Socioeconomic and gender-based disparities in the motor competence of school-age children
Notice bibliographique
Résumé
This study examined socioeconomic and gender-based disparities in motor competence (MC) amongst 6-12-year-old children (N = 2654). Validated product-oriented tests assessing agility, balance and coordination were used to measure MC. School-level socioeconomic status (low, middle, high) was used to assess socioeconomic disparities. Analysis of covariance (ANCOVA) were conducted and odds ratios were calculated for the likelihood of having low MC by gender and socioeconomic status (SES). Girls displayed lower MC than boys for agility and coordination involving object-control (P < 0.001) while boys scored lower than girls for balance and hand-foot coordination (P < 0.001). Children in high SES schools displayed the highest level of MC for agility, balance and coordination (P < 0.001). Compared to the children in high SES schools, odds of having low competence in balance was higher for the children in low SES schools and odds of having low competence in agility and coordination were higher for the children in both low and middle SES schools. Newell’s model of constraints (1986) and Bourdieu’s concept of habitus (1984) were used to consider potential explanations of the observed disparities. To level up inequalities in children’s MC, resources invested in school-based interventions should be proportionate to the school SES.
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 | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».