MétaCan
Menu
Retour à la cohorte
Enregistrement W3030423849 · doi:10.1123/iscj.2018-0100

Examining Coaches’ Perspectives on the Use of Exercise as Punishment

2020· article· en· W3030423849 sur OpenAlexaff
Gretchen Kerr, Anthony Battaglia, Ashley Stirling, Ahad Bandealy

Notice bibliographique

RevueInternational Sport Coaching Journal · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueYouth Development and Social Support
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésPunishment (psychology)PsychologyThematic analysisCohesion (chemistry)Social psychologyVariety (cybernetics)Applied psychologyDevelopmental psychologyQualitative researchSociologyComputer science

Résumé

récupéré en direct d'OpenAlex

The negative consequences associated with punishment, highlighted by researchers in the parenting and education domains, have stimulated a shift toward more developmentally appropriate methods of behavior modification. Despite the reported negative outcomes linked with punishment use, preliminary research in sport indicates that punishment, specifically in the form of exercise, remains a common strategy in this domain. The purpose of this study therefore was to explore interuniversity coaches’ perspectives on the use of exercise as punishment. Semistructured interviews with eight interuniversity coaches (four males and four females) were conducted. Data were analyzed using inductive thematic analysis. Participant accounts revealed that exercise as punishment was implemented frequently in a variety of forms (e.g., push-ups and sprints). Perceived benefits for the use of exercise as punishment, such as performance motivation and team cohesion, as well as suggested alternative methods of behavioral modification were also reported. Findings are interpreted in accordance with punishment, shaming, and coach education research. Recommendations for future research and practice are suggested.

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)0,005
score de la tête « metaresearch » (Gemma)0,011
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: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0060,006
Communication savante0,0040,001
Science ouverte0,0010,003
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,147
Tête enseignante GPT0,322
Écart entre enseignants0,174 · 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

Citations15
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Sport Coaching JournalMême sujetYouth Development and Social SupportTravaux en français237 207