An observational assessment of athletes' engagement and social interactions in an english football academy: The Revised Athlete Behaviour Coding System (R-ABCS) case study
Notice bibliographique
Résumé
Athletes' social interactions represent an important context through which positive development can be fostered (Fraser-Thomas & CA´tA©, 2009). However, the existing literature has relied primarily on the use of retrospective or self-report measures that may not fully capture the complexity of athletes' behaviours (Meredith, Dicks, Noel, & Wagstaff, 2018). As such, there is a need to use observational techniques to explore what athlete behaviours look like in naturalistic settings (Smith, 2003). Thus, the purpose of this case study was to use observational methods to understand athletes' engagement in activities and social interactions within the context of an English football academy. Ten athletes in an under-11 academy were observed over seven practices. Practices were purposefully sampled to represent a diverse range of contexts (e.g., practice activities, scrimmages, and team meetings). Athletes' behaviours were coded using an adapted version of the Athlete Behaviour Coding System, which assesses behaviours according to their content, target, quality, and the context in which they occur (Vierimaa & CA´tA©, 2016). Findings indicated that athletes most commonly exhibited communicative behaviours (M = 359.54 counts/hour, SD = 182.40 counts/hour), followed by engaged (M = 236.31 counts/hour, SD = 223.56 counts/hour) and non-cooperative behaviours (M = 1.38 counts/hour, SD = 5.12 counts/hour). It was also found that athletes touched the ball more during practice activities (M = 99.17 counts/hour, SD = 54.97 counts/hour) than during scrimmages (M = 90 counts/hour, SD = 60 counts/hour). The theoretical and practical implications of this research for coaches and sport practitioners will be 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 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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».