Development of brief assessment packages of psychosocial constructs related to doping
Notice bibliographique
Résumé
Background We aimed to develop brief self-report tools that can be used by anti-doping organizations (ADOs) to evaluate education programs regarding their effects on psychosocial correlates of doping. Current assessment tools are too long for this purpose.Methods In phase 1, we reviewed the literature and selected psychosocial constructs perceived to be amenable to anti-doping education. In phase 2, a survey with these constructs was sent to anti-doping experts (i.e. researchers and representatives of ADOs), who rated their importance and rank ordered them. Following this, a smaller pool of constructs was chosen for phase 3, during which, questionnaires capturing these constructs were distributed to adult athletes and athlete support personnel (ASP) in Denmark, Norway, and Sweden.Results Using data from 307 adult athletes and 296 ASP, we selected the best 2–3 items for scales tapping each construct, via the OASIS package in R. Two questionnaires with 24 (athletes) and 28 (ASP) items, respectively, were formed. The questionnaires assess 11 and 13 different constructs, respectively, and capture diverse aspects such as morality, motivation, perceived benefits, and perceived deterrents relevant to doping.Conclusion The questionnaires provide brief assessments for diverse psychosocial constructs that could be used to evaluate ADO education programs.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».