MétaCan
Menu
Retour à la cohorte
Enregistrement W3209783487 · doi:10.1177/17479541211061703

The influence of coaching efficacy on trust and usage of technology in golf instruction

2022· article· en· W3209783487 sur OpenAlexaff
Benjamin SP Rittenberg, Heather F. Neyedli, Bradley W. Young, Lori Dithurbide

Notice bibliographique

RevueInternational Journal of Sports Science & Coaching · 2022
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueSports Analytics and Performance
Établissements canadiensUniversity of OttawaDalhousie University
Organismes subventionnairesnon disponible
Mots-clésCoachingPsychologyApplied psychologyAffect (linguistics)Self-efficacyMediationMedical educationSocial psychologyMedicine

Résumé

récupéré en direct d'OpenAlex

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.

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)0,003
score de la tête « metaresearch » (Gemma)0,022
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 enseignants0,016
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,022
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0020,000
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
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 Opus0,013
Tête enseignante GPT0,244
Écart entre enseignants0,231 · 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

Citations8
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Sports Science & CoachingMême sujetSports Analytics and PerformanceTravaux en français237 207