Occupational Energy Expenditure In Physical Education Teachers
Notice bibliographique
Résumé
It had been suggested in the literature that teaching physical education is a very demanding occupation. However, no data exist that compared the energy expenditure in different teaching levels (primary school, high school and college). PURPOSE: The purpose of our project was to study energy expenditure of physical education teachers working in primary school, high school and college. METHODS: Twenty physical educators aged 35.5 ± 9.1 years (16 males and 4 females, VO2max=45.3 ± 7.0 ml.kg-1.min-1) had their oxygen consumption/heart rate (VO2/HR) relationship measured in the laboratory. On another day while working, PE teachers wore a monitor to record heart rate. Heart rate was later used to estimate energy expenditure using interpolation of the (VO2/HR) relationship. RESULTS: All together PE teachers had an average energy expenditure of 3.48 ± 1.90 kcal/min during the work day, which may seem rather low. However, at the college level, PE teachers worked 26% (or 87 min) of their working time at 45.48% VO2max, in high school at 21.25% (or 70 min) at 34.15% VO2max and in primary school the highest energy expenditure was 27.06% VO2max during 16.29% (54 min) of the total working time. CONCLUSIONS: Our results indicate that there was a trend for college and high school physical educators to show a higher energy expenditures than primary school physical educators. However, despite a trend of higher energy expenditure in college and high school PE teachers, the high variability of our results indicates that energy expenditure is mostly associated with the type of activity taught. Furthermore, our results support previous observations that teaching PE may be a very demanding occupation during some periods of their working day. Supported by a IRSST Grant.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| 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 ».