MétaCan
Menu
Retour à la cohorte
Enregistrement W2530365823 · doi:10.3727/152599516x14640225219155

Launching off but Falling Fast: Experiences of Becoming More Physically Active in Response to the Vancouver 2010 Olympic Winter Games

2016· article· en· W2530365823 sur OpenAlexaboutno aff
Luke R. Potwarka, Halyna Tepylo, Darla Fortune, Heather Mair

Notice bibliographique

RevueEvent Management · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSport and Mega-Event Impacts
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAudience measurementThematic analysisFalling (accident)EliteAthletesQualitative researchSociologyPsychologyAdvertisingPublic relationsPolitical sciencePoliticsBusinessSocial scienceMedicine

Résumé

récupéré en direct d'OpenAlex

Using a qualitative approach, we sought insights into the nature of the relationship between a megasport event and increased activity levels in a sample of young adults living within a host nation. To achieve this purpose, we conducted semistructured interviews with current (and recently graduated) university students living in Canada who indicated becoming more active as a result of the Vancouver 2010 Olympic Winter Games. Through our thematic analysis, we identified three interrelated and overarching themes: connecting through engaged viewership; harnessing the connection; and launching off but falling fast. Connecting through engaged viewership refers to personal and meaningful connections participants made with the Olympic athletes they watched. The act of watching elite athletes compete appeared to inspire participants to make positive activity-related changes in their own lives. Harnessing the connection refers to supportive social and built environments, as well as access to particular resources that enabled participants to act on their inspired state. Launching off but falling fast refers to the intense, but fleeting, nature of changes to participants' activity levels. We conclude the article by discussing the significance of our findings in terms of research and practice.

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)0,003
score de la tête « metaresearch » (Gemma)0,006
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 enseignants0,902
Score d'incertitude au seuil0,195

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,006
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0080,007
Communication savante0,0040,001
Science ouverte0,0010,005
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,018
Tête enseignante GPT0,306
Écart entre enseignants0,288 · 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

Citations12
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEvent ManagementMême sujetSport and Mega-Event ImpactsTravaux en français237 207