SafeSport: Perceptions of Harassment and Abuse From Elite Youth Athletes at the Winter Youth Olympic Games, Lausanne 2020
Notice bibliographique
Résumé
OBJECTIVE: To analyze the Winter Youth Olympic Games (YOG) 2020 athletes' understanding and perceptions of harassment and abuse in sport and their knowledge of reporting mechanisms. DESIGN: A cohort study. SETTING: The Winter YOG2020 in Lausanne, Switzerland. PARTICIPANTS: Accredited athletes at the YOG2020. INTERVENTION: An athlete safeguarding educational program was delivered at the YOG2020. Participating athletes were encouraged to answer a survey embedded in the safeguarding educational materials during the YOG. MAIN OUTCOME MEASURES: Perception of occurrence of harassment and abuse as well as knowledge of the term "safe sport" and reporting mechanisms. RESULTS: The survey response rate of athletes attending the Safe Sport Booth was 69%. When asked to define Safe Sport, 10% of athletes at the YOG2020 correctly identified a sport environment free from harassment and abuse, 20% identified fair play/antidoping, and 19% safety. When presented with the definition of harassment and abuse, 30.4% expressed surprise, in contrast to 46% in the summer YOG2018. A third (32%) reported that harassment and abuse was either "likely" or "very likely" present in their sport, which was similar to the YOG2018 (34%). The group of athletes not knowing where to go to report harassment and abuse was greater than in the YOG2018 (26% vs 11%). There were no differences in responses between competitive sex (boys' vs girls' events) or type of sport (team vs individual). CONCLUSIONS: Outcomes of this study, such as the development of youth-friendly terminology and emphasizing mechanisms for reporting of harassment and abuse, should inform the development of safeguarding educational materials for youth athletes.
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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 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 ».