Perceived Social Support in Recreational Activity Participation: A Study on Students
Notice bibliographique
Résumé
The purpose of this study is to examine university students’ perceived social support level in recreational activity participation. 536 students who were selected from 3 different universities using convenience sampling participated in the study voluntarily. As data collection form; Perceived Social Support Scale (PSSS-R) and Preference Factors of Recreation Areas (PFRA) scale were used. For the analyses of the data; descriptive statistics, Independent Samples T Test used for two groups depending on the number of the variables and One Way ANOVA used for groups more than two were used. In order to find out which group demonstrated the difference found as a result of variance analyses, Tukey test -one of the multiple comparison tests- was used. In terms of recreational activity participation, the most effective factor in students’ average scores of perceived social support scale was peer support (2.690±0.372) while the least effective factor was teacher support (2.033±0.535). Total average score was found to be 2.441±0.274. The most effective factor in students’ average scores of Recreation Area Preference Agents Scale was sporting diversity (4.448±0.776) and staff (4.128±0.681) and these factors were followed by physical facilities (3.736±0.562), location (3.185±0.647) and activity diversity (3.074±0.586); respectively. Besides, there were significant differences in perceived social support levels of the study group in terms of gender and accommodation variables. It was concluded that the highest support for students’ recreational activity participation came from their peers while the lowest support was obtained from teachers. It may be argued that students staying at public dormitories used recreational areas built by municipalities more than other students. It was identified that criterion that all the student groups put the biggest emphasis on while preferring recreation areas was sporting diversity offered by the recreation areas.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».