Self-Defined Gender Identities and Physical Activity Among Men and Women in Europe
Notice bibliographique
Résumé
OBJECTIVES: To study how self-perceptions of masculinity and femininity are associated with physical activity levels among men and women in Europe. METHODS: We analyzed data from the European Social Survey conducted between 2023 and 2024 (n = 37,675). Perceptions of masculinity and femininity were measured using a self-rating scale ranging from "0 = not at all masculine/feminine" to "6 = very masculine/feminine." Multilevel regressions were used to estimate the number of days exercised in the past week. RESULTS: Variations in physical activity were greater within each gender, depending on perceived masculine and feminine traits, than between men and women. Overall, women reported exercising 3.21 days in the past week (95% CI, 3.21-3.22), while men reported 3.41 days (95% CI, 3.40-3.42). Women who identified as very masculine reported the highest exercise frequency (3.55; 95% CI, 3.45-3.64). The lowest was observed among women with low perceived femininity (2.74; 95% CI, 2.60-2.88). Among men, the highest was observed among those with moderate perceived femininity (3.53; 95% CI, 3.51-3.56), while the lowest was among those with low perceived masculinity (2.96; 95% CI, 2.50-3.77). CONCLUSIONS: Men who perceived moderate levels of femininity and women who perceived moderate to high levels of masculinity showed the highest levels of physical activity. Individuals performing and expressing gender identities may be a motivating factor for physical activity.
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 | 0,002 |
| 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 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».