MétaCan
Menu
Retour à la cohorte
Enregistrement W3176092537 · doi:10.26522/jess.v5i1.3385

Exploring adversity and the potential for growth among Iron[wo]man competitors

2021· article· en· W3176092537 sur OpenAlexvenueno aff
Emily Johnson, Leslee A. Fisher, Zachary T. Smith, Jordan A. Schools, Rebecca A. Zakrajsek

Notice bibliographique

RevueJournal of Emerging Sport Studies · 2021
Typearticle
Langueen
DomainePsychology
ThématiqueMotivation and Self-Concept in Sports
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMental toughnessCasualMileEmpowermentPsychologyCompetitor analysisAgency (philosophy)Mental healthSocial psychologyGerontologyAthletesSociologyManagementPhysical therapyMedicinePolitical scienceGeographyPsychiatryEconomic growthSocial scienceEconomics

Résumé

récupéré en direct d'OpenAlex

The Ironman triathlon is one of the most famous endurance races in the world. Consisting of a 2.4-mile swim, a 112-mile bike ride, and a 26.2-mile run, it requires significant physical and mental fitness training (Atkinson, 2008) as well as substantial investments in equipment, time, and emotional energy. As opposed to more casual leisure pursuits, the Ironman triathlon can be considered a serious leisure pursuit (Stebbins, 1982). Like other serious athletic leisure pursuits, participation in triathlon can facilitate personal growth experiences, especially through overcoming sport-related adversity (e.g., Atkinson, 2008; Connaughton et al., 2010; Galli & Reel, 2012). In fact, researchers have reported self-discovery, empowerment, agency, and mental toughness as potential benefits of sport-related growth through adversity (Atkinson, 2008; Cronan & Scott, 2008; Galli & Vealey, 2008; Granskog, 1992, 2003; Howells & Fletcher, 2015; Howells et al., 2017; Sarkar et al., 2015).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,090
Score d'incertitude au seuil0,341

Scores Codex et Gemma par catégorie

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

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 Opus0,066
Tête enseignante GPT0,313
Écart entre enseignants0,248 · 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 tête enseignante, 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
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Emerging Sport StudiesMême sujetMotivation and Self-Concept in SportsTravaux en français237 207