Factors Influencing Adjustment in Physical Education and Sports Learning after the COVID-19 Pandemic among Students in the Faculty of Education at Thailand National Sports University
Notice bibliographique
Résumé
The purpose of this study is to examine factors influencing the adjustments made to physical education and sports learning among students in the Faculty of Education at Thailand National Sports University after the COVID-19 pandemic. 595 students were selected using stratified random sampling from undergraduates in the Faculty of Education at Thailand National Sports University during Academic Year 2020. The data were then analyzed in terms of descriptive statistics, Pearson correlation, and Stepwise Multiple Regression Analysis. The potential influences to the adjustments made to physical education and sports learning after the COVID-19 pandemic among students in Faculty of Education at Thailand National Sports University comprised these 5 variables: 1) activities to promote knowledge of COVID-19 prevention within the university; 2) the university’s policies promoting the prevention of COVID-19; 3) facilities within the university; 4) imitating a classmate’s adjusted behaviors; and 5) learning in class. These 5 factors could predict the adjustments in physical education and sports learning after the COVID-19 pandemic in the studied group with the percentage of 73.60. The significance predicted by equations were as follows: In terms of raw scores: Y/ = -0.175 + 0.384 (X3) + 0.265 (X1) + 0.224 (X4) + 0.084 (X5) + 0.064 (X6) In term of standard scores: Z / Y = 0.357 (ZX3) + 0.356 (ZX1) + 0.207 (ZX4) + 0.067 (ZX5) + 0.062 (ZX6)
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 |
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 ».