MétaCan
Menu
Retour à la cohorte
Enregistrement W4417050889 · doi:10.1123/apaq.2024-0155

Developing Evidence-Informed Recommendations for the Management of Parasport Classification Using the AGREE II Instrument

2025· article· en· W4417050889 sur OpenAlexaffabout
Janet A. Lawson, Gwen Binsfield, L. Lee Dupuis, E. Latimer, Nancy Quinn, Darda Sales, Amy E. Latimer‐Cheung

Notice bibliographique

RevueAdapted Physical Activity Quarterly · 2025
Typearticle
Langueen
DomainePsychology
ThématiqueAdventure Sports and Sensation Seeking
Établissements canadiensQueen's UniversityUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésExtant taxonBridging (networking)Expert opinionWork (physics)Best practice

Résumé

récupéré en direct d'OpenAlex

Sport administrators hold responsibility for implementing and managing parasport classification systems within national sport federations, yet they have called for guidance on how best to learn about and manage classification. This paper describes a consensus-based process, informed by the Appraisal of Guidelines for Research and Evaluation II instrument of developing novel, evidence-informed recommendations for the management of classification by national sport federations. A consensus panel (N = 8) reviewed extant research on classification, shared first-hand knowledge and expert opinion of the subject, and formulated the recommendations. Seven recommendations resulted, each accompanied by specifics such as who, how, and when to implement them. External knowledge users (N = 37) provided additional feedback on the draft recommendations. These recommendations serve to advance the systematic management of classification across Canadian national sport federations. Additionally, this work provides guidance on how to utilize the Appraisal of Guidelines for Research and Evaluation II Instrument when collaborating with parasport practitioners, thus bridging the gap between knowledge creation and implementation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,469
score de la tête « metaresearch » (Gemma)0,667
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,469
Score d'incertitude au seuil0,655

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,4690,667
Méta-épidémiologie (sens strict)0,0020,003
Méta-épidémiologie (sens large)0,0040,007
Bibliométrie0,0240,015
Études des sciences et des technologies0,0090,008
Communication savante0,0190,018
Science ouverte0,0130,016
Intégrité de la recherche0,0090,014
Charge utile insuffisante (le modèle a refusé de juger)0,0080,004

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 Opus0,169
Tête enseignante GPT0,415
Écart entre enseignants0,246 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAdapted Physical Activity QuarterlyMême sujetAdventure Sports and Sensation SeekingTravaux en français237 207