Prevention of Sexual Violence in sport: A Socioecological Review
Notice bibliographique
Résumé
Sexual violence in sport is prevalent and represents a serious public health concern. The social-ecological model for health promotion has been used successfully as a framework to identify individual-to-policy level factors aimed at health promotion or disease prevention. The purpose of this review was to examine both published and non-published (publicly available) SVP efforts conducted within the context of sport and make recommendations for future practice. Grey literature search methods were utilized to conduct a review of publicly available documents. This included (a) a comprehensive Google search using unique search terms that would identify SVP efforts within sport settings and (b) a review of the publicly accessible websites identified in the previous step. Following the grey literature search, and using the SVP practices identified in step one, we conducted a supplementary literature search using scientific publication search engines to identify whether the SVP practices identified in step one had associated peer-reviewed publications. Finally, we assessed various characteristics of each SVP practice including the target population, age range of intended participants, and whether the SVP had associated peer review publications. This led to the identification of 35 unique SVP practices: 25 (71%) SVP practices were assigned to the Intrapersonal level, 6 (17%) were assigned to the Interpersonal level, 9 (26%) were assigned to the Organizational level, 3 (9%) were assigned to the Community, and 2 (6%) were assigned to the Policy level. This review uncovered several important findings including a lack of multi-level SVP practices within sport, a lack of SVP practices that target children, minimal programming aimed at specifically preventing perpetration, the need to elevate policy level action, and a lack of peer-reviewed literature. Ultimately findings suggest that sport organizations ought to prioritize sexual violence prevention using national organizations for guidance.
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 | 0,005 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,014 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».