A mixed methods evaluation of a season-long teamwork training intervention
Notice bibliographique
Résumé
To date, research on teamwork in sport has focused primarily on conceptualizing and measuring the multidimensional construct and testing its impact on salient consequences. Less attention has been devoted to examining how teamwork behaviors can be improved, although teamwork training has been identified as one potential antecedent. The purpose of this study was to develop and evaluate a season-long teamwork training intervention with interdependent sport teams using a concurrent mixed methods design. Five university teams (n = 113; final longitudinal sample = 82) participated in the intervention. Quantitative data on teamwork behaviors (i.e., teamwork global, preparation, execution, evaluation, adjustments, and management of team maintenance), team cohesion, collective efficacy, and satisfaction with team performance were collected at three timepoints (start of season, midseason, end of season). Qualitative data were concurrently gathered through semi-structured interviews with coaches (n = 6) and focus groups with athletes (n = 23) at the second and third timepoints. Results from the quantitative analyses showed mixed effects: three teams demonstrated improvements in several variables, while two teams experienced limited or negative changes. The qualitative strand identified three themes regarding participants’ experiences of the intervention: (i) intervention engagement drivers and inhibitors; (ii) forging and sustaining optimal relationships; and (iii) leadership as a catalyst (or barrier) for change. Taken together, these findings provide insight into the conditions that may facilitate or hinder teamwork training in sport and offer practical guidance for the design and delivery of future interventions.
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 | 0,011 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».