The importance of physical proximity for team cohesion – a case study of USA Rugby 7s
Notice bibliographique
Résumé
Research Question This paper seeks to contribute to the theoretical understanding of team cohesion in sport. While a robust foundation of research on team cohesion in sport exists, there is a dearth of research examining the role of physical proximity. With physical group exercise temporarily suspended due to COVID-19, herein lies an opportunity to examine team cohesion throughout different stages of physical distancing.Research Methods A single case mixed method study was employed comprised of semi-structured interviews (19 total) conducted at three different time points (September 2019; March 2020; June 2020) and a baseline/post administration of the GEQ Survey (September 2019 (N = 26); August 2020 (N = 27)). Qualitative data were analysed in NVivo 12, and survey data were analysed via paired t-tests.Results and Findings Levels of team cohesion remained stable throughout the season and during physical distancing on all three cohesion sub-scales (i.e. ATG-T, GI-S, GI-T). Three qualitative themes emerged: task and collective loyalty, resilience through social cohesion, and digital engagement.Implications Digital communication can temporarily fill the void of face-to-face interaction but cannot replace it long-term to build team cohesion. Adding physical proximity to the theoretical conceptualization of team cohesion makes the model more contemporary and especially relevant during times of physical distancing (e.g. pandemic, off-season, remote teams).
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,014 | 0,004 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».