Towards developing and validating Quality Physical Education in schools—The Asian physical education professionals’ voice
Notice bibliographique
Résumé
Physical education professionals aim to develop quality programmes for physical education. This study aimed to develop and validate a scale using professionals' perceptions of Quality Physical Education QPE in Asia using twenty-four items regarding QPE quality issues. The items covered status and roles, development of educational elements and supportive features in physical education. A sample of N = 799 sport and physical education professionals from eleven Asian cities participated in this questionnaire survey. Twenty-four items relating to QPE were examined via exploratory factor analysis (EFA) using maximum likelihood extraction and direct oblimin rotation methods. Nevertheless, only 20 items were extracted following the EFA examination. Items 1, 9, 14 and 18 were excluded because of low factor loadings. The remaining items were clustered into four subscales: Development and Supportive Elements for Quality Physical Education in Schools (DSFQPE; α = .918), Core Values of Quality Physical Education (CVPE; α = .908), Curriculum Arrangement of Physical Activities (CAPA; α = .884) and Provision and Norms in Physical Education (PNPE; α = .865). The Cronbach's alpha coefficient (α = .875) indicated excellent internal consistency for the overall measure. Furthermore, the 4 retained factors from the EFA were assessed via robust confirmatory factor analysis (CFA). The 4-factor model demonstrated a good fit with the data (CMIN/DF = 3.450, CFI = .928, TLI = .916, PCFI = .801, RMSEA = .078). The study identified a 4-factor structure with internal consistency and acceptable interfactor correlations. The structure seemed to be applicable, including the twenty items identified as useful and necessary tools for the framework of analysis in the investigation of diverse settings for the study of quality physical education.
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 | 0,001 |
| 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 | 0,001 |
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 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 ».