MétaCan
Menu
Retour à la cohorte
Enregistrement W7138860515 · doi:10.1108/jced-04-2024-0010

An Integrated Knowledge Translation Approach to Developing A Story-Based Positive Youth Development Program in Sport

2024· article· en· W7138860515 sur OpenAlexaff
Luc J. Martin, Karl Erickson, Jen Coletti, Kelsey Saizew, Cailie S. McGuire, Alex Maw, Chris Primeau, Meredith Wolff, Brandy Ladd, Jean Côté

Notice bibliographique

RevueJournal of Character Education · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueYouth Development and Social Support
Établissements canadiensYork UniversityImpactQueen's University
Organismes subventionnairesnon disponible
Mots-clésPositive Youth DevelopmentGeneral partnershipProcess (computing)Ice hockeyAthletesEliteYouth studiesQuality (philosophy)

Résumé

récupéré en direct d'OpenAlex

Despite the established physical, social, and emotional benefits of participating in youth sport, such outcomes are not guaranteed. Indeed, purposeful efforts must be made to ensure that sport offerings are age-appropriate, promote engagement and enjoyment, and involve quality social relationships (e.g., Côté et al., 2020). The current article describes an integrated knowledge translation (iKT) partnership that developed a free story-based positive youth development (PYD) program for young ice hockey players (aged 10 to 12 years) in North America. The aim of the ‘1616 Program’ is to use elite ice hockey players as role models—through storytelling—to serve as motivating agents to introduce and engage young athletes with important concepts pertaining to PYD. Content from the general and sport-specific PYD literature (e.g., Côté et al., 2010; Lerner, 2006) informed decisions during program development, with the process generally being guided by the Knowledge-To-Action (KTA) framework (Graham et al., 2006). Herein, we describe the iKT collaborative process that could serve as a template for other researchers interested in partnering with relevant invested partners to create youth development programs.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,011
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,061

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,011
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0040,004
Communication savante0,0060,004
Science ouverte0,0030,010
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0180,002

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 Opus0,062
Tête enseignante GPT0,377
Écart entre enseignants0,315 · 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 source (Gemma direct ou Codex distillé), 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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Character EducationMême sujetYouth Development and Social SupportTravaux en français237 207