Perceptions of group exercise courses and instructors among Quebec adults
Notice bibliographique
Résumé
BACKGROUND: Group exercise courses are popular among adults, but dropout rates are high. Studies of relationships between participants' perceptions and their participation might highlight factors to target to improve adherence and re-enrolment. METHODS: We used a mixed-methods approach to analyse perceptions of group exercise courses and instructors among 463 adults. Participants completed the Exercise Barriers and Benefits Scale, questionnaires on perceptions of the instructor and course, and non-participation. We assessed participation from weeks 2-4 and 5-10, and re-enrolment. We analysed relationships between perceptions and re-enrolment using linear regression and mediation analyses. We conducted group interviews with 11 participants. RESULTS: Predictors of re-enrolment included early participation (β=0.11, P=0.029) and perceptions of the group social climate (P=0.027). Perceptions of the group mediated the relationship between early participation and re-enrolment (95% CI 0.0036 to 0.0471): early participation predicted more positive perceptions (β=2.11, P=0.003), which predicted re-enrolment (β=0.01, P=0.006). Qualitative analyses highlighted instructors' roles in promoting social exchange and integrating participants into the group. CONCLUSIONS: The social climate of group exercise courses is a key factor predicting re-enrolment. Early participation predicts re-enrolment on its own, and also promotes positive perceptions of the group. Instructors can target these factors by sensitising participants to the importance of early participation, and promoting social exchange.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».