MétaCan
Menu
Retour à la cohorte
Enregistrement W2091351458 · doi:10.1080/11745398.2002.10600896

Adolescent Girls’ Leisure: A Conceptual Framework Highlighting Factors That Can Affect Girls’ Recreational Choices

2002· article· en· W2091351458 sur OpenAlexaboutno aff
Kandy James, Lynn Embrey

Notice bibliographique

RevueAnnals of Leisure Research · 2002
Typearticle
Langueen
DomainePsychology
ThématiqueRecreation, Leisure, Wilderness Management
Établissements canadiensnon disponible
Organismes subventionnairesHealthway
Mots-clésRecreationVignetteAffect (linguistics)Conceptual frameworkCompetence (human resources)PsychologyPhysical activitySocial psychologyPublic relationsSociologyPolitical scienceMedicineSocial science

Résumé

récupéré en direct d'OpenAlex

Abstract In Australia adolescent girls are less fit than boys, and this is a matter of some concern. This has also been found in American and Canadian studies. Although many adolescent girls engage in physically active recreation activities in public places, others choose more passive recreation in private spaces, which has implications for their health. This article shows how a conceptual framework can be useful to provide a pictorial representation of the relationships between factors that can affect girls’ leisure choices and their potential outcomes. For example, prior to choosing to participate in a recreational activity, girls often weigh up the potential for ridicule of their physical appearance or athletic competence against the potential enjoyment of the activity. This paper contains a vignette to illustrate how the framework can work, followed by potential strategies to consolidate or challenge the framework, and how it could be used to develop strategies for change. This snapshot of girls’ decision-making processes should be of use to recreation programmers, facility providers and education authorities. It can help to focus efforts to improve factors that increase girls’ levels of participation in healthy physical activity and decrease those factors that inhibit participation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,039
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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.

Tête enseignante Opus0,392
Tête enseignante GPT0,460
Écart entre enseignants0,068 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnals of Leisure ResearchMême sujetRecreation, Leisure, Wilderness ManagementTravaux en français237 207