The influence of coaching efficacy on trust and usage of technology in golf instruction
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The rise of technology in sport has provided coaches with another tool to aid athlete development, but there is little research on its relationship to coaching practices. Research in non-sport domains has demonstrated a relationship between user trust in and use of technology. The user's confidence can also affect this relationship, where higher confidence is typically associated with less technology use. Minimal work has examined factors that influence technology use within the sports domain; therefore, the present study sought to determine whether coaching experience and coaching efficacy could predict golf coaches' use of technology in training. A one-time survey that gathered demographic information, and measured coaching experience, coaching technique efficacy, trust in technology and use of technology was completed by 83 registered Professional Golfers Association golf coaches and instructors. Results showed that coaching technique efficacy was predictive of coaches’ use of technology in training, where more technique efficacy resulted in increased use of technology. Mediation analyses showed that this association was mediated by their levels of trust in technology. There was no relationship between coaching experience and use of technology. Therefore, coaching technique efficacy, rather than experience, seems to be an important variable in predicting coaches' use of technology in training and instruction. Further, because higher efficacy predicted increased usage, the results illustrate the differences between the sport training environment and other non-sport domains regarding the factors that influence technology use. These findings are an important first step towards investigating how technology can be used by coaches to best improve athlete performance.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle