MétaCan
Menu
Retour à la cohorte
Enregistrement W4382069928 · doi:10.1080/02614367.2023.2228511

The Influence of Leisure on the Quality of Life of Refugees in Turkey

2023· article· en· W4382069928 sur OpenAlexaff
Monir Shahzeidi, Garrett A. Stone, Bijen Filiz

Notice bibliographique

RevueLeisure Studies · 2023
Typearticle
Langueen
DomainePsychology
ThématiqueMigration, Health and Trauma
Établissements canadiensVancouver Island UniversityUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésRefugeeQuality of life (healthcare)Psychological interventionGerontologyPsychologyMedicinePolitical sciencePsychiatry

Résumé

récupéré en direct d'OpenAlex

Quality of life (QOL) is of great concern for refugees who experience significant hardship and life changes. Leisure may support refugees’ QOL, however, a review of the literature reveals a gap in understanding the influence of leisure availability and participation on the QOL of adult refugees residing in Turkey. This study examined the influence of different dimensions of leisure (i.e. active, passive, and social) on the QOL of refugees (i.e. physical, psychological, social, and environmental) using the WHOQOL-BREF scale. Responses from 203 adult refugees residing in Turkey were analysed using structural equation modelling. Results showed that both leisure availability (β = .80, p < .001) and participation (β = .32, p < .001) strongly influenced QOL. Leisure availability also indirectly and positively influenced QOL through participation (β = .39, p < .001). The calculated R-squared (R2 = .45) showed that variation in leisure availability and participation explains a significant proportion of variation in QOL of refugees who participated in this study. It can be interpreted that improving refugees’ perceived and actual access to leisure and facilitating their leisure participation may substantially improve their QOL when coupled with other interventions.

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)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,090
Tête enseignante GPT0,434
Écart entre enseignants0,344 · 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

Citations7
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLeisure StudiesMême sujetMigration, Health and TraumaTravaux en français237 207