Advocating for Gender Equity in Sport: An Analysis of the Canadian Women and Sport She’s Got It All Campaign
Notice bibliographique
Résumé
Despite increasing access to sport and exercise opportunities, girls and women in Canada continue to face gender disparity in sport participation. Several media campaigns have emerged to address this disparity and advocate for gender equity in sport. However, there is little understanding or evaluation of the content of these media campaigns. Informed by sport participation research, the She’s Got It All campaign was designed to highlight the challenges and intersecting disadvantages that girls and women face in sport. The purpose of the current study was to assess the textual and visual content of this campaign. The posters ( N = 48) were analyzed using inductive thematic analysis (text) and deductive content analysis (visual) to identify the characteristics of the images and the themes in the messages. Based on the thematic analysis, seven main themes pertaining to girls’ and women’s barriers to sport participation are identified including physiology, gendered social behaviors, intrapersonal beliefs, environmental contexts, stereotypes, female representation, and interpersonal support. Based on the content analysis, most of the models presented in the posters are perceived as White and average-sized adult women, with visible muscle definition, slightly or nonrevealing clothing, and performing an individual sport. The poster visual and text material seem to miss opportunities to highlight the experiences of girls and women identifying as lesbian, gay, bisexual, transgender, queer (or sometimes questioning), and others and those classified as lower socioeconomic status. These findings provide foundational information for future research and media campaign designed to target gender equity in sport.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».