Évaluation de Prévenir la consommation de produits pour améliorer les performances sportives, un programme de prévention du dopage sportif destiné aux entraîneurs des joueurs de hockey de 13 à 17 ans au Québec
Bibliographic record
Abstract
Le dopage sportif se définit comme étant l’acte d’absorber une substance interdite pour améliorer ses performances sportives autant physiques que mentales. Le dopage sportif attire l’attention des médias et des chercheurs puisqu’il s’agit d’un phénomène qui prend de l’ampleur spécialement chez les jeunes et les adolescents, et notamment les garçons de 13 à 17 ans. Pour contrer ce problème, des programmes de prévention du dopage sportif ont été mis en place par plusieurs organisations. Toutefois, à notre connaissance, peu de ces programmes semblent avoir été évalués. L’objectif de l’étude est d’évaluer par une méthodologie qualitative une formation en ligne, destinée aux entraîneurs et visant à prévenir le dopage chez les joueurs de hockey de 13 à 17 ans au Québec. Des entrevues semi-dirigées ont été effectuées avec six entraîneurs ayant suivi la formation, afin d’obtenir leur perception et appréciation à l’égard de la mise en oeuvre de la formation, et de leur capacité à soutenir la mise en oeuvre d’interventions préventives auprès des joueurs. La méthode d’analyse de contenu de Paillé et Mucchielli (2012) a été utilisée pour conduire l’analyse des données. Un modèle adapté du cadre de Phillips (1996) ainsi que du Consolidated model Framework for Implementation Research (CFIR) de Damschroder et ses collaborateurs (2009), a été utilisé comme référence pour l’analyse.
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 | 0.007 | 0.012 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 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".