The Effect of Audiovisual Education on Physical Activity Tendencies in Secondary School Children
Notice bibliographique
Résumé
The aim of this study was to investigate the effect of audiovisual education method on the physical activity tendencies of 13-year-old secondary school students. A total of 66 healthy and voluntary male students who were aged 13 years in secondary school participated in this study. The participants were randomly divided into three groups: an educational group (EG; n: 22; height: 146.51±9.01 cm; weight: 37.73±12.20 kg), educational group with parents (EGP; n: 23; height: 146.97±7.19 cm; weight: 42.04±11.39 kg) and a control group (CG; n: 21; height: 141.53±8.27 cm; weight: 39.62±11.72 kg). EG and EGP completed their audiovisual education program in 2 days of the intervention week. Total energy expenditure (TEE), physical activity level (MET), STEP, physical activity duration, lying-down duration and sleep duration values were taken with SenseWear Armband in 6 consecutive days during 24 hours. These values of the study group were taken before (pre-test) and after (post-test) the intervention week. The variances between the groups were determined by one-way ANOVA, and multiple comparisons were used to determine possible differences. The level of significance was used at 0.05. After the audiovisual education programs, a significant increase were observed in the TEE, STEP and MET values of the groups. According to the CG, the TEE and MET values were significantly higher in favor of EGP, and in STEP was also significantly higher in favor of EG and EGP. The audiovisual education programs may contribute to increase physical activity levels by affecting the children’s intrinsic motivations. Also, the family played an effective role in physical activity trends, and therefore, increased the inner motivation of the child, and caused the negative behaviors to be positively changed.
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 | 0,002 |
| 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 | 0,001 |
| 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 ».