MétaCan
Menu
Retour à la cohorte
Enregistrement W2092207239 · doi:10.1080/07053436.2002.10707579

Ceasing Participation in Leisure Activities After Immigration: Eastern Europeans and their Leisure Behavior

2002· article· en· W2092207239 sur OpenAlexvenueaboutno aff
Monika Stodolska

Notice bibliographique

RevueLoisir et Société / Society and Leisure · 2002
Typearticle
Langueen
DomainePsychology
ThématiqueRecreation, Leisure, Wilderness Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésImmigrationLeisure timeLeisure activityDemographic economicsSociology of leisureLeisure studiesSociologyPolitical sciencePsychologyEconomicsTourismSocial psychologyPhysical activitySocial scienceMedicine

Résumé

récupéré en direct d'OpenAlex

Although leisure of ethnic and racial minorities has attracted significant attention from leisure scientists, research on leisure behavior of immigrants is only developing and gaining recognition as a legitimate area of inquiry. This paper examines the role of leisure in immigrants’ adaptation by focusing on one aspect of the process of post-arrival leisure change – ceasing participation in leisure activities after settling in the host country. Based on 13 in-depth interviews and a questionnaire survey completed by 264 recent Polish immigrants to Edmonton, Alberta, it explores in-depth ceasing participation patterns among immigrant populations. The study identifies major reasons immigrants have for ceasing participation in their former pastimes (lack of time, environmental differences and financial difficulties), groups of activities most commonly ceased by the newcomers (outdoor recreational activities, typical Polish activities and home-based recreation) and explains the reasons that Eastern European immigrants have for abandoning participation in their favorite activities. Findings of this study are subsequently used to isolate patterns of changes in post-arrival leisure behavior that are likely to be universally applicable as well as to establish factors that might differentiate specific immigrant populations.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,042
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,036
Tête enseignante GPT0,321
Écart entre enseignants0,285 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
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

Citations16
Publié2002
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueLoisir et Société / Society and LeisureMême sujetRecreation, Leisure, Wilderness ManagementTravaux en français237 207