Scoping review protocol of sport research partnership literature: Identifying opportunities, challenges, and areas of need
Notice bibliographique
Résumé
Background. Research-practice gaps in sport hinder the full potential of informing, developing, and optimizing sport settings for impact (e.g., across youth development, coaching, health promotion; Holt et al., 2018). Research partnerships between researchers and knowledge users offer a promising approach to bridge these gaps through knowledge translation/mobilization processes (i.e., shared decision-making, knowledge exchange, co-producing products). However, barriers often impede meaningful engagement within these partnerships (e.g., incompatible values/beliefs, power imbalances; Peachey & Cohen, 2016). A comprehensive review of sport research partnership literature can provide guidance on how to better support and implement these partnerships. Purpose. Given recent calls for greater research transparency, this presentation will provide an a priori scoping review protocol to identify opportunities, challenges, and areas of need to promote meaningful sport research partnerships. Methods. The protocol is informed by Arksey & O’Malley's (2005) framework, Peters et al.’s (2022) reporting guidelines, previous reviews on partnerships (Hoekstra et al., 2020, 2022), and input from a steering group. Four databases (SPORTDiscus, PsychINFO, ERIC, Web of Science) will be systematically searched, followed by a two-phase screening process based on pre-defined inclusion/exclusion criteria. Data extraction will be guided by the knowledge-to-action cycle (Graham et al., 2006) allowing mapping of extracted data to key phases of knowledge translation/mobilization. Implications. This work will significantly contribute to sport science by addressing the limited knowledge on knowledge translation/mobilization and partnership guidance within this context. Practically, the study findings will enhance clarity on how to support meaningful sport partnerships and bridge research-practice gaps.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,215 | 0,255 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,005 |
| Méta-épidémiologie (sens large) | 0,009 | 0,008 |
| Bibliométrie | 0,021 | 0,019 |
| Études des sciences et des technologies | 0,008 | 0,007 |
| Communication savante | 0,012 | 0,010 |
| Science ouverte | 0,008 | 0,010 |
| Intégrité de la recherche | 0,012 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,100 | 0,031 |
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 source (Gemma direct ou Codex distillé), 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 ».