MétaCan
Menu
Retour à la cohorte
Enregistrement W4393232853 · doi:10.1080/23750472.2024.2332673

“Hands off”: responsibilizing low-income citizens through fee assistance programs

2024· article· en· W4393232853 sur OpenAlexafffund
Megan Fortune, Jackie Oncescu

Notice bibliographique

RevueManaging Sport and Leisure · 2024
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHomelessness and Social Issues
Établissements canadiensUniversity of New Brunswick
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésLow incomeBusinessInternet privacyDemographic economicsEconomicsComputer science

Résumé

récupéré en direct d'OpenAlex

Rationale To critically examine fee assistance programs (FAPs) through the lens of responsibilization and discuss the implications of creating access to sport for low-income families.Method Semi-structured interviews were conducted with 12 volunteers and administrative staff from community sport organizations in New Brunswick who facilitated FAPs for their organizations.Findings Four themes were constructed and discussed, illuminating how FAPs responsibilize low-income families: (1) Don’t advertise, don’t share: Applicants do all the work; (2) Passive but efficient: Processes of FAPs; (3) It’s always the parent: Communication of FAPs; and (4) You have to take ownership: Families need to be accountable.Practical implications This study is valuable to practitioners interested in understanding how FAPs may cause harm by excluding low-income families.Research contribution This study demonstrates how responsibilization is evident in facilitating FAPs in community sport organizations in New Brunswick and the consequences of creating access to community 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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,420
Score d'incertitude au seuil0,778

Scores Codex et Gemma par catégorie

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

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 Opus0,037
Tête enseignante GPT0,379
Écart entre enseignants0,342 · 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 tête enseignante, 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
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueManaging Sport and LeisureMême sujetHomelessness and Social IssuesTravaux en français237 207