Social support and sports participation motivations of female adolescents in India - study of age transition and achievement level
Notice bibliographique
Résumé
Abstract Motivation is likely a pivotal factor contributing to sports participation. In India, because of the unsupportive sports/physical education environment, girls participate less in sports and other physical activities than boys. Therefore, embedding a planned healthy environment with good social support may maximize and, consequently, increase their participation in various sports and physical activities. Considering this unabated dialogue and assuming that motivation is a pivotal need for female sports participation, this study examined the differences in motivation to participate in sports among female adolescents across three age categories: early (11–14 years old), middle (15–18 years old), and late (19–21 years old) adolescence. A total of 528 female adolescents from Assam, India participated in the study. Participation in physical education courses was the criterion for the participants, and they were invited to complete the Participation Motivation Questionnaire. A factor analysis with direct oblimin rotation using the maximum likelihood extraction method yielded a 23-item, five-factor structure that exhibited moderate internal consistency. An ANOVA revealed significant differences across all three age categories regarding all the extracted factors. Moreover, t-tests of all sub-factors identified significant differences between the two achievement levels of district-level and inter-district-level athletes. This study provides sound psychometric and comparative results that are useful for education and formative reviews in applied settings and research purposes. It also serves as a measurement tool for embedding motivation to participate in physical activities and sports among female adolescents and the development of strategic ideas to assist female adolescents from less privileged areas to experience healthy growth and a healthy lifestyle.
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 | 0,000 | 0,001 |
| 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 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».