Key Considerations for Advancing Women in Coaching
Notice bibliographique
Résumé
Women remain underrepresented in the coaching domain across various levels of sport both in Canada and internationally. Despite the use of mentorship as a key strategy to support female coaches, little progress has been seen in achieving parity. At the same time, greater advances in gender equity have occurred in other non-sport sectors such as business, engineering, and medicine. The purpose of this study, therefore, was to learn from non-sport domains that have seen advances in gender equity to inform mentorship for women in coaching. A mixed-methods methodology was employed and consisted of distributing mentorship surveys to female coaches (n = 310) at various competitive levels, representing current (88%), former (12%), full-time (26%), part-time (74%), paid (54%), and unpaid (46%) coaching status. In addition, eight in-depth semi-structured interviews were also conducted with women in senior-level positions across various non-sport domains, including business (n = 1), media (n = 1), engineering (n = 2), higher education (n = 1), law (n = 1), and medicine (n = 2), regarding the role of mentorship in advancing women in their field. A descriptive and thematic analysis of the survey and interview data were conducted and findings are interpreted to suggest considerable variation in the characteristics of female coaches’ mentoring relationships, as well as the need to move beyond mentorship to sponsorship for advancing women in coaching. Recommendations for future research and advancing women in coaching are provided.
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 | 0,021 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,014 | 0,011 |
| Communication savante | 0,011 | 0,007 |
| Science ouverte | 0,002 | 0,012 |
| Intégrité de la recherche | 0,006 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,002 |
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 ».