Children's participation in physically active leisure: income, gender, and regional differences.
Notice bibliographique
Résumé
The recreation and leisure field has recently directed attention to physically active leisure for its potential health implications. With an increasing prevalence of childhood obesity, examining opportunities to increase the physical activity of children has become of importance to managers, programmers, instructors, and researchers. Previous research has suggested that gender, income, and geographic location play a large role in children’s access to physical activities and, therefore, the role of each was explored within this study. The sample for this project consisted of grade three children living in an eastern province of Canada and included two types of data-collection instruments: questionnaires administered to children and their parents (n=1,028 families), and accelerometer data (an objective measure of physical activity levels) (n=103). Frequencies, chisquare, and ANOVA were used to analyze the findings from these instruments individually and correlation coefficients were used to examine the relationship between each of the variables. The children were from diverse socioeconomic backgrounds and represented equal numbers of girls and boys. Both the questionnaire and accelerometer data indicated they were extremely active, participating on average three hours/day in a variety of physical activities. Contrary to previous research, girls, children of low income, and those living in rural areas did not have lower activity levels. Although children in each of these demographic groups reported experiencing more constraints to their participation, they negotiated through (or past) these factors to either maintain or participate at greater frequency than those who did not fall within these groups. Another important finding was that despite the large amounts of physical activity, the children’s Body Mass Index (BMI) was very high suggesting that they are overweight. Greater research is needed to explore this apparently contradictory relationship.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».