MétaCan
Menu
Retour à la cohorte
Enregistrement W2134596322 · doi:10.1123/rsj.32.2.87

Characteristics of Users and Nonusers of a Campus Recreation Center

2008· article· en· W2134596322 sur OpenAlexfundno aff
Kim Miller, Melody Noland, Mary Kay Rayens, Ruth R. Staten

Notice bibliographique

RevueRecreational Sports Journal · 2008
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueUrban Transport and Accessibility
Établissements canadiensnon disponible
Organismes subventionnairesAGE-WELL
Mots-clésRecreationFraternityPhysical activityPsychologyGerontologySample (material)Body mass indexCollege healthEnvironmental healthDemographyMedicineFamily medicinePhysical therapySociology

Résumé

récupéré en direct d'OpenAlex

College students' physical activity provides protection against weight gain and chronic disease. Convenient exercise facilities have been correlated with physical activity. This study examined use of a college recreational facility among a sample of undergraduates, personal and demographic factors related to facility use, and factors predictive of facility use. A sample of 1,700 undergraduates was randomly selected and mailed a survey about health behaviors and recreation-center use. Facility users were more likely to be freshman or sophomore unmarried men who live on campus. Users of the facility had a slightly lower average body mass index, yet were more likely to use alcohol. Significant predictors of facility use included sex, class standing, living situation, belonging to a fraternity or sorority, and the desire to change one's weight. This study contributes to the research on college students' physical activity in that it identifies those likely to use or not use the recreational facility.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,004
Score d'incertitude au seuil0,478

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,020
Tête enseignante GPT0,277
Écart entre enseignants0,258 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations35
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRecreational Sports JournalMême sujetUrban Transport and AccessibilityTravaux en français237 207