Community Lenses Revealing the Role of Sociocultural Environment on Physical Activity
Notice bibliographique
Résumé
PURPOSE: To identify perceptions of how sociocultural environment enabled and hindered physical activity (PA) participation. DESIGN: Community-based participatory research. SETTING: Two semirural and two urban communities located in Alberta, Canada. PARTICIPANTS: Thirty-five people (74.3% females, 71.4% aged 25-64 years) across the four communities. METHOD: PhotoVoice activities occurred over 3 months during the spring of 2009. Participants were asked to document perceived environmental attributes that might foster or inhibit PA in their community. Photographs and narratives were shared in one-on-one interviews. Line-by-line coding of the transcripts was independently conducted by two researchers using an inductive approach. Codes were arranged into themes and subthemes, which were then organized into the Analysis Grid for Environments Linked to Obesity (ANGELO) framework. RESULTS: Six main themes (accompanied by subthemes) emerged: sociocultural aesthetics, safety, social involvement, PA motivation, cultural ideas of recreation, and car culture. Representative quotes and photographs illustrate enablers and obstacles identified by participants. CONCLUSION: This PhotoVoice study revealed how aspects of participants' sociocultural environments shaped their decisions to be physically active. Providing more PA resources is only one step in the promotion of supportive environments. Strategies should also account for the beautification and maintenance of communities, increasing feelings of safety, enhancement of social support among community members, popularization of PA, and mitigating car culture, among others.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».