Exploring the Consent to Touch in the Modern Postural Yoga Class: Perspectives in the Era of #MeToo
Notice bibliographique
Résumé
This study explores the issue of touch in yoga classes in the context of #MeToo. Presently, there are no ethical standards which guide yoga teachers in “adjusting” or “enhancing” bodies in a yoga class. The use of touch as a teaching method in Modern Postural Yoga (MPY) classes has increasingly been a topic of discussion in the broader yoga community, particularly through the rise of #MeToo. The purpose of this study was to explore how yoga teachers are approaching touch during yoga classes and if yoga teachers have changed their “hands-on” teaching practices in response to #MeToo. I recruited eleven yoga teachers in Kingston, Ontario and divided these teachers into two focus groups and four individual interviews to explore why yoga teachers touch their students, how yoga teachers approach touching students, and what yoga teachers think about the issue of consent in yoga. Five themes emerged from the data: trust, intention, observation, power, and scope of practice. For the teachers in this study, #MeToo was not a factor in their decision to use or not to use touch during a yoga class. This study suggests that yoga teachers do not follow a consistent approach to receiving consent when offering hands-on assists during a yoga class, but that many yoga teachers would like to challenge existing standards in order to enhance teachers’ qualifications and skills in the areas of safe practice, ethical teaching, and student-centered instruction. The results show that a teacher’s decision to touch is informed by their personal intentions related to teaching, their relationship with students, and their careful observation of students’ bodies during a yoga āsana (shape). While some teachers are questioning the use of touch in relation to social context and social movements like #MeToo, this study suggests that yoga teachers may benefit from evaluating their teaching practices (including touch) in relation to broader public movements like #MeToo.
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 | 0,028 | 0,041 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,031 | 0,051 |
| Communication savante | 0,016 | 0,011 |
| Science ouverte | 0,003 | 0,016 |
| Intégrité de la recherche | 0,007 | 0,017 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».