Capacity for gender equity initiatives: a multiple case study investigation of national sport organisations
Notice bibliographique
Résumé
To better understand mechanisms for gender equity in sport, the critical elements of capacity of Canadian national sport organisations (NSOs) to implement gender equity initiatives, and the relative strengths and challenges of those elements, were investigated. Environmental factors perceived to influence that capacity were also explored. The study was framed by Hall et al.’s (2003) multidimensional model of organisational capacity. Instrumental case studies were used to examine and compare the capacity of three NSOs engaged in addressing gender equity in their sport through their respective initiatives designed to increase the engagement of women in sport as athletes, coaches, and officials. Semi-structured interviews (n = 15) were conducted with board members and staff across the three NSOs. Several common capacity strengths (e.g., knowledgeable and experienced staff, dedicated funding) and challenges (e.g., limited staff, constraints in external communication) were identified. Capacity elements unique to each NSO were also uncovered. Environmental factors influencing the NSOs’ capacity to implement their respective gender equity initiatives included the broad political climate, access to volunteers, and availability of additional funding sources . The findings address the call for further evidence of critical organisational practices for enacting gender equity, with a particular focus on NSOs, and framed by a multidimensional model of organisational capacity and environmental influences. The findings have implications for being aware of the capacity of NSOs to address government policy and directives for gender equity in sport, and for maintaining and building capacity to implement gender equity initiatives.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 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 ».