Critical Health Communication in Kinesiology and Sports Science
Notice bibliographique
Résumé
Fields neighboring the disciplines of kinesiology and sports science have called for more interdisciplinary work, including the adoption of critical approaches to research. This scoping review explored the degree to which critically-aligned research has developed within these disciplines. The goal was to identify who this research studied, what methods were used, and which theoretical and conceptual frameworks were adopted. Publications between 2010-2022 in six top kinesiology and sports science journals using four databases were searched using keywords to identify critically-aligned research. A multi-step screening process was used to identify and sort articles that adequately fit the criteria of critically-aligned research. The scoping review identified 5666 entries of which 3300 were unique publications. 76 articles were assessed to be critically-aligned. Four themes regarding demographics emerged: Geographic area, gender, race/ethnicity/indigeneity, and inequality/inequity. Regarding methodology, three major theoretical and conceptual frameworks emerged: ecological, socio-economic, and cultural. Overall, a relatively small number of studies fit our search criteria, suggesting that critically-aligned research remains at the margins of the disciplines. For the studies that were critically-aligned, they often centered the Global North and were inconsistent in their application of categories such as race, ethnicity, inequality and equity. These studies were diverse in their methodological approach while relying on ecological, socio-economic, and cultural frameworks. To heed the calls for a more interdisciplinary approach, and to advance the disciplines more generally, kinesiology and sports science should expand their adoption of critical approaches to research.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».