Identifying components of athletes' subgroup perceptions: A conceptual and qualitative approach
Notice bibliographique
Résumé
Recent advances in team dynamics research suggest subgroups to be an inevitability in sport, and that their presence can have facilitative and debilitative implications at both athlete and team levels (Wagstaff & Martin, 2018). Interestingly, the relative impact that subgroups have within a team appears to revolve less around their objective presence, and more so around athletes' subjective experiences (Martin et al., 2015). As such, the purpose of this study was to advance a series of components expected to be indicative of the way that athletes perceive subgroups in sport. Using a critical realist approach, a theory-driven literature review informed a preliminary list of perceptual components that were then assessed in detail through face-to-face or virtual focus-group interviews with 28 athletes (61% female; Mage = 22.2) from a range of sports (e.g., basketball, hockey, rowing). Audio recordings were transcribed verbatim, coded to identify demi-regularities, and analyzed through abduction and retroduction. The resulting proposed subgroup components include: Observability (e.g., distinctiveness), structural (e.g., variability, exclusivity), organizational orientation (e.g., citizenship behavioural tendencies), organizational representativeness (e.g., team level prototypicality of subgroup members), and affective (e.g., feelings associated with particular subgroups). These components uncover numerous ways that subgroups may be observed by athletes and could further inform our understanding of athletic experiences in sport. Indeed, whereas the traditional discourse pertaining to subgroups has involved trepidation and avoidance, the proposed components can provide a foundation for a more nuanced approach to their investigation.Acknowledgments: This research project was funded by the Social Sciences and Humanities Research Council of Canada, Canada Graduate Scholarship for Master's Students.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,025 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,006 | 0,010 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».