YARDIMSEVERLİK KOŞUCULARININ MOTİVASYONLARINI, SOSYAL İLİŞKİLERİNİ VE DENEYİMLERİNİ ANLAMAK İÇİN CİDDİ SERBEST ZAMAN KURAMININ KULLANILMASI
Notice bibliographique
Résumé
Running in marathons by non-professional athletes for a cause has attracted the attention of researchers, the athletic community, and ordinary citizens in recent decades. However, studies examining these charity runners are limited. Therefore, this study aimed to understand the motivations to participate in a charity event and charity runners' experiences and social relationships within serious leisure theory. As a secondary aim, perceptions of the participants toward their charity organization’s management strategies were examined. This qualitative study collected data from 11 charity runners (7 men, 4 women) of the Middle East Technical University (METU) Alumni Association (İstanbul branch) via semi-structured interviews, participatory observation, and document analysis. Data were transfused into verbatim transcripts and then analyzed. Findings indicated that in addition to altruistic motivations, charity runners have numerous reasons to participate in charity running, including sports, socialization, and nature. These motivations are also indicators of serious leisure concept. Hence, this study was expected to expand serious leisure literature and shed light on charity runners’ leisure behaviors. Results uncovered that charity runners socialize for networking or solidarity and might either run or fundraise seriously. Results also demonstrated that charity runners intend to fund the students and research more due to insufficient public funding. Findings were expected to reorient management strategies towards charity running. Finally, the results of this study may be convenient for the effective use of funds raised.
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 | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,009 | 0,011 |
| Méta-épidémiologie (sens large) | 0,010 | 0,005 |
| Bibliométrie | 0,010 | 0,020 |
| Études des sciences et des technologies | 0,003 | 0,006 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,018 | 0,017 |
| Intégrité de la recherche | 0,011 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,022 | 0,139 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».