La place du para-dressage dans la recherche sur le handicap, les loisirs et les sports : une revue narrative de la littérature
Bibliographic record
Abstract
Le para-dressage est la seule discipline équestre présente aux Jeux Paralympiques. L’objectif de la présente revue de la littérature est de comprendre l’état actuel de la recherche sur la pratique du para-dressage, afin d’interroger la possibilité pour les Jeux Paralympiques de représenter une opportunité pour le développement de la pratique de l’équitation pour des personnes en situation de handicap. Il existe à ce jour très peu d’articles scientifiques autour de cette discipline sportive. Les articles retenus ici évoquent les bénéfices psycho-affectifs et sociaux de la pratique sportive du para-dressage, et notamment l’effet normalisant qu’elle permet. Pour les personnes nées avec leur incapacité tout comme pour les personnes accidentées, la pratique de l’équitation leur permet de nouer une relation forte avec le cheval et de se forger une identité centrée autour de l’animal et du sport, une identité de cavalier. En conclusion, la mise en visibilité du para-dressage aux Jeux Paralympiques peut mettre en lumière les nombreux bénéfices qu’elle apporte aux personnes ayant des incapacités, tout en montrant que la pratique de l’équitation adaptée nécessite peu d’ajustement par rapport à une pratique ordinaire. Les démarches de mise en visibilité doivent cependant être entamées bien en amont des Jeux.
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 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.005 | 0.013 |
| Scholarly communication | 0.009 | 0.008 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.003 | 0.006 |
| Insufficient payload (model declined to judge) | 0.010 | 0.002 |
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".