Fight like a girl : digital storytelling for resilience strategies
Notice bibliographique
Résumé
My major research paper (MRP) seeks to explore the relationship between resilience strategies and women in martial arts. It is the foundation for a knowledge translation project which seeks to create an interactive fiction piece to teach self-motivation strategies utilized by women athletes in combat arts. This interactive fiction piece is not meant to be a clinical tool for depression or anxiety, but is instead a self-empowerment tool. By interviewing 10 women who participate in Muay Thai as amateur fighters, I was able to evaluate which strategies were common and effective. These included discipline, organization, growth mindset, and finding an overarching purpose. There were also many barriers that were similar between the participants of my study, including ineffective coaching techniques, unsupportive friends and family, and unrealistic representations of women in martial arts by the media. Lastly, the participants of my study offered several suggestions for the game creation, including designing accurate physical representations of women's bodies, acknowledging barriers and sacrifices for women in the sport, and offering the opportunity in-game for self-reflection self-reflection to mimic self-improvement. The term knowledge translation reveals that we speak in different languages and conventions than people outside of academia. The term knowledge mobilization illustrates that we have to go out of our way to reach these people, many of whom are the subjects of our research. These two concepts can and should be integrated as we conduct our research, write our papers, and publish; they should not simply exist as an afterthought. I urge every scholar who reads this paper to consider the ways we can create a culture which encourages inclusivity and equitable access.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».