MétaCan
Menu
Retour à la cohorte
Enregistrement W3092021417 · doi:10.17161/jas.v6i2.9745

Examining the Role of Relative Age on Leadership Behaviours among Female Ice Hockey Players: An Exploratory Investigation

2020· article· en· W3092021417 sur OpenAlexaffabout
Laura Chittle, Sean Horton, Jess C. Dixon

Notice bibliographique

RevueJournal of Amateur Sport · 2020
Typearticle
Langueen
DomainePsychology
ThématiqueSport Psychology and Performance
Établissements canadiensUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésIce hockeyPsychologyAthletesMultivariate analysis of varianceSample (material)Exploratory researchQuartileSocial psychologyDemographySociology

Résumé

récupéré en direct d'OpenAlex

The aim of this study was to examine the influence of relative age on self-reported leadership behaviors among competitive female ice hockey players. Secondary purposes included examining whether a relative age effect (RAE) was present within the sample and if leadership behaviors differed according to leader status (i.e., formal versus informal leaders). Canadian female ice hockey players (ages 15-18 years) completed an online survey that contained the Leadership Scale for Sport along with additional demographic questions. Players were segmented into birth quartiles based upon Hockey Canada’s selection date and classified by leadership status. The MANOVA suggested that the frequency of leadership behaviors displayed by these athletes did not differ across birth quartiles. Furthermore, although there was a RAE trend within this sample of competitive female ice hockey players, the differences relative to population distributions were not statistically significant. Finally, formal leaders (i.e., captains/alternate captains) reported higher levels of social support, positive feedback, democratic behavior, and training and instruction than informal leaders. It appears that relative age is not a discriminating factor with respect to leadership behaviors. Competitive female ice hockey may be an avenue for all players, regardless of their date of birth, to develop and demonstrate leadership.

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)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,149
Tête enseignante GPT0,316
Écart entre enseignants0,167 · 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'étudeObservationnel
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
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Amateur SportMême sujetSport Psychology and PerformanceTravaux en français237 207