MétaCan
Menu
Retour à la cohorte
Enregistrement W3179650447 · doi:10.1123/cssm.2020-0027

An Innovative Approach to Increasing Youth Sport Participation: The Case of Baseball5™

2021· article· en· W3179650447 sur OpenAlexaffabout
Kerri Bodin, Georgia Teare, Jordan T. Bakhsh, Marijke Taks

Notice bibliographique

RevueCase Studies in Sport Management · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSport and Mega-Event Impacts
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésSport managementPsychologyTerm (time)Medical educationIdeal (ethics)Public relationsAdvertisingMathematics educationPolitical scienceBusinessMedicine

Résumé

récupéré en direct d'OpenAlex

Youth sport participation preferences are evolving and shifting toward unorganized, nontraditional types of sport participation. This trend has left more traditional sports with decreasing participation numbers. Baseball Canada noticed a similar trend and therefore implemented an innovative approach to increase interest and participation in baseball. This case study follows Alex, the Manager of Sport Development at Baseball Canada, as they develop and evaluate Baseball5™, an innovative street version of the traditional sport of baseball. This alternative form of baseball needs to be tested and evaluated in five pilot programs throughout Canada. Alex collects survey, interview, and focus group data following each of the pilot programs to determine whether the approach is viable for increasing interest in baseball long term. After reading the case, students are tasked with analyzing the collected data and designing the Baseball5™ program for long-term implementation. The case is ideal for upper year undergraduate students who have the skills and knowledge necessary to execute program evaluations and build holistic program implementation plans, and for undergraduate courses in research methods or data analysis.

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)0,004
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,100
Score d'incertitude au seuil0,200

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0140,008
Communication savante0,0070,003
Science ouverte0,0030,007
Intégrité de la recherche0,0040,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,118
Tête enseignante GPT0,409
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'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'admission2
Résumé présentoui

Explorer davantage

Même revueCase Studies in Sport ManagementMême sujetSport and Mega-Event ImpactsTravaux en français237 207