Nobody wants liars in sports?! Doping perception and ideas for prevention in a school setting
Notice bibliographique
Résumé
Doping is one of the major crises in high-performance sports, which emphasizes the necessity of an efficient doping prevention. Ideas how to initiate doping prevention have been complemented by a broader and societal perspective (Petroczi, Norman, & Brueckner, 2017). In order to protect young athletes and to conduct constructive discussions without focusing on moral aspects or sanctions, alternate ideas (e.g., in Germany) aim to integrate doping and prevention in school settings and can be integrated in the concept of physical literacy (e.g., Lundvall, 2015; Ontario Curriculum). An online survey was conducted to gain a deeper understanding of doping-related prerequisites and to deduce recommendations how doping prevention could be integrated in physical education. To the time of submission, the sample (n = 51) is characterized by students (63%) who want to become teachers in physical education. In line with elite sport coaches (Poppel & Busch, 2019), participants perceive a higher severity of doping and doping prevalence in sports (international elite sports: M = 51.7%) than official data of the World Anti-Doping Agency (1.6%, 2017) indicate. From their point of view, doping(prevention) should be integrated in school subjects like physical education, biology or ethics. According to the ideas of literacy in health and physical education contents should be worked out in discussions, own little research projects, critical analyses, or role plays. The efficacy of transdisciplinary prevention projects needs to be proven in further research. It is planned to conduct further research in Canada as a reference sample.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».