Challenges for sport organisations developing and delivering non‐traditional social sport products for insufficiently active populations
Notice bibliographique
Résumé
OBJECTIVES: To explore the challenges that Victorian sporting organisations experience when developing, delivering or scaling non-traditional social sport products to engage insufficiently active people. METHODS: Online Concept Mapping was used to gather qualitative data and analyse it quantitatively. RESULTS: A total of 68 participants (27 organisations) brainstormed 158 challenges. The research team synthesised these to 71 unique challenges for participants to sort into groups and rate for importance (0-5) and ease of overcoming (0-5). A nine-cluster solution - Deliverers; Capacity to drive the product; Facilities and partnerships; Product development; Sustainable business model; Marketing to insufficiently active; Attracting the insufficiently active; Clubs and volunteers; and Shifting traditional sport culture - was considered most appropriate. Participants rated the Deliverers challenges as the most important (mean=3.52), and the Marketing to insufficiently active challenges as the easiest to overcome (2.72). CONCLUSIONS: Key ingredients to successfully developing and delivering non-traditional sport opportunities for insufficiently active populations are: recruiting appropriate product deliverers; building the capacity of delivery organisations and systems; and developing products relevant to the delivery context that align with the needs and characteristics of the target population. Implications for public health: A system-wide response is required to address the challenges associated with sport organisations developing, scaling and delivering innovative social sport products for insufficiently active populations.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| 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) | 0,000 | 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 tête enseignante, 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 ».