Psychology gets in the game: sport, mind, and behavior, 1880-1960
Notice bibliographique
Résumé
Chapter 1. Introduction Christopher D. Green (York University, Toronto), and Ludy T. Benjamin (Texas A and M University) Chapter 2. The Dawn of Sport in Europe 1880 - 1930. Gunther Baumler (Technische Hochschule Munchen, Germany) Chapter 3. E. W. Scripture and the Application of New Psychology Methodology to Athletics. C. James Goodwin (Western Carolina University) Chapter 4. Norman Triplett and The Dawning Of Sport Psychology. Stephen F. Davis (Emporia State University, Kansas), Matthew T. Huss (Creighton University, Nebraska), and Angela H. Becker (Indiana University-Kokomo) Chapter 5. Early Research on the Acquisition of Skill in Archery by Karl S. Lashley and John B. Watson. Donald A. Dewsbury (University of Florida) Chapter 6. and Baseball: The Testing of Babe Ruth. Alfred H. Fuchs (Bowdoin College, Maine) Chapter 7. An Offensive Advantage: The Football Charging Studies at Stanford University. Frank G. Baugh (William Carey University, Mississippi) and Ludy T. Benjamin, Jr. (Texas A and M University) Chapter 8. Coleman Roberts Griffith: Father of North American Sport Psychology. Christopher D. Green (York University, Toronto) Chapter 9. Paul Brown: Bringing Psychological Testing to Football. Stephen T. Graef (University of Akron), Alan S. Kornspan (University of Akron), and David Baker (University of Akron) Chapter 10. Enhancing Performance in Sport: The Use of Hypnosis and Other Psychological Techniques in the 1950s and 1960s. Alan S. Kornspan (University of Akron) Chapter 11. Conclusion: The Proper History of Sport Psychology. Christopher D. Green (York University, Toronto) and Ludy T. Benjamin, Jr. (Texas A and M University)
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».