Exploring young peoples’ experiences within a sport and livelihood program
Notice bibliographique
Résumé
Unemployment rates among young people in Canada have consistently been double those of adults (Statistics Canada, 2016), currently ranging from 9-12% (Statistics Canada, 2023). Labour policies have drawn upon progressive youth development models to address this concern (Bancroft, 2017), with various initiatives emerging following the COVID-19 global pandemic. Sport and livelihood programming (SLP) uses sport programming to support career and economic development within under-resourced communities. The purpose of this study was to explore youths’ experiences within a SLP, with a secondary focus of exploring constructions of class, race, gender, poverty, (dis)ability and culture within programming. Seven participants (ages 19-25) enrolled in a fellowship program at a large sport for development centre engaged in semi-structured interviews. Drawing upon thematic analysis, four aggregate themes emerged from the data. Participants described program experiences as offering customized learning experiences and opportunities to develop corporate skills, despite some challenges related to program structure. Participants appreciated the SLP community, as they felt cared for, developing connections, while appreciating the prestige of their employer/organization. Nonetheless, participants expressed concerns about workplace culture and infrastructure, discussing issues related to race, whiteness, codeswitching, and equity, diversity, and inclusion. In considering the program’s contribution to their livelihoods, they expressed a desire for additional support in attaining full time employment, to in turn earn a living wage. Analyses suggest SLP may (re)produce some structural barriers of precarious working conditions. Future research is needed to explore programming from an interdisciplinary and/or transdisciplinary (Whitley et al, 2022) perspective.
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 | 0,006 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,013 | 0,007 |
| Communication savante | 0,006 | 0,003 |
| Science ouverte | 0,002 | 0,009 |
| Intégrité de la recherche | 0,002 | 0,005 |
| 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 ».