Recommendations from LGBTQ+ adults for increased inclusion within physical activity: a qualitative content analysis
Notice bibliographique
Résumé
For decades, physical activity contexts have been inherently exclusionary toward LGBTQ+ participation through their perpetuation of practices and systems that support sexuality- and gender-based discrimination. Progress toward LGBTQ+ inclusivity within physical activity has been severely limited by a lack of actionable and practical suggestions. The purpose of this study was to garner an extensive account of suggestions for inclusivity from LGBTQ+ adults. Using an online cross-sectional survey, LGBTQ+ adults (N = 766) were asked the following open-ended question, "in what ways do you think physical activity could be altered to be more inclusive of LGBTQ+ participation?" The resulting texts were coded using inductive qualitative content analysis. All coding was subject to critical peer review. Participants' suggestions have been organized and presented under two overarching points of improvement: (a) creation of safe(r) spaces and (b) challenging the gender binary. Participants (n = 558; 72.8%) outlined several components integral to the creation and maintenance of safe(r) spaces such as: (i) LGBTQ+ memberships, (ii) inclusivity training for fitness facility staff, (iii) informative advertisement of LGBTQ+ inclusion, (iv) antidiscrimination policies, and (v) diverse representation. Suggestions for challenging the gender binary (n = 483; 63.1%) called for the creation of single stalls or gender-neutral locker rooms, as well as for the questioning of gender-based stereotypes and binary divisions of gender within physical activity (e.g., using skill level and experience to divide sports teams as opposed to gender). The findings of this study represent a multitude of practical suggestions for LGBTQ+ inclusivity that can be applied to a myriad of physical 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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,078 | 0,086 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,009 | 0,008 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,003 | 0,008 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».