Gender Differences in Belief-Based Markers for Physical Activity among Adolescents
Notice bibliographique
Résumé
Patterns during adolescence indicate a decrease in physical activity compounded by lower levels of activity exhibited among females compared to males. Thus an understanding of gender differences in physical activity motivation and participation is needed to develop effective interventions. PURPOSE: To determine gender differences in physical activity beliefs on intention and behavior using the Theory of Planned Behaviour (TPB). METHODS: One hundred and fifty-seven students (male=97, female=60; mean grade=9.97, SD=0.94) from grades 9–12 completed self-reported measures of intention, behavioral-, normative-, and control- beliefs and a one-month follow-up of physical activity behaviour (Godin Leisure-Time Exercise Questionnaire). RESULTS: Compared to girls, boys had larger (Fisher Z, p < .05) intention-belief correlations with physical ability /skill, benefits to social interaction, physical fitness, mental health, resources, weather as a barrier, and norms from one's father (q = .16 to .37). In contrast, girls had larger intention-belief correlations than boys for pain as an anticipated outcome, and norms from siblings and friends (q = .22 to .29). For belief-behavior relationships, boys had larger (p < .05) correlations for school work as a barrier, and other plans as barriers (q = .17 to .23), compared to girls who reported larger correlations for skill/ability, opportunity as a barrier, and norms from friends (q = .24 to .36). CONCLUSION: Gender differences were found at the physical activity belief level for both exercise intention and behavior relations. Future research should consider developing interventions that target both the needs of boys and girls to effectively increase their physical activity adoption and adherence. A focus on belief-behavior differences by gender would suggest that interventions for boys should focus on time barriers and planning, while interventions for girls should pay special attention to physical activity skill development, more opportunities, and including friends in these activities.
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 | 0,000 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».