Athlete maltreatment in sport: Protocol for a scoping review
Notice bibliographique
Résumé
Research on maltreatment in sport demonstrates detrimental effects on athletes' well-being, and recent news reports highlight the pervasiveness of this issue. However, inconsistencies in defining and operationalizing athlete maltreatment in sport have resulted in issues with conceptual clarity that limits current research, practice, and monitoring within and across sport sectors. This scoping review will synthesize the scientific literature on athlete maltreatment in sport and identify current knowledge gaps for research and practice. The review objectives are to: (1) map how maltreatment has been conceptualized and operationalized in the literature; (2) identify and describe the types of athlete maltreatment that have been investigated; and (3) explore current trends in research approaches and methods applied to the study of athlete maltreatment. An established six-stage scoping review methodology will be applied, as well as field-specific guidelines for community advisory group consultations. The protocol will be conducted over a one-year time frame and has been registered in advance (https://osf.io/r7ycp/overview). Relevant sources will be identified using a systematic search strategy across six electronic databases. Study screening procedures will occur in duplicate using pre-determined eligibility criteria. For inclusion, articles must address the concept of maltreatment among athletes (of any age, sport, or competition level), and contain original peer-reviewed research. Extracted data will be analyzed using qualitative content analysis and descriptive statistics. Preliminary results will be presented to community advisors (e.g., athletes, coaches, sport administrators, clinicians, policy writers, researchers) to contextualize findings and prioritize actionable recommendations to improve sport systems. Results will be published in a peer-reviewed journal and presented at academic conferences for sport leaders and researchers with the aim of informing measures, interventions, frameworks, and/or policies.
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 | 0,102 | 0,119 |
| Méta-épidémiologie (sens strict) | 0,006 | 0,007 |
| Méta-épidémiologie (sens large) | 0,013 | 0,013 |
| Bibliométrie | 0,015 | 0,014 |
| Études des sciences et des technologies | 0,006 | 0,006 |
| Communication savante | 0,009 | 0,010 |
| Science ouverte | 0,005 | 0,008 |
| Intégrité de la recherche | 0,011 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,122 | 0,028 |
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 ».