Active play in childhood and the Long Term Athlete Development model: A qualitative examination
Notice bibliographique
Résumé
This research study examined active play in childhood within the framework of the Long Term Athlete Development (LTAD) Model. Active play is defined as an unstructured physical activity that takes place in a child’s free time (Veitch et al., 2008). Seven varsity athletes (three males and four females) aged 18-25 participated in a 120 minute semi-structured retrospective focus group. Varsity athletes were interviewed on their active play experiences from three stages of their childhood. These three stages were taken from the LTAD model and included Active Start (0-6 yrs.), FUNdamentals (girls, 6-8 yrs.; boys, 6-9 yrs.), and Learn to Train (girls, 8-11 yrs.; boys, 9-12 yrs.). The focus group was transcribed verbatim and organized into meaning units using a deductive/inductive approach. Deductive analysis involves coding data into a pre-existing framework, whereas inductive analysis involves discovering themes and patterns that emerge out of participants’ responses (Patton, 2002). Coding was completed using QSR NVivo 10, with themes changing throughout the three age stages of the LTAD model. Overall there were eight main themes that emerged including: the environment (where participants completed active play), playmates, fundamental movement skills, barriers to active play, other skills developed through active play, reasons for active play, benefits of active play, and competence in active play. This study is the first to show how childhood active play contributes to the learning and execution of fundamental movement skills. Acknowledgments: This research was supported by a SSHRC grant awarded to the first author.
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 | 0,000 |
| 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 ».