MétaCan
Menu
Retour à la cohorte
Enregistrement W4306773044 · doi:10.1080/23750472.2022.2134183

Practice theory and examining and managing sport and leisure

2022· article· en· W4306773044 sur OpenAlexaff
Taryn Barry, Daniel S. Mason

Notice bibliographique

RevueManaging Sport and Leisure · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSport and Mega-Event Impacts
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésDiversity (politics)Inclusion (mineral)Practice theoryBig dataValue (mathematics)Everyday lifeSport managementAthletesKnowledge managementSociologyPublic relationsEngineering ethicsPsychologyManagement scienceComputer sciencePolitical scienceEngineeringSocial science

Résumé

récupéré en direct d'OpenAlex

Rationale/Purpose This paper introduces practice theory to sport and leisure management to conceptualize how technology is integrated and changes everyday organization life, and how it can perpetuate or bring an end to unfair and discriminatory practices in sport.Design/Methodology/Approach This paper explores methodological approaches to practice theory, while also introducing several strategy-as-practice studies that could be reproduced in sport and leisure management research settings.Findings Researchers can look to the strategy-as-practice in management and organization studies to conduct future practice-based research, since it offers a way to understand an organization’s strategy and interactions between people and technology.Practical Implications A practice-theory approach allows sport and leisure managers to understand the relationships between individuals and the changing technologies that may influence how they manage across various issues, from safety of youth athletes online, the effect of big data and analytics on professional sports, and opportunities for diversity and inclusion.Research Contributions A limitation to the practice-based approach is that it is not unified, which can dissuade researchers. This paper proposes a value-added conceptual research agenda with accompanying research methods that can provide a roadmap for sport and leisure scholars to effectively use practice theory to study organizational change.

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)0,009
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,050

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,002
Études des sciences et des technologies0,0030,017
Communication savante0,0070,004
Science ouverte0,0020,004
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,022
Tête enseignante GPT0,295
Écart entre enseignants0,272 · 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'étudeThéorique ou conceptuel
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

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueManaging Sport and LeisureMême sujetSport and Mega-Event ImpactsTravaux en français237 207