"I started noticing this bigger gap": How feelings of difference impact sport competence among young people living in neighborhood improvement areas
Notice bibliographique
Résumé
Sport involvement is suggested to offer a context for health and wellness, civic engagement, economic development and prosperity, and other physical, psychological, and social benefits (Canadian Sport Policy, 2012; Fraser-Thomas et al., 2005); however, sport can also be a site for differentiating, marginalizing and excluding individuals and groups (Spaaij et al., 2014). This study explored the lived experience of sport participation among 16 youth and young adults living in Neighborhood Improvement Areas within Toronto. Recognizing that culture is fundamental to an individual's experiences, behaviours, and identity, we utilized a cultural praxis framework, which combines blended theory, lived culture, and social action (Blodgett et al., 2015). Specifically, we adopted a narrative inquiry approach guided by the principles of community-based research (e.g., Conrad & Campbell, 2005). Findings indicate that feelings of difference (e.g., body, skills, opportunities) influenced perceptions of sport competence, which in turn affected sport participation outcomes (e.g., drop-out, poor performance, and resilience). Participants often expressed feelings of difference in the context of geography, ethnicity and gender. Findings are discussed through the lens of Harter's (1978, 1982) Competence Motivation Theory and Cultural Studies Framework (Fisher et al., 2003). This research suggests that broader contextual issues need to be considered when exploring sport competence and motivation for sport participation. Specifically, findings highlight the importance of acknowledging feelings of difference in sport contexts, creating more welcoming sport environments for all youth and young adults, increasing access and opportunities, and enhancing perceptions of competence.
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 | 0,004 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,005 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».