MétaCan
Menu
Retour à la cohorte
Enregistrement W4205655634 · doi:10.1123/iscj.2020-0088

How Canadian High-Performance Coaches Adopt and Implement Technology: Exploring the Antecedents of Intra- and Interorganizational Trust, Technological Proficiency, and Subjective Norms and Social Influence on Technology Adoption

2021· article· en· W4205655634 sur OpenAlexaffabout
Roger S. Jaswal, Pro Stergiou, Larry Katz

Notice bibliographique

RevueInternational Sport Coaching Journal · 2021
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueTechnology Adoption and User Behaviour
Établissements canadiensCanadian Sport Centre PacificUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésPerspective (graphical)PsychologyThematic analysisKnowledge managementBusinessMarketingPublic relationsSociologyQualitative researchComputer sciencePolitical science

Résumé

récupéré en direct d'OpenAlex

Technological innovation has been shown to make meaningful impacts across several aspects of high-performance sport. Although the literature on technology adoption and implementation is vast, currently very little exists on the coach’s perspective in this regard. This investigation explored Canadian high-performance sport coaches and their relationship with technology adoption. Eleven coaches from both summer and winter National Sport Organizations were interviewed using a semistructured format. Three thematic categories were identified. First, intra- and interorganizational trust showed that coaches valued being aware and informed of any planned changes, and that educating them on technology adoption was important for gaining their participation. Second, coaches mentioned that they took the time to search for and build a fully functional technology, and valued collaboration among their peers for sharing technology-based knowledge. Finally, many of these high-performance coaches also depended upon their relationships to mentor coaches or other coaches in the field to identify and apply new technology. The outcome of this research may provide insight into shaping future policies to help sport coaches get access to the technology that more directly meets their needs.

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)0,001
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 enseignants0,063
Score d'incertitude au seuil0,544

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,050
Tête enseignante GPT0,307
Écart entre enseignants0,258 · 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

Citations2
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Sport Coaching JournalMême sujetTechnology Adoption and User BehaviourTravaux en français237 207