Sport officials’ use of observational learning
Notice bibliographique
Résumé
Introduction: Observational learning is a key tool for improving skilled performances. Sport officials (e.g., referees, umpires, and judges) might glean particular benefits from using observation, as most officials do not engage in traditional practice. Unfortunately, little is known about how observational learning can be of benefit to sport officials. Thus, the purpose of this study was to take an exploratory approach to learn more about sport officials' use of observation. Methods: Participants included 206 sport officials (170 male, 35 female, 1 not specified) from 17 sports (mainly ice hockey, soccer, lacrosse, and volleyball). Sport officials completed a 50-question online survey regarding their use of observational learning. Survey questions revolved around the reasons for using observation (e.g., to learn about positioning or rule application), along with when and how participants used observation (e.g., before versus after competitions; watching an unskilled versus skilled model). Results: Participants used observation most frequently to learn knowledge and application of rules, personality and game management, and fitness and positioning/mechanics. Results revealed that participants preferred to use observation after their competitions, while watching other sport officials in-person, and while observing a skilled model who was correctly executing their tasks. Discussion: In the discussion, we expand on the results, connecting it to previous research in sport officiating or observational learning. Lastly, we offer suggestions for future researchers that should help build our understanding of sport officials' use of observation.
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 | 0,007 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».