Considerations for Conducting Imagery Interventions in Physical Education Settings
Notice bibliographique
Résumé
Abstract There is a need to develop effective physical activity interventions for children, given the growing concerns about physical inactivity and the related health issues (Colley et al., 2011). The Task Force on Community Preventive Services (2002) strongly recommends that school-based physical activity interventions could be an effective way to increase physical activity levels by modifying the social environment and the behaviours that take place within it. PE is not only an important source of physical activity (Sallis & McKenzie, 1991); it also provides important benefits regarding children’s psychosocial and motor skill outcomes, making them more likely to engage in physical activity into adolescence and adulthood (Sallis et al., 2012). We know that mental skills such as imagery have been shown to influence motivation, participation, and performance in motor learning, sport, and exercise (Hall, 2001). Therefore, the use of imagery in a PE context seems to be a natural extension of its traditional use in sport and exercise settings. The purpose of this review paper is to discuss factors to consider when designing and implementing an imagery intervention in a school-based PE setting. The recommendations will be discussed within three main categories: (a) the specific school context in which the intervention would be administered, (b) the design of contextually-appropriate and feasible methodology, and (c) individualizing imagery prompts to be sample- and situation-appropriate for the developmental level of the students as well as the PE context through which they would be delivered. Limitations as well as recommendations for future research or interventions conducted in PE settings will also be discussed.
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 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».