Confirmatory factor analysis of the multicomponent mental health literacy measure with university student athletes and student trainers
Notice bibliographique
Résumé
Mental Health (MH) research is well researched in Canadian university students; however, less popular in Canadian student athletes. Mental Health Literacy (MHL), the attitudes and beliefs supporting recognition, management and prevention of MH disorders, has recently been introduced into university athletics. The Multicomponent Mental Health Literacy Measure (MMHLM) (Jung et al., 2016), has shown good reliability and validity, however, not specifically within Canadian university athletics. As MHL is context dependent, it must be measured within different populations and settings. The current study will assess the factor structure of the MMHLM within a sample of Canadian university student athletes and trainers. 290 participants (81 male; 209 female; 241 student athletes; 42 student trainers) completed the scale via a secure on-line site. The MMHLM, a 26-item scale measures three MH factors: knowledge, beliefs, and resources. Responses are answered on a 5-point scale but scored dichotomously as the presence or absence of MHL. Data was subjected to a Confirmatory Factor Analysis. Generalized Least Squares extraction method was used and robust indices were interpreted. Results indicated that the model showed good fit to the data (CFI = 0.964; NNFI = -.960, RMSEA = 0.010); all items loaded significantly on their factor. All factors showed internal consistency alphas greater than 0.70. Comparative analysis of genders and roles were not attempted due to unbalanced ratios. The MMHLM appears to be a psychometrically sound measure, reflects the 3-factor representation of MHL, and is recommended for use in future studies on MH awareness in Canadian university sport.
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) | 0,001 | 0,001 |
| 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 | 0,000 |
| 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 ».