Mapping the world of coaching science : a citation network analysis /by Sandrine Rangeon.
Notice bibliographique
Résumé
The field of coaching science has experienced rapid expansion in recent years, yet it has also been criticized for its lack of conceptual clarity (Cushion, 2007; Gilbert & Trudel, 2004; Lyle, 2002). The purpose of the present study was to identify and describe key publications and influential researchers in coaching science using citation network analysis. The study sample included 141 English-language peer-reviewed coaching science research articles in 2007 and 2008. A citation network analysis was conducted on the references of the 141 articles (3,891 references) to identify the key publications influencing coaching science. These key publications were then coded for type (e.g., conceptual, empirical) and topic (e.g., efficacy, coach development). The structure of the field was revealed through the creation of a co-authorship network. Finally, a Researcher Influence Factor (RIF) was computed, taking into consideration the number of citations received by a researcher???s publications as well as his/her social capital. The citation network showed that of the top 10 publications, six were conceptual papers or books while four were empirical publications. Research on coach development was the most prominent topic among the key publications. Analysis of the most influential researchers revealed, amongst other findings, the dominance of the USA, Canada, and the UK in coaching research. Therefore, coaching science is highly influenced by a small set of key publications and researchers.
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 | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,008 | 0,026 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».