MétaCan
Menu
Retour à la cohorte
Enregistrement W2956109034 · doi:10.5539/gjhs.v11n7p154

The Perspectives of Amateur Soccer Players and their Coaches on the Use of Performance Enhancing Substances

2019· article· en· W2956109034 sur OpenAlexfundvenueno aff
Thanujj Kisten, Rowena Naidoo

Notice bibliographique

RevueGlobal Journal of Health Science · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDoping in Sports
Établissements canadiensnon disponible
Organismes subventionnairesInyuvesi Yakwazulu-NataliWorld Anti-Doping Agency
Mots-clésAthletesAmateurAmateur sportsPerformance enhancementPsychological interventionCoachingPsychologyMedicineApplied psychologyMedical educationPhysical therapyAdvertisingNursingPolitical sciencePhysical medicine and rehabilitation

Résumé

récupéré en direct d'OpenAlex

Adolescent and youth sports seem to have progressively developed in South Africa to the point where young athletes are considering doping and the use of performance-enhancing substances (PES). This study determined the perspectives of U-19 soccer players and their coaches in the eThekwini region, KwaZulu-Natal, South Africa, on the use of supplements and drugs. Male participants (n = 449) playing first team soccer from development clubs in the eThekwini region, and their respective coaches (n = 30), volunteered to participate in this study. A questionnaire was administered to players and coaches were interviewed. Soccer players and their coaches believed that consuming prohibited substances in sport was unethical. The majority of the players (73.9% either agreed or strongly agreed) and coaches believed that doping in soccer is on the increase. About a quarter of the players consumed nutritional supplements and smoked cannabis. Anti-doping educational programmes and behaviour change interventions are vital in order to educate and transform athletes’ and coaches’ perspectives on doping and PES, and their resultant behaviour.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,029
Score d'incertitude au seuil0,058

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0040,002
Communication savante0,0030,001
Science ouverte0,0000,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,048
Tête enseignante GPT0,332
Écart entre enseignants0,284 · 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

Citations6
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGlobal Journal of Health ScienceMême sujetDoping in SportsTravaux en français237 207