MétaCan
Menu
Retour à la cohorte
Enregistrement W4388895667 · doi:10.1123/jsm.2023-0296

“What Have I Learned … ” and How Did I Get There? Reflection on a Research Journey

2023· article· en· W4388895667 sur OpenAlexaff
Marijke Taks

Notice bibliographique

RevueJournal of Sport Management · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSport and Mega-Event Impacts
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésInfluencer marketingSociologyRank (graph theory)Public relationsCover (algebra)Reflection (computer programming)PsychologyMedia studiesMarketingPolitical scienceComputer scienceBusinessEngineering

Résumé

récupéré en direct d'OpenAlex

Receiving a lifetime award allows one to pause and reflect on one’s research journey. In the spirit of Earle Zeigler himself, I reflect on: “What I have learned … ” on my research journey, and more specifically on how I got there. My research has always focused on the interaction between sport, economics, and society and evolved: “From socio-economic impacts on sport participation to socio-economic outcomes of sport events.” To cover 40 years of research, I am highlighting how: (a) “triggers,” (b) “influencers,” and (c) “lessons learned” intermingled to push my research agenda forward. This reflection proved to be a very gratifying exercise. I can highly recommend it to all researchers. Perhaps, this can become a stepping stone to be promoted to the rank of Prof. Emeritus or Emerita. Either way, sharing our experiences may trigger, inspire, and advance the learning of future generations of sport management scholars.

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)0,006
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,463
Score d'incertitude au seuil0,397

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,224
Tête enseignante GPT0,453
Écart entre enseignants0,230 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Sport ManagementMême sujetSport and Mega-Event ImpactsTravaux en français237 207