MétaCan
Menu
Retour à la cohorte
Enregistrement W3188971340 · doi:10.1080/11745398.2021.1949737

Effects of leisure constraints and negotiation on activity enjoyment: a forgotten part of the leisure constraints theory

2021· article· en· W3188971340 sur OpenAlexaffabout
Shintaro Kono, Eiji Ito

Notice bibliographique

RevueAnnals of Leisure Research · 2021
Typearticle
Langueen
DomainePsychology
ThématiqueRecreation, Leisure, Wilderness Management
Établissements canadiensUniversity of Alberta
Organismes subventionnairesJapan Society for the Promotion of Science
Mots-clésNegotiationConstraint (computer-aided design)Context (archaeology)Outcome (game theory)PsychologyLeisure activitySocial psychologyRegression analysisSociologyEconomicsComputer scienceMicroeconomicsGeographyMathematics

Résumé

récupéré en direct d'OpenAlex

Although identified in the definition of leisure constraints, leisure enjoyment has been rarely studied as an outcome of constraints and constraint negotiation. The purpose of this paper is, therefore, to examine the associations among leisure constraints, constraint negotiation, and enjoyment, within the context of leisure-time physical activity (LTPA). Cross-sectional online survey data from 618 Japanese and Euro-Canadian adults were used. Regression results suggested that across different levels of LTPA, enjoyment was negatively associated with constraints and positively with constraint negotiation. Follow-up regression analyses at sub-category level identified specific types of leisure constraints and negotiation strategies particularly pertinent to enjoyment. We conclude that leisure enjoyment is a direct outcome of constraints and constraint negotiation, which supports the call to extend the leisure constraints theory beyond participation as the outcome. Moreover, we suggest that facilitating leisure enjoyment requires awareness of different types of constraints and negotiation strategies depending on activity contexts.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,012
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,004
Communication savante0,0030,002
Science ouverte0,0010,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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.

Tête enseignante Opus0,110
Tête enseignante GPT0,420
Écart entre enseignants0,309 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations32
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAnnals of Leisure ResearchMême sujetRecreation, Leisure, Wilderness ManagementTravaux en français237 207