Sex And Gender Bias In Movement Competence And Confidence Across The Lifespan
Notice bibliographique
Résumé
PURPOSE: It has been posited that movement behaviour variances that exist between males and females may not only be a result of biological sex, but also differences in gender treatment in movement contexts arising from differential expectations (gender bias) that may exist across the lifespan. This can be demonstrated in differences in injury rates (e.g., ACL), physical activity levels, and associated movement competencies. Persistence of bias and the competency/confidence connection is currently underexplored but a necessary component of physical literacy. As such, the purpose was to explore differences in movement competence and confidence throughout the lifespan to begin to understand potential sex and gender biases and the lifelong impact. METHODS: Using a PRISMA model, a systematic review search identified studies on sex differences in movement competence and movement confidence, based on searches in Pubmed, EBSCO and ProQuest databases. A random-effects meta-analysis examined the differences in competence and confidence in males and females across the lifespan, with significance set at p<0.05. RESULTS: Fifteen studies on movement competence (4554 participants) and 7 studies on movement confidence (1646 participants) were identified with data suitable for meta-analysis, with studies ranging from an average age of 1.5 to 64 years. There was a significant effect of sex differences (male>female) for both competence (pooled effect= -0.77; Z=-7.55; p<0.01- see figure) and confidence (pooled effect= -0.49; Z=-4.88; p<0.01), consistent with persistent lifespan effects. CONCLUSIONS: The demonstrated lifespan differences in competence and confidence from pre-pubertal to geriatric populations is disconcerting, and the origins of this may be arsing from gender bias, warranting further exploration. Based on physical literacy, the linkages between competence and confidence are a vehicle for exploring gender bias in various movement contexts.
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 | 0,027 | 0,080 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,012 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».