Centralizing an ecological sport psychology through science-practice dialectics
Notice bibliographique
Résumé
There has been considerable discussion for more than 50 years of how scientists and practitioners in elite level sport can work collaboratively to ensure that evidence-based practice augments the sport performance and human development of elite amateur and professional athletes. The bridging of these two, often disparate competencies, science and practice, though considered at the conceptual level, continues to be scarcely evidenced within the international sport science community. Much of the research that frames the experiences of elite athletes and their consequent needs, is heavily influenced by scientists, often without direct reciprocity to bridge science, theory, and applied context. The knowledge influencing these interventions has derived from qualitative methods, such as semi-structured interviews, surveys, and focus groups, as well as a breadth of psychometric assessments. Though these approaches to gathering robust data are a necessary part of inquiry, they often produce decontextualized data collection strategies and results, which can lead to generalized, ineffective practices in sport performance environments. Within this submission, the first author cooperated with an international team of scientist-practitioners who are well versed in elite sport to delineate ecologically sound science-practice reciprocity. The authors consider the strengths and weaknesses of conventional qualitative research strategies in terms of their utility and the parlance of evidence into intervention and world-class performance. Two emerging, context driven approaches to inquiry are proposed; arts-based methods and an idiosyncratic approach to ethnography to encourage the reader toward an expanded selection of inquiry approaches from which better understanding and intervention can be generated. This contribution conclude with summary points to open further possibilities for innovative science to practice approaches.
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 | 0,062 | 0,036 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,008 | 0,004 |
| Études des sciences et des technologies | 0,014 | 0,169 |
| Communication savante | 0,032 | 0,029 |
| Science ouverte | 0,004 | 0,026 |
| Intégrité de la recherche | 0,008 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».