MétaCan
Menu
Retour à la cohorte
Enregistrement W4313274991 · doi:10.1123/iscj.2022-0042

Reviewing Original Research Articles Published in the International Sport Coaching Journal

2022· article· en· W4313274991 sur OpenAlexaff
Katherine E. Hirsch, Todd M. Loughead, Gordon A. Bloom, Wade Gilbert

Notice bibliographique

RevueInternational Sport Coaching Journal · 2022
Typearticle
Langueen
DomainePsychology
ThématiqueSport Psychology and Performance
Établissements canadiensMcGill UniversityUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésCoachingScope (computer science)Variety (cybernetics)Diversity (politics)Empirical researchPsychologyData collectionAthletesQualitative researchApplied psychologyMedical educationPolitical scienceSocial scienceSociologyMedicineComputer science

Résumé

récupéré en direct d'OpenAlex

The purpose of this commentary is to provide a broad overview of the empirical research-based articles published in the International Sport Coaching Journal from its inception in 2014 through 2020. Data from 101 publications were collected and analyzed using Arksey and O’Malley’s six-stage framework for conducting scoping reviews. Data were extracted on the size and scope of research, populations and perspectives studied, and methodologies and data collection methods used. The results show that empirical research publications grew more prominent over time (i.e., 24.0% of 2014 publications vs. 58.1% of 2020 publications) compared with other publication types. The most commonly researched topics included coach development and coach behaviors. The participants most studied were male coaches, performance sport coaches, and adult sport coaches, featuring primarily European and North American coaches. The majority of studies used a qualitative methodology with the most common research designs being phenomenological and case studies. A variety of data collection methods were used that involved one-on-one interviews and questionnaires. Several recommendations are advanced to stakeholders, including strategies to promote racial and gender diversity and to collect and report demographic data on race and coaching experience.

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)0,027
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,643
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0270,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,000
Communication savante0,0010,001
Science ouverte0,0040,000
Intégrité de la recherche0,0000,007
Charge utile insuffisante (le modèle a refusé de juger)0,0230,000

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 Opus0,102
Tête enseignante GPT0,427
Écart entre enseignants0,325 · 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.

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

Citations7
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

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