The effects of sitting, dynamic sitting, and standing desks on classroom performance of university students
Notice bibliographique
Résumé
There are many health risks associated with prolonged sedentary time, but breaking up periods of sitting can reduce these risks (Healy, 2008). University students experience excessive sedentary time during class and while studying. Standing desks are an option to reduce sedentary time. It has been suggested that standing desks might hinder learning and productivity. Commissaris et al (2014) evaluated the effectiveness of a series of office tasks while individuals used various dynamic workstations. The results showed that the workstation used did not negatively affect performance in most tasks. However, tasks university students have to perform in their daily lives vary from office workers. The purpose of this study was to determine the effect of sitting, dynamic sitting, and standing desks on classroom performance of university students. Based on a randomization sequence, 30 participants (N = 15, females, M age = 21.1) performed three 3-minute classroom simulations using a classic, dynamic sitting, and standing desk. Each simulation included a typing and memory task. Participants were asked to type the paragraph displayed as fast and as accurate as possible while paying attention to a video. Following the video, participants answered 3 multiple-choice questions to assess memory. Results showed no significant differences in typing speed and accuracy or memory (all p values > .05, partial ?2 effect size range .019-.045) between sitting, dynamic sitting, and standing desks. These findings need to be replicated over a longer period of time that simulates a university classroom-learning environment.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 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 ».