Refining the Canadian Assessment of Physical Literacy based on theory and factor analyses
Notice bibliographique
Résumé
The Canadian Assessment of Physical Literacy (CAPL) is a 25-indicator assessment tool comprising four domains of physical literacy: (1) Physical Competence, (2) Daily Behaviour, (3) Motivation and Confidence, and (4) Knowledge and Understanding. The purpose of this study was to re-examine the factor structure of CAPL scores and the relative weight of each domain for an overall physical literacy factor. Our goal was to maximize content representation, and reduce construct irrelevant variance and participant burden, to inform the development of CAPL-2 (a revised, shorter, and theoretically stronger version of CAPL). Canadian children (n = 10,034; Mage = 10.6, SD = 1.2; 50.1% girls) completed CAPL testing at one time point. Confirmatory factor analysis was used. Based on weak factor loadings (λs < 0.32) and conceptual alignment, we removed body mass index, waist circumference, sit-and-reach flexibility, and grip strength as indicators of Physical Competence. Based on the factor loading (λ < 0.35) and conceptual alignment, we removed screen time as an indicator of Daily Behaviour. To reduce redundancy, we removed children’s activity compared to other children as an indicator of Motivation and Confidence. Based on low factor loadings (λs < 0.35) and conceptual alignment, we removed knowledge of screen time guidelines, what it means to be healthy, how to improve fitness, activity preferences, and physical activity safety gear indicators from the Knowledge and Understanding domain. The final refined CAPL model was comprised of 14 indicators, and the four-factor correlated model fit the data well (r ranged from 0.08 to 0.76), albeit with an unexpected cross-loading from Daily Behaviour to knowledge of physical activity guidelines (mean- and variance-adjusted weighted least square [WLSMV] χ2(70) = 1221.29, p < 0.001, Comparative Fit Index [CFI] = 0.947, root mean square error of approximation [RMSEA] = 0.041[0.039, 0.043]). Finally, our higher-order model with Physical Literacy as a factor with indicators of Physical Competence (λ = 0.68), Daily Behaviour (λ = 0.91), Motivation and Confidence (λ = 0.80), and Knowledge and Understanding (λ = 0.21) fit the data well. The scores from the revised and much shorter 14-indicator model of CAPL can be used to assess the four correlated domains of physical literacy and/or a higher-order aggregate physical literacy factor. The results of this investigation will inform the development of CAPL-2.
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 | 0,011 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,006 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».