Measuring Early Childhood Educators’ Physical Activity and Sedentary Behavior–Related Self-Efficacy: A Systematic Review of Tools
Notice bibliographique
Résumé
Early childhood educators’ (ECEs) self-efficacy is often predictive of their ability and likelihood of promoting healthy activity behaviors in childcare settings. To date, ECEs’ physical activity and sedentary behavior–related self-efficacy has been measured in a variety of ways in childcare-based research, creating difficulty when comparing across studies. To identify the different approaches ECEs’ self-efficacy is assessed, the current study aimed to compare all existing tools that quantitatively measure physical activity and sedentary behavior–related self-efficacy of pre- and in-service ECEs. Seven online databases were searched for original, peer-reviewed, English-written journal articles. Articles were deemed eligible if they employed a tool which measured physical activity and/or sedentary behavior–related self-efficacy of pre- or in-service ECEs. A total of 16 studies were included in this review, and 13 unique tools were identified. All tools measured task self-efficacy ( n = 13), while only 1 tool measured barrier self-efficacy, and approximately half of the tools ( n = 7; 54%) reported on the validity and reliability. Great variability existed among the self-efficacy items included in the tools; however, common constructs included: teaching/leading physical activity, fundamental movement skill development, and physical activity programming. Very few tools mentioned sedentary behavior ( n = 2) and outdoor/risky play ( n = 2). Given the low number of studies that tested validity and reliability of their self-efficacy tools, the lack of consideration for barrier self-efficacy, and the paucity of tools that fully encompassed physical activity, sedentary behavior, and outdoor play considerations for ECEs, future research is needed to validate a new, reliable tool.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| 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 ».