The Importance of Sport for Development (SfD) for the Social Recovery of the 2020 Pandemic. Directions for Policy Makers
Notice bibliographique
Résumé
In 2010, Kofi Annan supported that sports power must be used as an agent for social change (Kofi Annan Foundation, 2010). Sports are a great dynamic not only for social change to be realized, but also for development within high performance sport systems, as they can be a conduit to peace. Furthermore, sports contribute to personal, but also to community development as it can teach people the importance of team and co-existing. During the 21st century, many important initiatives have been taken place aiming to boost the field called Sport for Development (SfD); nevertheless, different types of crisis such as financial (Földesi, 2014), and COVID-19 crisis (Wong et al., 2020) globally have complicated the development work that uses sport as a tool for various desired outcomes. The 2020 pandemic agitated the international community and made it difficult for sport activities to be operated. The quarantine periods and the various enforcement, laws, policies and recommendations have anecdotally caused more serious harms to groups of people (demographics like women, children, adolescents) (Bullinger et al., 2020). Individuals, especially women and kids were trapped during the quarantine with their abusers, having limited access to help and social activities; activities that aim to empower people, develop their skills and critical thinking. The current paper examines the SfD field and its importance for social development; briefly describes the effects of the lock down on the maximization of abuse, racism and discrimination and finally, proposes directions to be taken into consideration by policy makers so as to minimize the aforementioned phenomena and at the same time strengthen the SfD field.
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 | 0,001 |
| 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 | 0,002 | 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 ».