An inventory of the South african fitness industry
Notice bibliographique
Résumé
Objective. The aim of this study was to create an inventory of fitness facilities in South Africa, their location, equipment and services offered, and the demographics, education and training of the staff working in these facilities. Design. A total of 750 facilities were identified, and descriptive data were gathered from 442 facilities (59%) with the use of a questionnaire administered telephonically and via the website of the Sports Science Institute of South Africa. Setting. The study was initiated by the Sports Science Institute, and the results were presented at the 4th Annual Discovery Vitality Fitness Convention on 4 May 2006. Results. Results show that the industry comprises mainly independent facilities (68%). All types of facilities were found to be located mostly within urban areas, and reported providing services to just less than 2% of the South African population. Facilities offer a wide range of equipment and services to their members. Of the fitness-related staff at facilities, the majority were reported to be young (18 - 25 years, 55% of male, and 49% of female staff), and in terms of racial proportions most staff were white (males 40% of total staff and females 33% of total staff).Less than a quarter of fitness-related staff hold university qualifications, and just over 80% of instructors hold qualifications aligned with the National Qualifications Framework. The importance of education and training of staff was emphasised by respondents. Conclusions. This report highlights the widespread value of assessing the fitness industry, particularly within the context of the rise of chronic diseases in South Africa and government initiatives to promote healthy lifestyles. South African Journal of Sports Medicine Vol. 18 (3) 2006: pp. 93-104
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».