Crime and Physical Activity: Development of a Conceptual Framework and Measures
Notice bibliographique
Résumé
BACKGROUND: A common hypothesis is that crime is a major barrier to physical activity, but research does not consistently support this assumption. This article advances research on crime-related safety and physical activity by developing a multilevel conceptual framework and reliable measures applicable across age groups. METHODS: Criminologists and physical activity researchers collaborated to develop a conceptual framework. Survey development involved qualitative data collection and resulted in 155 items and 26 scales. Intraclass correlation coefficients (ICCs) were computed to assess test-retest reliability in a subsample of participants (N = 176). Analyses were conducted separately by age groups. RESULTS: Test-retest reliability for most scales (63 of 104 ICCs across 4 age groups) was "excellent" or "good" (ICC ≥ .60) and only 18 ICCs were "poor" (ICC < .40). Reliability varied by age group. Adolescents (aged 12-17 y) had ICCs above the .40 threshold for 21 of 26 scales (81%). Young adults (aged 18-39 y) and middle-aged adults (aged 40-65 y) had ICCs above .40 for 24 (92%) and 23 (88%) scales, respectively. Older adults (aged 66 y and older) had ICCs above .40 for 18 of 26 scales (69%). CONCLUSIONS: The conceptual framework and reliable measures can be used to clarify the inconclusive relationships between crime-related safety and physical activity.
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 | 0,015 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,007 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,007 |
| Communication savante | 0,004 | 0,006 |
| Science ouverte | 0,003 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».