A Systematic Observation of Coach Leadership Behaviours in Youth Sport
Notice bibliographique
Résumé
There is growing recognition for the Transformational Leadership (TFL) framework in youth sport. Indeed, theoretical and empirical evidence suggests that coach TFL plays a salient role in promoting developmental outcomes in youth athletes. Nevertheless, research examining the influence of coach leadership behaviours typically relies on self-report measures and inductive analytical techniques, thus providing a limited picture of TFL. It is therefore important to generate baseline descriptive data, revealing the extent to which leadership behaviours are currently being employed by youth sport coaches. Accordingly, the overarching purpose of this study was to provide quantitative descriptions relating to the nature and extent to which youth sport coaches display leadership behaviours across playing contexts (i.e., training and competition). Participants were seven head coaches of youth soccer teams and 73 athletes (Mage = 14.26, SD = 1.27, 40 female). Systematic observation was employed to examine the frequency of coach leadership behaviours. Descriptive data regarding the coaches’ use of leadership revealed that coaches spend more time exhibiting neutral behaviours compared to active leadership (e.g., TFL). This was consistent across training (75.2% neutral) and competition (77.5% neutral). When coaches actively displayed leadership, they frequently displayed TFL behaviours, including individualized consideration (M = 9.29%), inspirational motivation (M = 6.68%), and less frequently, intellectual stimulation (M = 2.95%), and idealized influence (M = 1.5%). Additionally, coaches rarely displayed passive and ineffective leadership. Finally, the results indicate that coaches display similar levels of leadership in both training and completion. These findings provide insight into the leadership behaviours employed by coaches across playing contexts, which can inform future leadership workshops focused on promoting athlete development. These findings hold practical implications, and lend insight into the youth sport coaching and TFL literature.
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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».