MétaCan
Menu
Retour à la cohorte
Enregistrement W591282648 · doi:10.15215/aupress/9781927356531.01

Game-Day Gangsters: Crime and Deviance in Canadian Football

2013· book· en· W591282648 sur OpenAlexaboutno aff
Curtis Fogel

Notice bibliographique

RevueAthabasca University Press eBooks · 2013
Typebook
Langueen
DomaineSocial Sciences
ThématiqueDoping in Sports
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDeviance (statistics)FootballCriminologyAdvertisingSociologyPolitical scienceComputer scienceBusinessLaw

Résumé

récupéré en direct d'OpenAlex

In the complicated interaction between sport and law, much is revealed about the perception and understanding of consent and tolerable deviance. When a football player steps onto the field, what deviations from the rules of the game are considered acceptable? And what risks has the player already accepted by voluntarily participating in the sport? In the case of Canadian football, acts of on-field violence, hazing, and performance-enhancing drug use that would be considered criminal outside the context of sport are tolerated and even promoted by team and league administrators. The manner in which league review committees and the Canadian legal system understand such actions highlights the challenges faced by those looking to protect players from the dangers of the sport. Although there has been some discussion of legal and institutional reforms dealing with crime and deviance in Canadian sport, little exists in the way of sports law, with most cases falling into the legal categories of criminal, administrative, or civil law. In Game-Day Gangsters, Fogel argues for a review of the systems by which Canadian football is governed and analyzes the reforms proposed by football leagues and by players. Juxtaposing material from interviews with football players and administrators and from media files and legal cases, he explores the discrepancies between the playersÕ own experiences and the institutional handling of disciplinary matters in junior, university, and professional football leagues across the country.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,056
Score d'incertitude au seuil0,406

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0040,006
Études des sciences et des technologies0,0190,013
Communication savante0,0060,002
Science ouverte0,0020,003
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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.

Tête enseignante Opus0,022
Tête enseignante GPT0,232
Écart entre enseignants0,211 · 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'étudeObservationnel
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

Citations9
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAthabasca University Press eBooksMême sujetDoping in SportsTravaux en français237 207