Reflections and projections: 25 considerations for body image research in sport and exercise psychology
Notice bibliographique
Résumé
This paper presents 25 key considerations for advancing research and practice on body image within sport and exercise psychology. Drawing from foundational work and emerging trends, we identify five core areas for progress: conceptualization, measurement, theory, intervention, and policy. First, clarity of key concepts is emphasized, particularly in distinguishing body image from related constructs such as eating disorders, and in advancing our understanding of identity and intersectionality. Second, measurement considerations call for refining self-report tools, embracing diverse methodologies, and aligning study designs with cultural relevance and lived experience. Third, we trace the evolution of theoretical approaches that have been applied to understand the relationship between sport/exercise (dis)engagement and body image and introduce a novel dual-pathways framework to guide future research in sport and exercise contexts. Fourth, in terms of intervention, we highlight the need to develop and evaluate body image programs for athletes and sport leaders, promote movement for positive body image outcomes, and harness digital and media literacy strategies. Finally, we outline policy directions to foster positive body image environments and protect against harm in sport and exercise settings. This paper aims to serve as a roadmap for future work that is inclusive, innovative, and impactful. • Frameworks that account for social influences, dual pathways, and diverse populations are explored. • Conceptual and measurement distinctions within body image and sport and exercise are examined. • Theoretical integration of sociocultural, motivational, and positive psychology perspectives is discussed. • The need for multidimensional, inclusive, and intersectional approaches to body image programming is highlighted. • The role of collaboration among sport and exercise stakeholders in promoting positive body image is emphasized.
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 | 0,112 | 0,134 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,009 | 0,042 |
| Communication savante | 0,023 | 0,029 |
| Science ouverte | 0,005 | 0,019 |
| Intégrité de la recherche | 0,013 | 0,039 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 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 ».