Bibliographic record
Abstract
L’expansion médiatique du golf a éveillé l’intérêt des investisseurs à la fin du siècle dernier. Contrairement à d’autres pays, l’établissement de nouveaux sites en Belgique n’a pas conduit à un ajustement proportionnel du nombre de pratiquants et pose de ce fait un problème de rentabilité.L’objectif de cette recherche exploratoire est double. D’une part, elle entend sonder l’image du golf. Le golf demeure-t-il un sport pour seniors et personnes privilégiées ? D’autre part, l’étude s’interroge sur l’expansion potentielle de cette pratique physique en Belgique. Les données sont recueillies par enquête. L’échantillon comprend, à la fois, des golfeurs issus d’un cinquième des clubs du pays et des individus ne pratiquant pas ce sport. La recherche se veut prospective ; elle tente de repérer des indicateurs susceptibles de stimuler l’expansion de la pratique du golf en Belgique afin d’assurer la rentabilité des équipements. L’analyse en composantes principales associe huit dimensions au profil de la discipline. Bien que notre échantillon se différencie au niveau de l’âge, du sexe et du statut civil, une vision globale se dégage de la pratique de ce sport. La recherche confirme l’existence d’un potentiel de développement en Belgique et présente des pistes concrètes de promotion de ce sport
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.009 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".