MétaCan
Menu
Retour à la cohorte
Enregistrement W1978598618 · doi:10.1123/jis.2014-0094

Getting Jacked and Burning Fat: Examining Doping and Gender Stereotypes in Canadian University Sport

2014· article· en· W1978598618 sur OpenAlexafffundabout
Charlene Weaving, Sarah Teetzel

Notice bibliographique

RevueJournal of Intercollegiate Sport · 2014
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDoping in Sports
Établissements canadiensUniversity of ManitobaSt. Francis Xavier University
Organismes subventionnairesWorld Anti-Doping Agency
Mots-clésPsychologyGender relationsSocial psychologyGender studiesPolitical scienceSociology

Résumé

récupéré en direct d'OpenAlex

In this paper, the authors analyze the results of a three-year qualitative study examining Canadian female and male university student athletes’ perceptions of gender and doping. Student athletes (n = 38) discussed their perceptions of doping, gender, and sport during in-depth, semistructured interviews. The results demonstrate the extent that student athletes continue to draw on gender stereotypes in assessing acceptable and unacceptable substance use in sport. Many of the student athletes interviewed acknowledged or applied extensive gender stereotyping in discussing their understanding of femininity and masculinity in sport. Women athletes, in particular, indicated they were hesitant to use both banned and permitted ergogenic supplements out of fear of becoming too muscular or masculine, while several male athletes expressed feeling pressure to appear muscular, especially if they wanted to be successful in traditionally male-dominated sports such as football. Applying previous theoretical work Lock by (2003) and Bartky (1990) to the themes resulting from the interviews, the authors argue that student athletes’ attitudes toward doping remain engulfed in gender stereotypes. Because doping culture in the Canadian university system is entangled with gender stereotyping, doping education and prevention programs would benefit from taking these gender stereotypes into account, rather than pretending they do not exist.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,088
Score d'incertitude au seuil0,227

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,010
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0030,003
Études des sciences et des technologies0,0270,014
Communication savante0,0050,002
Science ouverte0,0020,004
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,024
Tête enseignante GPT0,267
Écart entre enseignants0,243 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2014
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of Intercollegiate SportMême sujetDoping in SportsTravaux en français237 207