MétaCan
Menu
Retour à la cohorte
Enregistrement W2305938735 · doi:10.1093/heapro/daw009

Inter-categorical intersectionality and leisure-based physical activity in Canada

2016· article· en· W2305938735 sur OpenAlexaffabout
Hayfa Abichahine, Gerry Veenstra

Notice bibliographique

RevueHealth Promotion International · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSports, Gender, and Society
Établissements canadiensUniversity of British ColumbiaProvincial Health Services Authority
Organismes subventionnairesnon disponible
Mots-clésIntersectionalityCategorical variablePhysical activitySociologyGender studiesPsychologyMedicineComputer sciencePhysical medicine and rehabilitation

Résumé

récupéré en direct d'OpenAlex

Leisure-based physical activity is socially stratified in Canada. To date, inequalities in physical activity by race or ethnicity, gender, class or sexual orientation, in Canada and elsewhere, have largely been investigated as distinct, additive phenomena. Informed by intersectionality theory, this paper examines whether racial identity, gender, class and sexuality 'intersect' with one another to predict physical activity in data from Cycles 2.1 and 3.1 of the Canadian Community Health Survey (n= 149 574). In particular, we apply the intersectional principle of multiplicativity which suggests that people's experiences of their gender identities are raced, classed and sexualized; their racial experiences are gendered, classed and sexualized, and so forth. We find that the positive effect of income on being physically active is strong among visible minority men, of moderate strength among White men and women and weak to non-existent among visible minority women. We also find that a lesbian, gay or bisexual orientation corresponds with a higher likelihood of being physically active among women (especially among less educated women) but not among men. These multiplicative findings undermine additive approaches to investigating social inequalities in leisure-based physical activity and pave the way for future intersectional analyses of axes of inequality and their diverse, intersecting effects.

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 candidatesaucune
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 enseignants0,121
Score d'incertitude au seuil0,808

Scores Codex et Gemma par catégorie

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

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 Opus0,063
Tête enseignante GPT0,370
Écart entre enseignants0,307 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations59
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueHealth Promotion InternationalMême sujetSports, Gender, and SocietyTravaux en français237 207