MétaCan
Menu
Retour à la cohorte
Enregistrement W4312547465 · doi:10.1123/iscj.2021-0077

Exploring Youth Sport Coaches’ Perspectives on the Use of Benching as a Behavioral Management Strategy

2022· article· en· W4312547465 sur OpenAlexaff
Anthony Battaglia, Gretchen Kerr

Notice bibliographique

RevueInternational Sport Coaching Journal · 2022
Typearticle
Langueen
DomainePsychology
ThématiqueSport Psychology and Performance
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésAthletesPsychologyThematic analysisApplied psychologyPunishment (psychology)CoachingWork (physics)Power (physics)Social psychologyQualitative researchEngineeringSociologyPsychotherapistMedicine

Résumé

récupéré en direct d'OpenAlex

The practice of benching players or removing playing time is commonly used in sport. Although benching is used to adhere to game rules related to the number of athletes permitted on the field of play at any given time or to provide athletes with rest breaks, athletes have reportedly experienced benching in response to behavioral infractions such as not paying attention, not devoting sufficient effort, or failing to adhere to team rules. The purpose of this study therefore was to explore the use of benching as a behavioral management strategy from the perspectives of youth coaches. Semistructured interviews were conducted with 10 youth coaches (six men and four women) regarding their views of benching, reasons for use, and alternatives to the practice of benching. Data were analyzed using inductive thematic analysis. All coaches reported using benching to manage athlete and team behavior, address conduct detrimental to the team, and reinforce the coach’s position of power. The coaches interpreted benching as punishment or a learning tool depending on the provision of communication and feedback. Future work is needed to address the use of communication and the nature of this communication to ensure that benching practices are associated with learning and not punishment.

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)0,007
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,035

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,008
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0040,006
Communication savante0,0040,002
Science ouverte0,0010,003
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,281
Tête enseignante GPT0,370
Écart entre enseignants0,089 · 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'étudeQualitatif
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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Sport Coaching JournalMême sujetSport Psychology and PerformanceTravaux en français237 207