MétaCan
Menu
Retour à la cohorte
Enregistrement W4283800215 · doi:10.1080/02614367.2022.2097299

Savouring the ordinary moments in the midst of trauma: benefits of casual leisure on adjustment following traumatic spinal cord injury

2022· article· en· W4283800215 sur OpenAlexaffabout
Sanghee Chun, Jinmoo Heo, Youngkhill Lee

Notice bibliographique

RevueLeisure Studies · 2022
Typearticle
Langueen
DomainePsychology
ThématiqueRecreation, Leisure, Wilderness Management
Établissements canadiensBrock University
Organismes subventionnairesnon disponible
Mots-clésCasualPsychologyThematic analysisEveryday lifeQualitative researchDevelopmental psychologySocial psychologySociology

Résumé

récupéré en direct d'OpenAlex

The purpose of this study was to explore the benefits of casual forms of leisure during adjustment to traumatic spinal cord injury (SCI). This qualitative study applied a grounded theory approach. A total of 10 participants were recruited from former and current participants of an adaptive sports organisation in Central Canada. The thematic analysis revealed four main themes of the benefits of casual leisure as follows: (a) tasting positive emotions, (b) providing a source of motivation and structure in everyday life, (c) experiencing a sense of belonging, and (d) creating a distance from acquired injury. The findings in this study provided empirical evidence that engagement in casual forms of leisure and savouring the anticipated moments in the midst of trauma can offer various benefits among individuals with traumatic SCI. Especially, our study demonstrated that the experience of joyful and relaxing moments by engaging in activities promoted various positive emotions during the stressful adjustment period. Also, the findings demonstrated that regular engagement in casual leisure is an important source of motivation in everyday life. Implications for professional practice are discussed.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0030,003
Communication savante0,0020,001
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,092
Tête enseignante GPT0,383
Écart entre enseignants0,291 · 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'étudeQualitatif
Domainenon disponible
GenreEmpirique

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

En bref

Citations6
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueLeisure StudiesMême sujetRecreation, Leisure, Wilderness ManagementTravaux en français237 207