“You Can Sit in the Middle or Be One of the Outliers”: Older Male Athletes and the Complexities of Social Comparison
Notice bibliographique
Résumé
Sporting events for older adults are proliferating in both popularity and participation numbers, mirroring the growth that is occurring globally with an aging population. Preliminary evidence indicates that older athletes have a tendency to compare themselves (in terms of their performance, participation, and aging) to inactive older adults deemed ‘worse-off’. Using social comparison theory as a guiding framework, our aim was to explore the way athletes spoke about their own sport participation and the extent to which that influenced their perceptions of other people in their age cohort. We also interpreted their stories in the broader context of current policies which promote sport across the lifespan. For this study, 17 male competitive athletes (age range from 70 to 90 years) who participated in either the 2013 or 2017 World Masters Games were interviewed as part of a larger project on the meaning of sport in their lives. Seven different sports were represented, and participants hailed from multiple countries. We used qualitative methods to interview each participant, analyze individual transcripts, and develop common themes across the data set to address the aforementioned aims. Two major themes emerged from the analysis, Sport as social comparison: “It’s the competitive nature” and Downward comparisons. A number of participants commented on the nature of sport, and competitive sport in particular, as being important to their motivation to train and prepare. This results-oriented environment appeared to provide a fertile ground for social comparison. Within the theme of Downward comparisons, we established two categories; Resisting loss, and Assigning blame. While downward comparisons were used by our participants to separate themselves from other seniors of the same age, thereby bolstering their sense of self, they also tied those comparisons to individual responsibility for health and believed that compromised health was due to individual negligence and bad decisions. Ultimately, the useful psychological strategy of social comparison for maintaining a positive sense of self and performance may also have some unintended individual and societal consequences.
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 | 0,002 |
| 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 ».