MétaCan
Menu
Retour à la cohorte
Enregistrement W2946432939

Freshman Fitteen: Effects of an online team building exercise intervention

2013· article· en· W2946432939 sur OpenAlexaff
Christopher K Forrest, Mark W. Bruner

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomainePsychology
ThématiqueTeam Dynamics and Performance
Établissements canadiensNipissing University
Organismes subventionnairesnon disponible
Mots-clésCohesion (chemistry)Psychological interventionPsychologyGroup cohesivenessContext (archaeology)Task (project management)Intervention (counseling)Applied psychologyPhysical therapyMedical educationSocial psychologyMedicineEngineering
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Previous research revealed positive relationships between team building (TB), cohesion, and group task satisfaction in exercise settings (Bruner & Spink, 2011; Carron & Spink, 1993). However, researchers have yet to examine the efficacy of an online TB intervention to foster these constructs in a similar activity context. The purpose of this pilot study was to examine the effectiveness of an 8-week online TB intervention, Freshman Fitteen, designed to enhance group cohesion, group task satisfaction and physical performance in first year university students. Twenty-seven participants (Mage=18.6, SD =1.3) completed questionnaires assessing cohesion and group task satisfaction and a series of physical fitness tests at baseline and following the completion of the 8-week intervention. After controlling for baseline assessments, results revealed significant increases in cohesion (ATG-T, ATG-S and GI-T), group task satisfaction and two measures of physical fitness (push-ups and vertical jump height) (ps. <.05). These findings extend previous TB research to an online platform and provide preliminary support for the use of online TB interventions as an effective group-based strategy designed to promote group cohesion, group task satisfaction and physical performance in an exercise setting. Acknowledgments: The project was supported by the Schulich School of Education, Nipissing University.

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: Essai non randomisé · Signal consensuel: Essai non randomisé
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,040

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0120,001

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 Opus0,011
Tête enseignante GPT0,301
Écart entre enseignants0,290 · 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'étudeEssai non randomisé
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
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetTeam Dynamics and PerformanceTravaux en français237 207