MétaCan
Menu
Retour à la cohorte
Enregistrement W4284894520 · doi:10.1007/s10101-022-00275-0

State politics and gender diversity in sport governance

2022· article· en· W4284894520 sur OpenAlexaff
Lara Lesch, Shannon Kerwin, Pamela Wicker

Notice bibliographique

RevueEconomics of Governance · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSports, Gender, and Society
Établissements canadiensRegional Municipality of NiagaraBrock University
Organismes subventionnairesUniversität Bielefeld
Mots-clésParliamentCorporate governancePoliticsSpillover effectPolitical scienceGovernment (linguistics)Diversity (politics)State (computer science)Political economyComparative politicsPublic administrationSociologyLawEconomics

Résumé

récupéré en direct d'OpenAlex

Abstract This study investigates the relationship between state politics and sport governance based on an institutional framework and the concept of spillover effects. Specifically, it examines whether spillover effects occur from state parliament and government composition to board gender diversity within sport governing bodies. Organizational-level data from German national and state sport governing bodies were collected (n = 930). They were combined with state-level data on the government composition by gender and political party (parliament, ministers) based on the location of each sport governing body’s headquarter. The results show that on average 20.1% of board members in sport governing bodies are women. Regression analyses indicate that the share of parliamentarians from the Social Democrats and the Green party is positively associated with the share of women in sport governance, while the share of Liberals in the parliament is negatively related. The share of women parliamentarians from the Social party and the share of women Conservative ministers are negatively related to women in sport governance. The findings indicate that women representation in sport governance is linked to state politics, suggesting that spillover effects occur from an organizations’ political environment.

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)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0010,001
Science ouverte0,0000,002
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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 Opus0,027
Tête enseignante GPT0,247
Écart entre enseignants0,220 · 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'étudeObservationnel
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

Citations3
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEconomics of GovernanceMême sujetSports, Gender, and SocietyTravaux en français237 207