Simple rules for creating and sustaining an anti-racist sport and exercise organisation
Notice bibliographique
Résumé
The murders of George Floyd and Breonna Taylor in 2020 incited a surge in anti-racism efforts across the world. Many organisations, including those related to sport and exercise, were quick to make their stances on racism clear. In efforts to promote anti-racism, new equality, equity, diversity and inclusion (EEDI) groups were formed, while many individuals joined protests and took to social media to raise awareness of the racism that Black, Indigenous, and People of Colour (BIPOC) continue to face. In the sporting world, a significant burden and labour is placed on athletes of colour to make strides towards anti-racism. However, every individual working with the sport and exercise industry must act to condemn and eradicate racism. Sport and exercise organisations are in an opportune place to contribute to anti-racism efforts because of their wide reach, yet there is a need for clear advice on how to make change. Therefore, we provide commentary on 10 simple ‘rules’ that can support sport and exercise organisations in creating and sustaining an anti-racism.
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 | 0,063 | 0,164 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,015 | 0,062 |
| Communication savante | 0,022 | 0,020 |
| Science ouverte | 0,010 | 0,013 |
| Intégrité de la recherche | 0,080 | 0,082 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,004 |
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 ».