Gestion des attentes et cadrage chez les entraîneurs de la LNH : la saison 2016-2017 des Canadiens de Montréal
Bibliographic record
Abstract
Ce mémoire examine la gestion des attentes effectuée par les deux entraîneurs qui se sont succédé à la barre des Canadiens de Montréal lors de la saison 2016-2017, ainsi que les cadres utilisés à cette fin. Sachant que 1) des prestations inférieures aux attentes constituent un facteur déterminant dans le congédiement des entraîneurs (Humphreys et al., 2016) et 2) qu’aucun autre groupe exerçant ce métier en Amérique du Nord n’affiche un taux de roulement supérieur à celui observé dans la LNH (Zinser, 2008), le mythique club montréalais est apparu comme un environnement fécond pour aborder nombre de questions liées à ces phénomènes. Une analyse de discours a ainsi été effectuée à partir de la quasi-totalité des entretiens médiatiques livrés par Michel Therrien et Claude Julien sur une saison complète. Elle a été réalisée en mobilisant les concepts de gestion des attentes et de cadrage (framing). Concrètement, ce mémoire a tenté de savoir si les entraîneurs cherchent à gérer les attentes, de dégager certains modes opératoires ou tendances, en plus de proposer un inventaire des cadres employés dans ce contexte. Il a notamment été permis de constater l’adresse dont font preuve ces deux entraîneurs dans la gestion des attentes et le maniement des cadres, et ce, même s’ils affichent certains traits idiosyncrasiques. Par exemple, Claude Julien s’est montré plus réservé que son prédécesseur dans l’utilisation du cadre de la coupe Stanley. Par ailleurs, les résultats des analyses démontrent que les cadres ayant trait à la préparation, aux efforts et aux impondérables ont été les plus utilisés. Certains dénis de réalité se sont aussi révélés lors de périodes fastes, et les zones de tolérance ont démontré toute leur importance dans les situations inverses. Plutôt qu’un portrait de la gestion médiatique des attentes en milieu sportif, ce mémoire a été abordé comme une exploration, examinant une seule saison et n’ayant pu s’appuyer sur aucune autre étude relativement similaire, inexistante en apparence pour ce créneau singulier.
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 | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.008 | 0.004 |
| Scholarly communication | 0.004 | 0.001 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.010 | 0.001 |
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".