Développement du sentiment d'appartenance à une équipe sportive et persévérance scolaire : le cas des jeunes du programme «Bien dans mes baskets»
Bibliographic record
Abstract
«Bien dans mes Baskets» (BdmB) est un programme d’intervention psychosociale utilisant le basketball parascolaire comme outil de prévention du décrochage scolaire et de la délinquance chez des adolescents en difficulté ou présentant plusieurs facteurs de risque. Le programme a comme objectifs généraux de prévenir le décrochage scolaire, la délinquance et l’exclusion sociale. La présente étude a comme principaux objectifs d’explorer le processus de construction du sentiment d’appartenance à l’équipe et à l’école des athlètes-étudiants participant au programme BdmB et d’examiner le lien entre le sentiment d’appartenance à l’équipe et à l’école chez ces derniers. \n\nDes entretiens semi-directifs ont été réalisés auprès d’un échantillon aléatoire de 21 athlètes-étudiants de sexe masculin inscrits dans le programme BdmB. Nous avons choisis au hasard sept athlètes-étudiants dans trois équipes de catégories d’âge différentes (atome, cadet et juvénile) afin de mettre en évidence la progression potentielle du sentiment d’appartenance dans le temps. Le verbatim des entretiens enregistrés a été transcrit afin de procéder à une analyse inspirée de la théorisation ancrée. \n\nLes résultats permettent l’identification de trois conditions qui paraissent jouer un rôle déterminant dans la construction du sentiment d’appartenance, soit : 1) le partage d’expériences communes significatives, 2) la valorisation de la pratique du basketball au sein de BdmB, et 3) le climat de l’équipe et du programme. Ces conditions découlent de l’interaction et du cumul de nombreux facteurs individuels et interpersonnels ainsi que de facteurs liés au programme. Pour certains athlètes-étudiants, le basketball parascolaire semble même favoriser la motivation scolaire. Pour plusieurs, le sentiment d’appartenance à l’équipe est indissociable du sentiment d’appartenance à l’école.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.008 | 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".