Fitness, fun or friendship: A qualitative approach to understanding motivations to participate in CrossFit
Notice bibliographique
Résumé
CrossFit is a community-oriented exercise program significantly growing in popularity (Wang, 2016). CrossFit consists of constantly varied functional movements performed at a high intensity, and it is generally performed in a class-structured community environment (Glassman, 2007). Given its growing popularity and community-based structure, CrossFit is an important context for understanding the impact of community on an individual's motivation to participate in a unique form of exercise. This study explored individual experiences in participating in CrossFit, along with their perceptions of the community within their gym. 217 (85 male, 132 female) current CrossFit participants (Mage = 34.49, SD = 9.83 years) responded to a series of open-ended questions relating to motivations and experiences with community at their CrossFit gym. Individual responses were thematically coded using Braun and Clarke's (2006) six-stage coding process for thematic analysis. Five distinct themes were identified to describe participants' motivations for choosing CrossFit as their form of exercise: (1) active living (health and fitness as a motivator), (2) mental health (reducing anxiety or stress), (3) personal fulfillment (intrinsic enjoyment), (4) social connections (social and community motivators) and (5) convenience and quality (services provided at the facility). In terms of the social community surrounding participation in CrossFit, three themes were identified: (1) belonging (membership and identity within the group), (2) mutual support (shared experiences offering emotional support), and (3) extending 'outside' the box (Community extending outside the gym). Overall, findings contribute to understanding how community can impact an individual's motivations to participate, adhere and enjoy exercise programs.
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 | 0,026 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,011 | 0,010 |
| Communication savante | 0,006 | 0,006 |
| Science ouverte | 0,003 | 0,008 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».