Associations between domains of physical literacy by weight status in 8- to 12-year-old Canadian children
Notice bibliographique
Résumé
BACKGROUND: The Canadian Assessment of Physical Literacy (CAPL) is divided into four domains (Physical Competence, Daily Behaviour, Motivation and Confidence, and Knowledge and Understanding) and provides a robust and comprehensive assessment of physical literacy. As weight status is known to influence health-related behaviours such as physical fitness and activity, it is important to investigate whether the associations between the domains of physical literacy vary among children of different weight status. The aim of this study was to determine the associations among the four domains of physical literacy stratified by weight status. METHODS: Canadian children aged 8 to 12 years (n = 8343, 63.6% healthy-weight) completed the CAPL. Differences in domain scores and overall physical literacy score by weight status (children of healthy weight versus children with overweight/obese) were assessed using MANOVA (multivariate analysis of variance). Partial correlations between the four domains were calculated, adjusting for gender and age, and correlation coefficients of both weight status groups were compared using the Steiger test. RESULTS: For all four domains as well as overall physical literacy, healthy-weight children had higher scores than their overweight/obese peers (Cohen's d ranged from 0.05 to 0.44). Weak to moderate correlations were found between all of the domains for both groups. Correlation coefficients for Physical Competence and Daily Behaviour as well as for Physical Competence and Knowledge and Understanding were generally stronger in the healthy-weight children (r = 0.29 and 0.22, respectively) compared with the overweight/obese children (r = 0.23 and 0.17, respectively). CONCLUSIONS: All of the domains of the CAPL correlate positively with each other regardless of weight status, with a trend for these correlation coefficients to be slightly stronger in the healthy-weight children. The overall weak to moderate correlations between the domains in both groups suggest that the CAPL domains are not measuring the same constructs, thus providing support for CAPL's psychometric architecture in both healthy-weight and overweight/obese children.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».