Alcohol Consumption Behavior among Undergraduate Students in Thailand: Development of a New Causal Relationship Model
Notice bibliographique
Résumé
Alcohol consumption among undergraduate students in Thailand is problematic. The aim of this study was to deepen our understanding of this problem by developing a causal relationship model for the alcohol consumption behavior of undergraduate students in Thailand, and to verify the model’s concordance with empirical data. Four latent variables were considered: alcohol consumption behavior, alcohol expectancy, drinking refusal self-efficacy, and health literacy. Participants included representative 1st – 5th year undergraduate students at the Thailand National Sports University, with 600 students being selected using stratified random sampling procedures. The descriptive statistics and the causal relationship model were analyzed using LISREL 8.80. The model developed was in good agreement with the empirical data (c2=228.66, df = 79, p > 0.05 , c2/df=2.894, SRMR =0.07, RMSEA =0.06, CFI =0.99, and RFI =0.98), with all computed indices passing the stipulated criteria. On the basis of the coefficients of determination in the structural equation model, alcohol expectancy, drinking refusal self-efficacy, and health literacy together accounted for 80% of the variance in the student’s alcohol consumption behavior. These theoretically based causal factors provide new directions for future intervention work aimed at modifying the alcohol consumption behaviors of undergraduate students at the Thailand National Sports University. This can be accomplished by developing activities that are suitable and contextually sensitive to their needs.
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 | 0,005 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».