Étude de la communication en entraînement sportif par l’utilisation d’une démarche multi-méthodologique : exemples avec des entraîneurs en volley-ball et basket-ball
Bibliographic record
Abstract
La présente étude porte sur la communication de l’entraîneur orientée vers les sportifs dans le but de les préparer à réaliser une performance sportive lors d’une compétition importante. Une démarche multi-méthodologique a été développée suite aux conclusions de la littérature au sujet de certaines limites des grilles d’observation dans l’étude de l’intervention des entraîneurs et de la nécessité de recourir à des méthodologies permettant d’étudier les processus cognitifs sous-jacents à leurs activités. Des entretiens préséance et postséance d’entraînement, des analyses de l’intervention à partir d’une grille d’observation et des entretiens de rappel stimulé ont été réalisés auprès de trois entraîneurs de basket-ball et de trois entraîneurs de volley-ball. Les résultats révèlent que les directives, les encouragements, les rétroactions positives ainsi que les questionnements sont les interventions les plus fréquentes. Les profils comportementaux diffèrent d’un entraîneur à l’autre, alors que les objectifs communicationnels et les objectifs d’entraînement poursuivis sont similaires. Les interventions sont justifiées à partir de l’interaction d’une multitude de facteurs tels les connaissances de leurs sportifs, leurs conceptions relatives à l’entraînement, leurs objectifs communicationnels et d’entraînement, les tâches proposées et leurs observations tout en ayant à l’esprit de futures interventions et les compétitions à venir.
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 | 0.105 | 0.153 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.004 |
| Bibliometrics | 0.006 | 0.006 |
| Science and technology studies | 0.003 | 0.005 |
| Scholarly communication | 0.009 | 0.005 |
| Open science | 0.003 | 0.005 |
| Research integrity | 0.002 | 0.003 |
| 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".