Predictors of FIFA 11+ Implementation Intention in Female Adolescent Soccer: An Application of the Health Action Process Approach (HAPA) Model
Notice bibliographique
Résumé
The Fédération Internationale de Football (FIFA) 11+ warm-up program is efficacious at preventing lower limb injury in youth soccer; however, there has been poor adoption of the program in the community. The purpose of this study was to determine the utility of the Health Action Process Approach (HAPA) behavior change model in predicting intention to use the FIFA 11+ in a sample of 12 youth soccer teams (coaches n = 10; 12-16 year old female players n = 200). A bespoke cross-sectional questionnaire measured pre-season risk perceptions, outcome expectancies, task self-efficacy, facilitators, barriers, and FIFA 11+ implementation intention. Most coaches (90.0%) and players (80.0%) expected the program to reduce injury risk but reported limited intention to use it. Player data demonstrated an acceptable fit to the hypothesized model (standardized root mean square residual (SRMR) = 0.08; root mean square of error of approximation (RMSEA) = 0.06 (0.047-0.080); comparative fit index (CFI) = 0.93; Tucker Lewis index (TLI) = 0.91) Task self-efficacy (β = 0.53, p ≤ 0.01) and outcome expectancies (β = 0.13 p ≤ 0.05) were positively associated with intention, but risk perceptions were not (β = -0.02). The findings suggest that the HAPA model is appropriate for use in this context, and highlight the need to target task self-efficacy and outcome expectancies in FIFA 11+ implementation strategies.
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 | 0,004 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».