Auto-efficacité perçue pour la pratique d'une activité physique: Adaptation et validation francophone du Exercise Confidence Survey.
Notice bibliographique
Résumé
Le questionnaire Exercise Confidence Survey mesure l’auto-efficacité perçue pour la pratique d’une activité physique régulière. Sallis (1996) a identifié deux dimensions dans l’Exercise Confidence Survey : l’adhésion à l’activité physique (sticking to it) et le temps consacré à l’activité physique (making time for exercise). L’objectif de la présente étude est d’examiner les propriétés psychométriques de la version en langue française de ce questionnaire. La version française de l’Exercise Confidence Survey a été remplie par 293 participants. Une analyse factorielle confirmatoire indique que le modèle bifactoriel proposé par Sallis (1996) est acceptable, mais suggère un modèle bifactoriel plus parcimonieux dans lequel un item de chacune des deux dimensions proposées par Sallis mesurerait respectivement l’autre dimension du modèle. Enfin, l’auto-efficacité perçue est corrélée avec les trois autres composants du modèle transthéorique (MTT) : les stades motivationnels de changement, la balance décisionnelle et les processus de changement. La version en langue française du Questionnaire d’auto-efficacité perçue pour la pratique d’une activité physique présente une consistance interne satisfaisante et peut être utilisée de manière valide dans une population francophone.
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 | 0,015 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
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 ».