MétaCan
Menu
Retour à la cohorte
Enregistrement W4412819156 · doi:10.29173/spectrum295

Autoethnography of a Queer Racialized Athlete

2025· article· en· W4412819156 sur OpenAlexaffvenueabout
Nickholas Basilio, William Bridel

Notice bibliographique

RevueSpectrum · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSports, Gender, and Society
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésAutoethnographyQueerSociologyRacializationGender studiesRace (biology)

Résumé

récupéré en direct d'OpenAlex

Over four decades of research has suggested that there is a high prevalence of homophobia and transphobic attitudes, behaviors, policies, and practices within sport and physical activity. These realities serve as barriers or deterrents to participation for many 2SLGBTQIA+ people and groups and can also make sport and physical activity unwelcoming and even unsafe for those who choose to participate. In this important body of work, there remains a glaring absence of racialized 2SLGBTQIA+ athletes’ experiences. To help to address this gap, the primary purpose of my research was to explore how marginalized communities experience overlapping forms of discrimination in sport. Adopting an autoethnographic methodological approach, I wrote a series of vignettes about my own experiences as a queer racialized athlete in Western Canada. While writing the vignettes was a reflective process in and of itself, I also followed the tenets of critical discourse analysis to think about my experiences in relation to the broader cultural context. This resulted in the creation of three themes: intersectionality, microaggressions, and homophobia. Each worked independently and together to create an unsafe space for me, impacting my athletic experiences and life more broadly in negative ways. Reflecting on my experiences critically, however, also allowed me to think about resistance and resiliency. My hope is that my work contributes to existing literature and provide insight for other queer racialized athletes who may have had similar experiences in 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 machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,124
Score d'incertitude au seuil0,246

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0200,012
Communication savante0,0040,002
Science ouverte0,0010,004
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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.

Tête enseignante Opus0,020
Tête enseignante GPT0,317
Écart entre enseignants0,297 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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

Citations0
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueSpectrumMême sujetSports, Gender, and SocietyTravaux en français237 207