The Impact of an After-School Physical Activity Program on Children’s Physical Activity and Well-Being during the COVID-19 Pandemic: A Mixed-Methods Evaluation Study
Notice bibliographique
Résumé
Introduction: This study evaluated the impact of the Build Our Kids’ Success (BOKS) after-school program on children’s physical activity (PA) and well-being during the COVID-19 pandemic. Methods: Program leaders, children, and their parents were recruited from after-school programs in Nova Scotia, Canada, that delivered BOKS programming in Fall 2020. After participating, Grade 4–6 children (n = 14) completed the Physical Literacy Assessment for Youth Self (PLAYself), Physical Activity Questionnaire for Older Children (PAQ-C), the Physical Activity Enjoyment Scale (PACES), and 5 National Institutes of Health (NIH) Patient-Reported Outcomes Measures Information System (PROMIS) scales. Children (n = 7), parents (n = 5), and program leaders (n = 3) completed interviews, which were analyzed for themes inductively. Results: The average PAQ-C score was 2.70 ± 0.48, PLAYself was 68.23 ± 13.12, and PACES was 4.22 ± 0.59 (mean ± SD). NIH PROMIS scores were below standard means (cognitive function, family relationships) or within normal limits (peer relationships, positive affect, and life satisfaction). A thematic analysis of interviews revealed that children’s PA levels were impacted by the pandemic and that BOKS positively impacted children’s physical well-being and integrated well with school-based activities. Conclusions: Participation in BOKS provided an overall positive experience and may have mitigated COVID-19-related declines in PA in well-being. The results of this evaluation can inform future physically-active after-school programming.
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 | 0,012 | 0,001 |
| 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 | 0,002 | 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 ».