Athletes from Great Britain report greater doping likelihood than Greek and Italian athletes: A cross-sectional survey of over 4,000 athletes
Notice bibliographique
Résumé
• Over 4000 athletes from three countries completed a measure of doping likelihood. • Men reported greater doping likelihood than women. • Non-Olympic Sport athletes report greater doping likelihood than Olympic Sport athletes. • Athletes from Great Britain reported greater doping likelihood than Greek and Italian athletes. In the past twenty years, a large body of research has examined who is more likely to dope as a function of participant variables, such as gender, sport type, and competition level. However, this research is limited as studies are often conducted on modest sample sizes from one country. To overcome this issue, we recruited a large sample of athletes across three countries to examine differences in doping likelihood as a function of participant variables. Athletes ( N = 4,644) were recruited from Great Britain ( n = 2,505), Greece ( n = 1,044), and Italy ( n = 1,095) and asked to complete an anonymous measure of doping likelihood. Results indicated that doping likelihood scores were greater in men than women, for athletes competing in non-Olympic sports (e.g., American football, kickboxing, netball) than Olympic sports (e.g., Athletics, basketball, football) and in British athletes than both Greek and Italian athletes. We found an interaction between country and competitive level. Specifically, in Great Britain, higher competitive level athletes reported greater doping likelihood than lower competitive level athletes, which was not found for Greek and Italian athletes. Our results highlight that athletes report greater doping likelihood for those that are 1) from Great Britain, 2) men, and 3) participating in non-Olympic sports. We also show that differences in doping likelihood between competition levels may differ depending on country of residence .
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».