Factors predicting staying in school to eat lunch
Notice bibliographique
Résumé
Purpose Easy access to fast‐food restaurants in the immediate environment of a high school is such that a high proportion of students do not remain in school for lunch. Hence, the probability that they will eat a healthy meal is reduced. The aim of this study is to identify the behavioral determinants of “staying in school to eat lunch” among high school students. Design/methodology/approach The Theory of Planned Behavior has been applied to the development of a questionnaire self‐administered among 153 randomly selected high school students. Findings Overall, 52.3 percent of students remained to eat at school every day during a follow‐up period of two weeks. Logistic regression analyses showed that intention (OR: 16.22; 95 percent CI 7.08‐37.21) was the sole predictor of behavior and that intention was determined by the descriptive norm (OR: 12.67; 95 percent CI 3.39‐47.27), perceived behavioral control (OR: 11.46; 95 percent CI 4.53‐29.04) and attitude (OR: 2.70; 95 percent CI 1.06‐6.85). Practical implications These findings suggest that a combination of interventions targeting both various individual determinants and environmental factors increases the likelihood that youngsters will remain at school to eat their lunch. Originality/value To the best of one's knowledge, this is the first study applying the Theory of Planned Behavior to understand why high school students do not stay in school to eat lunch. This information should be very useful to those interested in developing interventions to promote the policy that students should stay in school to eat their lunch instead of going out to fast food restaurants in the nearby environment.
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 | 0,000 | 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 | 0,000 |
| 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) | 0,003 | 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 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 ».