Exploring the sport commitment of regional-level masters athletes as a function of gender and age
Notice bibliographique
Résumé
The Sport Commitment Model (SCM; Scanlan et al., 2003) examines motivations behind continued sport participation. Using a modified SCM (Wilson et al., 2004), we surveyed 193 regional/provincial level Ontario adults from mixed sport types (99 m, 94 f; M age = 51.5). Two separate multiple regressions showed that enjoyment (? = .45) and personal investments (.31) predicted functional commitment (FC; R2 = .55), whereas social constraints (? = .34) and personal investments (.32) predicted obligatory commitment (OC; R2 = .22), ps< .001. Regarding gender, females reported higher enjoyment and FC levels, ps < .006. A series of regression analyses to examine gender effects revealed no differences for predictors of FC, with enjoyment (? m = .51; f = .26) and personal investments (m = .35; f = .54) significant. Personal investments (m = .39; f = .26) and social constraints (m = .26; f = .46) predicted OC for both, whereas enjoyment (-.22) and involvement alternatives (-.25) uniquely predicted female and male levels, respectively, ps < .04. Exploration of differences across young (35-44), middle (45-54) and older (55+ yr) age groups showed no significant mean differences for predictors, FC or OC. Regression analyses showed similar results for FC across all groups, with enjoyment and personal investments significant predictors, ps < .05. The OC model did not fit the 55+ group (p = .15). Social constraints (? y= .54; mid = .26), personal investments (y= .34; mid = .44), and enjoyment (y = -.34; mid = -.31) each predicted OC for the two younger groups, whereas social support (-.29) and involvement opportunities (.28) were predictors only for 35–44 yr-olds, ps
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».