MétaCan
Menu
Retour à la cohorte
Enregistrement W6921597844 · doi:10.7892/boris.146585

Challenges and opportunities arising from self-regulated professionalisation processes: an analysis of a Swiss national sport federation

2020· article· en· W6921597844 sur OpenAlexaboutno aff

Notice bibliographique

RevueBern Open Repository and Information System (University of Bern) · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSport and Mega-Event Impacts
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGovernment (linguistics)Work (physics)Field (mathematics)

Résumé

récupéré en direct d'OpenAlex

In recent decades, some governments (e.g. Canada, the UK, Australia) have imposed far-reaching professionalisation processes on national sport federations (NSFs), while others (e.g. Switzerland) have made only minor impositions and relied more on NSFs to self-regulate. As governments must decide on the extent to which sport policy imposes professionalisation processes on NSFs, understanding the challenges and opportunities arising from both policy-imposed and self-regulated professionalisation processes is relevant. However, extant literature has focused mostly on professionalisation processes imposed by sport policy. Therefore, this study aims to analyse the context, action, content and outcome of self-regulated professionalisation processes to identify the challenges and opportunities arising from these processes. A framework of professionalisation and a corresponding processual approach build the conceptual background of this study. A single-case study is applied to enable a holistic and long-term analysis of the proceedings of a Swiss NSF’s professionalisation processes. The results reveal the mechanisms of self-regulated professionalisation processes (i.e. how contexts and actions shape outcome), thus leading to a conceptualisation of these mechanisms and conclusions about challenges and opportunities arising from self-regulated professionalisation processes, which are useful for sport managers and policymakers.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,308
Score d'incertitude au seuil0,378

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,005
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,093
Tête enseignante GPT0,278
Écart entre enseignants0,185 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBern Open Repository and Information System (University of Bern)Même sujetSport and Mega-Event ImpactsTravaux en français237 207