The challenges of harmonising anti-doping policy implementation
Notice bibliographique
Résumé
The policy-implementation gap conceptualises how policy intentions and outcomes often differ due to a failure to consider the realities of implementation. The World Anti-Doping Agency (WADA) directs Olympic anti-doping policy, seeking to harmonise anti-doping policy globally; however, the realisation of consistent implementation has proven challenging. A major cause of inconsistent policy implementation is inter-signatory variation, but the mechanisms of variation are poorly understood. WADA provides an excellent example to explore why policy gaps occur in international sport governance. Consequently, we aimed to analyse the different types of inter-signatory variation in anti-doping policy and identify practical solutions to address inter-signatory variation in anti-doping. Data were collected from the Regional Anti-Doping Programme (RADO), a group of organisations tasked with increasing the capacity of NADOs globally. Semi-structured interviews were conducted with 22 RADO staff and board members who were sampled as key informants to discuss how inter-signatory variation affects anti-doping policy compliance. Following reflexive thematic analysis, we identified four thematic categories explaining inter-signatory variation in anti-doping implementation: (1) socio-geographic, (2) political, (3) organisational, and (4) human resources. Based on our analysis, we theorise why the policy-implementation gap occurs and provide recommendations to improve anti-doping policy implementation.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,155 | 0,203 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,005 | 0,015 |
| Communication savante | 0,015 | 0,015 |
| Science ouverte | 0,006 | 0,011 |
| Intégrité de la recherche | 0,009 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».