Analyse de la littérature francophone portant sur l'intervention de l'entraîneur sportif, publiée entre 1988 et 2007
Bibliographic record
Abstract
Résumé La recherche sur l’intervention en milieu sportif devrait logiquement bénéficier directement aux praticiens qui pourraient ainsi s’en nourrir pour enrichir leur action. Si une analyse de la littérature anglophone a été réalisée (Gilbert & Trudel, 2004), rien ne permet actuellement de caractériser le corpus de références disponible en langue française. Nous avons répertorié les articles parus pendant les 20 dernières années et les avons analysés en vue de comparer les résultats avec ceux de l’étude centrée sur les publications anglophones. Parmi les dimensions prises en compte figurent l’objet de recherche, la méthodologie générale, les instruments de collecte de données utilisés mais aussi les caractéristiques des participants concernés et du contexte d’entraînement. La fréquence annuelle de publication des articles francophones est dix fois moins importante, notamment en raison du nombre restreint de revues disponibles. L’analyse des 48 articles répertoriés indique, entre autres, (a) que l’objet de recherche le plus étudié est le comportement de l’entraîneur (60,4 %), (b) qu’il y a presque autant de recherches quantitatives (43,8 %) que qualitatives (41,7 %), (c) que l’entrevue est l’instrument de collecte de données le plus utilisé (41,7 %), et que (d) les entraîneurs masculins sont plus souvent les participants impliqués dans les études (37,5 %). Dans la discussion, nous soulignons le risque majeur de voir se creuser le fossé entre les chercheurs et les praticiens.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.007 | 0.020 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.018 | 0.021 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.015 | 0.003 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".