MétaCan
Menu
Retour à la cohorte
Enregistrement W3199752868 · doi:10.1136/bjsports-2021-104874

Sports equity: a new BJSM e-Edition brings the fundamentals back into focus

2021· editorial· en· W3199752868 sur OpenAlexaff
Yetsa A. Tuakli‐Wosornu, Phathokuhle Cele Zondi, Gail Knudson, Yuka Tsukahara, D. Chatziefstathiou, Sean Tweedy, Jane S Thornton

Notice bibliographique

RevueBritish Journal of Sports Medicine · 2021
Typeeditorial
Langueen
DomaineSocial Sciences
ThématiqueDoping in Sports
Établissements canadiensWestern UniversityUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésPrivilege (computing)DisadvantageOppressionDisadvantagedEquity (law)SociologyThrivingExploitPower (physics)PopularityPublic relationsGender studiesPsychologySocial psychologyPolitical scienceSocial scienceLawPoliticsComputer securityComputer science

Résumé

récupéré en direct d'OpenAlex

> Change your leaves, keep intact your roots > > –Victor Hugo Throughout history and across cultures, nearly all human societies have constructed systems of privilege and power that oppress, exploit and disadvantage some, while empowering others.1 Across sectors, the powerful have engineered these systems to achieve step-change economic gains at the expense of the oppressed. In addition to wealth, systems of oppression also generate non-material benefits for those on the weighty side of the power imbalance. Consciously or not, as micro-aggressions and macro-aggressions from the advantaged are dealt down the power gradient to the disadvantaged, social advancement opportunities and recognition disproportionately benefit the dominant group.1 The key here is that people actively thought this through . These intentionally designed systems divide society into a dystopian hierarchy based on race/ethnicity, gender, perceived ability, wealth, age and more, despite the fundamental human rights all people are equally due. As clinicians and academics, we have the opportunity to consciously and deliberately expose and dismantle societal biases in our field of Sport and Exercise Medicine (SEM). While …

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)0,005
score de la tête « metaresearch » (Gemma)0,027
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Éditorial · Signal consensuel: Éditorial
Score de désaccord entre enseignants0,050
Score d'incertitude au seuil0,167

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,027
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0030,002
Bibliométrie0,0040,002
Études des sciences et des technologies0,0030,003
Communication savante0,0100,006
Science ouverte0,0030,003
Intégrité de la recherche0,0120,020
Charge utile insuffisante (le modèle a refusé de juger)0,0500,029

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 Opus0,019
Tête enseignante GPT0,331
Écart entre enseignants0,312 · 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'étudeSans objet
Domainenon disponible
GenreÉditorial

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

En bref

Citations15
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBritish Journal of Sports MedicineMême sujetDoping in SportsTravaux en français237 207