present study focuses on the National Collegiate Athletic Association and cases of misconduct from 1953 to 2016 to examine evidence of organizational layering created by social-control agents. The historical method was employed and found wrongdoing may influence the creation of organizational layers to control and/or manage future behavior. Furthermore, the activities of the National Collegiate Athletic Association featured variation in centralization, formalization, and complexity through expanding horizontal; vertical (e.g., institutional, managerial, and technical); and spatial differentiations. Second, individual social-control agents impact future organizational policies and member behavior but social-control agents’ power may be challenged as an organization grows. Third, as a social-control agent, the National Collegiate Athletic Association struggled with assessing cases of misconduct, assigning sanctions in a timely manner and at a level to deter future wrongdoing. Finally, the present study offers several propositions connecting third-party regulators to the synergy between complexity (i.e., horizontal and vertical differentiations); formalization; and centralization.

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)0,015
score de la tête « metaresearch » (Gemma)0,038
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,078

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,038
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0050,003
Études des sciences et des technologies0,0060,006
Communication savante0,0050,005
Science ouverte0,0010,006
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,052
Tête enseignante GPT0,350
Écart entre enseignants0,298 · 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'étudeQualitatif
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

Citations13
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Sport ManagementMême sujetNonprofit Sector and VolunteeringTravaux en français237 207