A Multilevel Examination of School and Student Characteristics Associated With Physical Education Class Enrollment Among High School Students
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Schools can be an efficient venue for promoting physical activity (PA) among adolescents. Physical education (PE) requires investigation because it is a variable associated with adolescent PA levels and its existence in schools represents a significant opportunity for strategies to combat declining PA levels among this population. This article examines the between-school variability in student rates of PE enrollment among a large sample of high schools in Ontario, Canada, and identifies the school- and student-level characteristics associated with PE enrollment. METHODS: This cross-sectional study utilized self-reported school- and student-level data from administrators and students at 73 high schools. Students' enrollment in PE, demographic, behavioral, and psychosocial variables was linked to school environment data comprising of school demographics and administrator assessed quality of policies, facilities, and programs related to PA. Analysis involved multilevel modeling. RESULTS: The mean rate of PE enrollment among the 73 high schools was 62.4%, with rates by school ranging from 28.9% to 81.1%. When student demographics, behavioral, and psychosocial factors were controlled for, there was still a school effect for student PE enrollment. The school effect was explained by the provision of daily PE and school median household income. CONCLUSIONS: This is the first study to examine the extent to which PE enrollment varies between schools and to identify school factors associated with school variability in rates of PE enrollment. Although most variation in PE enrollment lies between students within schools, there is sufficient between-school variation to be of interest to practitioners and policy makers.
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.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle