Design Thinking for Research in Sport Psychology
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This presentation showcases Design Thinking (DT) in research. Although DT has long been used in certain fields (e.g., architecture, engineering), its use in the sports domain is nascent. DT, a paradigm, methodology, and method, encourages creative, multi-disciplinary and multi-stakeholder teams to use a systematic and collaborative approach to identify and creatively solve problems with abductive reasoning, which helps to understand field-deep knowledge (Chamber et al., 2021). DT aims to solve wicked problems in a human-centred, desirable, technologically feasible, and economically viable way to ensure innovation and change are sustained over time. DT can help with the system change (e.g., sport psychology, coach education). In our first case, we organized the National Coaching for Para Sport Summit based on the DT paradigm (wicked problem: more inclusive education for coaching in Para sport), methodology (Hasso-Plattner Institution model; HPI) and methods (empathy mapping, fictional personas). Second, using DT methodologically, we explored Canadian high-performance athlete retirement support mechanisms. We used the 5-stage HPI process to conduct empathy interviews, which we analyzed abductively, creating personas to be used to ideate solutions. Third, we used DT as a paradigm in a case study of student-athlete mental health at uOttawa. Data were generated using DT tools (e.g., enabler interviews, digital storytelling, empathy mapping) resulting in a stakeholder map and fictional personas. We recommend DT as a promising concept whether as a paradigm, methodology, and/or method for sport psychology research aimed at the re-imagination of complex problems from a holistic perspective, considering the realities of end-users.
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.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle