MétaCan
Menu
← Back to cohort
Record W7115030157

EXPLORING HOW SUCCESSFUL UNIVERSITY SOCCER COACHES INTEGRATE FIRST-YEAR PLAYERS INTO THEIR TEAM

2025· dissertation· en· W7115030157 on OpenAlexaboutno aff

Bibliographic record

VenueeScholarship@McGill (McGill) · 2025
Typedissertation
Languageen
FieldSocial Sciences
TopicSports, Gender, and Society
Canadian institutionsnot available
Fundersnot available
KeywordsWork (physics)FootballTraining (meteorology)Agency (philosophy)Perspective (graphical)
DOInot available

Abstract

fetched live from OpenAlex

La transition vers l’université est une période de grand stress pour les athlètes de première année, qui doivent s’adapter à des exigences sportives et académiques accrues, ainsi qu’à de nouveaux défis sociaux et de vie. Dans les sports d’automne à saison condensée, comme le soccer universitaire canadien, les entraîneurs doivent donc avoir des stratégies uniques pour faciliter le processus de transition de leurs athlètes de première année. Par exemple, les entraîneurs des sports d’automne sont autorisés à commencer leur camp d’entraînement au cours de la deuxième semaine du mois d’août et leur saison entière se termine au cours de la première semaine de novembre, ce qui laisse très peu de temps pour faciliter la transition vers l’université pour leurs athlètes de première année. L’objectif de cette étude était donc d’explorer les expériences des entraîneurs de football universitaire, ainsi que les stratégies qu’ils utilisent pour faciliter le processus de transition des athlètes de première année, dans le cadre des contraintes de la saison d’automne condensée. Des entretiens individuels semi-structurés ont été menés avec six entraîneurs ayant connu un succès notable, dont l’expérience moyenne était de 13,8 ans. Les entretiens ont été transcrits intégralement, puis analysés de manière inductive à l’aide d’une analyse thématique réflexive (Braun et al., 2023). Les résultats ont mis en lumière que la courte présaison de trois semaines laissait aux athlètes de première année très peu de temps pour s’adapter à un nouvel environnement et aux exigences importantes sur les plans athlétique et académique. De plus, le nombre réduit de matchs lors de la saison compétitive donnait moins d’occasions aux joueurs de première année de gagner du temps de jeu. Malgré ces contraintes, les entraîneurs ont trouvé des moyens de tisser des liens avec les nouveaux athlètes avant le début du camp d’entraînement. Ils se sont également appuyés sur leurs leaders pour servir de modèles durant le camp et ont délibérément cultivé une culture d’équipe positive et inclusive, favorisant l’autonomie, la responsabilité et le sentiment d’appartenance. Dans l’ensemble, cette étude constitue l’une des premières recherches empiriques à documenter les stratégies utilisées par les entraîneurs de sports d’automne condensés pour faciliter la transition de leurs athlètes de première année. Ces résultats enrichissent donc la littérature sur le coaching sportif et les athlètes de première année, en apportant un éclairage nouveau sur les défis et les stratégies d’entraînements propres au contexte unique d’une saison d’automne condensée

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 imitation

Not 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.

metaresearch head score (Codex)0.003
metaresearch head score (Gemma)0.008
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Qualitative · Consensus signal: Qualitative
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.021
Threshold uncertainty score0.042

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0030.008
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0010.001
Science and technology studies0.0050.002
Scholarly communication0.0100.004
Open science0.0010.004
Research integrity0.0010.002
Insufficient payload (model declined to judge)0.0080.002

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.

Opus teacher head0.059
GPT teacher head0.257
Teacher spread0.198 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designQualitative
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2025
Admission routes1
Has abstractyes

Explore more

Same venueeScholarship@McGill (McGill)→Same topicSports, Gender, and Society→French-language works237,207→