De l’hostilité à la sécurité : conceptualiser la notion d’espace sécuritaire comme moyen de promotion de l’activité physique auprès des femmes considérées comme âgées
Bibliographic record
Abstract
Historiquement, le monde du sport et de l’activité physique n’a pas été conçu pour accueillir les femmes, et encore moins les femmes considérées comme âgées. La création d’un espace sécuritaire (safe space) fait partie des moyens suggérés pour que la promotion de l’activité physique ne se fasse pas au détriment de l’équité des genres. Toutefois, les usages populaires et controversés de ce concept rendent sa théorisation fragmentaire. Afin de mettre en lumière les obstacles qu’un tel espace aiderait à surmonter, les autrices ont passé en revue la littérature autour du sentiment de sécurité des femmes dans la pratique de l’activité physique. Elles ont pu dégager quatre dimensions à intégrer dans la conceptualisation d’un espace sécuritaire permettant de contrer les iniquités vécues par les femmes considérées comme âgées : la sécurité physique, l’image corporelle, la représentation des compétences et la sécurité financière. Une démarche de recherche empirique permettra de valider ces dimensions auprès des femmes elles-mêmes afin de s’assurer qu’elles correspondent à leur définition d’un espace sécuritaire pour la pratique de l’activité physique.
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 | 0.004 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.003 | 0.020 |
| Scholarly communication | 0.007 | 0.007 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.007 | 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".