Underlying Dimensions of the Physical Educators’ Judgments about Inclusion Instrument: Brazilian-Version
Notice bibliographique
Résumé
Background/Objective: The available information pertaining to the attitudes of Brazilian physical education teachers about teaching students with disabilities is limited in the extant literature base . Rationally, however, scholars argue that d etermining, analyzing, and theorizing about the attitudes of physical education teachers is important in the preparation and professional development of these teachers. It is therefore important to extend the research base using valid and reliable measures regarding teachers’ attitudes about inclusion and teaching students with various disabilities. Purpose: The purpose of this study was to examine the underlying dimensions of the Physical Educators’ Judgments about Inclusion ( PEJI ) scale following translation procedures that converted the existing measure to Portuguese. The PEJI was designed to analyze teachers’ attitudes about inclusion and teaching students with various disabilities. Method: Using a descriptive survey research design, data were collected from 147 participants (women = 57.1%, men = 42.9%) on the PEJI survey instrument. Results : Principal component analysis resulted in salient loadings on three dimensions consistent with prior study using the PEJI and explained 57% of the variance for measuring judgments about: Inclusion versus Exclusion , Acceptance of Students with Disabilities , and Perceived Training Needs . Conclusions : The overall results confirm validity of the PEJI survey consistent with prior study on this measure. The strong magnitude of values indicates that each of the subscales measures separate dimensions of judgments (attitudes). Implications for future use, we recommend reporting individual scale scores rather than a total PEJI score.
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 | 0,001 |
| 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 | 0,001 | 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) | 0,000 | 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 ».