The present study aimed to develop a football-specific self-report instrument measuring self-regulated learning in the context of daily practice, which can be used to monitor the extent to which players take responsibility for their own learning. Development of the instrument involved six steps: 1. Literature review based on Zimmerman's (2006) theory of self-regulated learning, 2. Item generation, 3. Item validation, 4. Pilot studies, 5. Exploratory factor analysis (EFA), and 6. Confirmatory factor analysis (CFA). The instrument was tested for reliability and validity among 204 elite youth football players aged 13-16 years (Mage = 14.6; s = 0.60; 123 boys, 81 girls). The EFA indicated that a five-factor model fitted the observed data best (reflection, evaluation, planning, speaking up, and coaching). However, the CFA showed that a three-factor structure including 22 items produced a satisfactory model fit (reflection, evaluation, and planning; non-normed fit index [NNFI] = 0.96, comparative fit index [CFI] = 0.95, root mean square error of approximation [RMSEA] = 0.067). While the self-regulation processes of reflection, evaluation, and planning are strongly related and fit well into one model, other self-regulated learning processes seem to be more individually determined. In conclusion, the questionnaire developed in this study is considered a reliable and valid instrument to measure self-regulated learning among elite football players.
Rationale/Purpose: High-performance sport systems offer athletes access to a range of experts including excellent coaches. This study examines the macro-, meso- and micro-level factors associated with coaching elite women athletes within a high-performance sport system. Design/methodology/approach: This research was underpinned by constructionism and critical feminism. The data were collected via semi-structured in-depth interviews with 10 international male elite rowing coaches with experience in coaching men and women athletes and analysed using thematic analysis. Findings: The data shows that at the micro-level, coaches differentiate their practices based on the gender of the athlete. These practices are influenced by meso-level factors (perceived value of sport participated by women) and shaped by macro-level factors (socio-cultural background of the coaches). Practical implications: Coaches’ socio-cultural experiences influence their construct of gender and affect their approach to coaching women athletes. Hence identifying macro-level factors can help managers understand coaches’ perspectives, philosophy and practice at a micro-level. https://doi.org/10.1080/23750472.2019.1641139 LinkedIn: https://www.linkedin.com/in/donna-de-haan/
MULTIFILE
Various discourses construct youth sport as a site for pleasure and participation, for positive development, for performance and for protection/safeguarding. Elite youth sport however continues to be a site for emotionally abusive coaching behaviour. Little attention has been paid to how the institutional context may enable or sustain this behaviour. Specifically, how do coaches and directors involved in high-performance women’s gymnastics position themselves in relationship to these discourses to legitimize the ways they organize and coach it? We drew on a Foucauldian framework to analyse the technologies and rationalities used by directors and coaches of elite women’s gymnastics clubs to legitimize and challenge current coaching behaviours. The results of the 10 semi-structured interviews showed how coaches and directors legitimized coaching behaviour using discourses of pleasure, protection, performance and of coaching expertise and assigning responsibility for current coaching behaviour to athletes, parents, (other) coaches and global and national policies.
LINK
Big data spelen een steeds grotere rol in de (semi)professionele sport. De hoeveelheid gegevens die opgeslagen wordt, groeit exponentieel. Sportbegeleiders (coaches, inspanningsfysiologen, sportfysiotherapeuten en sportartsen) maken steeds vaker gebruik van sensoren om sporters te monitoren. Tijdens trainingen en wedstrijden worden de hartslagen, afgelegde afstanden, snelheden en versnellingen van sporters gemeten. Het analyseren van deze data vormt een grote uitdaging voor het begeleidingsteam van de sporters. Sportbegeleiders willen big data graag inzetten om meer grip te krijgen op sportblessures. Blessures kunnen namelijk desastreuze gevolgen hebben voor teamprestaties en de carrière van (semi)professionele sporters. In totaal stopt maar liefst 33% van de topsporters door blessures met hun sportloopbaan. Daarnaast is uitval door blessures een belangrijke oorzaak van stagnatie van talentontwikkeling. Het lectoraat Sportzorg van de Hogeschool van Amsterdam heeft veel expertise op het gebied van blessurepreventie in de sport. Sportbegeleiders hebben het lectoraat Sportzorg benaderd om antwoord te krijgen op de onderzoeksvraag: Wat zijn op data gebaseerde indicatoren om sportblessures te voorspellen? Deze onderzoeksvraagstelling is opgesplitst in de volgende deelvragen: 1. Hoe kan met sensoren relevante data van sporters verzameld worden om de sportbelasting in kaart te brengen? 2. Welke parameters kunnen blessures voorspellen? 3. Hoe kunnen deze parameters op betekenisvolle en eenvoudige wijze naar sportbegeleiders en sporters teruggekoppeld worden? Het project resulteert in de volgende projectresultaten: - Een overzicht van nauwkeurige en gebruiksvriendelijke sensoren om sportbelasting in kaart te brengen - Een overzicht van relevante parameters die blessures kunnen voorspellen - Een online tool dat per sporter aangeeft of de sporter wel of niet training- of wedstrijdfit is Bij dit project zijn de volgende organisaties betrokken: Hogeschool van Amsterdam, Universiteit Leiden, VUmc, Rijksuniversiteit Groningen (RuG), Amsterdam Institute of Sport Science (AISS), Johan Sports, Centrum voor Topsport en Onderwijs (CTO) Amsterdam, Koninklijke Nederlandse Voetbalbond (KNVB), de Nederlandse Vereniging voor Fysiotherapie in de Sport (NVFS), VV Noordwijk (voetbalclub) en Black Eagles (basketbalclub).
Lichamelijke activiteiten waarbij het skelet wordt belast, zoals wandelen of hardlopen, hebben een positief effect op de botgezondheid. Activiteiten waarbij niet of nauwelijks belasting van het skelet plaatsvindt, zoals fietsen of zwemmen, worden vaker in verband gebracht met een verminderde botgezondheid. Dit is met name een probleem voor (prof-)wielrenners, waarbij lange dagen op de fiets worden doorgebracht. Alarmerend is het feit dat de meerderheid van de profwielrenners te maken heeft met broze botten (osteopenie of osteoporose). Broze botten verhogen het risico op botbreuken. Dat is niet alleen zorgwekkend tijdens de actieve wielercarrière, maar vooral ook daarna. Een lage botdichtheid op jonge leeftijd verhoogt de kans op osteoporose en botbreuken in het latere leven. De vraag vanuit de beroepspraktijk is hoe de botgezondheid van (jonge) wielrenners verbeterd kan worden. Ondanks dat verschillende bewegings- en voedingsinterventies effectief zijn bevonden bij ouderen, is het niet bekend of zulke interventies ook effectief kunnen zijn voor (jonge) wielrenners. Bovendien moet een interventie inpasbaar zijn in het dagelijkse leven van (prof-)wielrenners en niet interfereren met de reguliere trainingsarbeid. Een veelbelovende strategie die aan deze eisen voldoet zijn korte dagelijkse springsessies gecombineerd met collageensuppletie. In dit innovatief pilotonderzoek zullen we testen of deze strategie daadwerkelijk een positief effect heeft op het botmetabolisme. Vervolgens kan de strategie geïmplementeerd worden binnen het profwielrennen, waarbij ook de botgezondheid op langere termijn onderzocht kan worden. Het project wordt uitgevoerd door de Hogeschool van Arnhem en Nijmegen, in samenwerking met wierlerteams Jumbo-Visma en Parkhotel Valkenburg (profploegen), KNWU (wielerunie), Niche4Health (collageensupplementen), en Universiteit Maastricht (wetenschappelijke input en bloedanalyse).
Electronic Sports (esports) is a form of digital entertainment, referred to as "an organised and competitive approach to playing computer games". Its popularity is growing rapidly as a result of an increased prevalence of online gaming, accessibility to technology and access to elite competition.Esports teams are always looking to improve their performance, but with fast-paced interaction, it can be difficult to establish where and how performance can be improved. While qualitative methods are commonly employed and effective, their widespread use provides little differentiation among competitors and struggles with pinpointing specific issues during fast interactions. This is where recent developments in both wearable sensor technology and machine learning can offer a solution. They enable a deep dive into player reactions and strategies, offering insights that surpass traditional qualitative coaching techniquesBy combining insights from gameplay data, team communication data, physiological measurements, and visual tracking, this project aims to develop comprehensive tools that coaches and players can use to gain insight into the performance of individual players and teams, thereby aiming to improve competitive outcomes. Societal IssueAt a societal level, the project aims to revolutionize esports coaching and performance analysis, providing teams with a multi-faceted view of their gameplay. The success of this project could lead to widespread adoption of similar technologies in other competitive fields. At a scientific level, the project could be the starting point for establishing and maintaining further collaboration within the Dutch esports research domain. It will enhance the contribution from Dutch universities to esports research and foster discussions on optimizing coaching and performance analytics. In addition, the study into capturing and analysing gameplay and player data can help deepen our understanding into the intricacies and complexities of teamwork and team performance in high-paced situations/environments. Collaborating partnersTilburg University, Breda Guardians.
