MétaCan
Menu
Retour à la cohorte
Enregistrement W4320735575 · doi:10.1123/tsp.2022-0091

The Self-Regulation and Smartphone Usage Model: A Framework to Help Athletes Manage Smartphone Usage

2023· article· en· W4320735575 sur OpenAlexaff
Poppy DesClouds, Natalie Durand‐Bush

Notice bibliographique

RevueThe Sport Psychologist · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueImpact of Technology on Adolescents
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésAthletesPsychologyApplied psychologySmartphone applicationPerformance enhancementComputer scienceMultimediaPhysical medicine and rehabilitationPhysical therapyMedicine

Résumé

récupéré en direct d'OpenAlex

Self-regulation is essential for optimal development, performance, and well-being in sport, and smartphones may support and hinder this self-regulation. The relationship between smartphones and self-regulation has seldom been investigated in sport. Thus, the purpose of this study was to examine self-regulatory processes, conditions, and outcomes related to athletes’ smartphone usage. Twenty-four competitive and high-performance athletes from eight sports participated in individual interviews informed by the models of self-regulated learning and self-regulatory strength. Themes created from a directed content analysis aligned with components of both models and were integrated with new themes to form the “Self-regulation and Smartphone Usage Model” (SSUM). The SSUM illustrates a cyclical model of self-regulation and smartphone usage across five components: self-regulation capacity, processes, conditions, outcomes, and competencies. While self-regulation demands can be increased because of smartphones and lead to depletion, smartphones can be powerful vehicles to strengthen self-regulation competencies.

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)0,004
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
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 enseignants0,655
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,027
Tête enseignante GPT0,336
Écart entre enseignants0,309 · 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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Sport PsychologistMême sujetImpact of Technology on AdolescentsTravaux en français237 207