MétaCan
Menu
Retour à la cohorte
Enregistrement W4283078631 · doi:10.1080/14927713.2022.2085156

The feasibility and impact of a painted designs intervention on school children’s physical activity

2022· article· en· W4283078631 sur OpenAlexafffundvenue
Janet B. Wong, Kyle McCallum, Levi Frehlich, William Bridel, Meghan H. McDonough, Gavin R. McCormack, Kris Fox, Laura Brunton, Leah Yardley, Carolyn A. Emery, Brent Hagel

Notice bibliographique

RevueLeisure/Loisir · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueObesity, Physical Activity, Diet
Établissements canadiensAlberta Children's HospitalWestern UniversityUniversity of Calgary
Organismes subventionnairesUniversity of Calgary
Mots-clésPhysical activityIntervention (counseling)Psychological interventionPsychologyMathematics educationPhysical activity levelPhysical therapyMedicine

Résumé

récupéré en direct d'OpenAlex

Interventions such as painted designs on school tarmacs may increase children’s physical activity during school hours. This mixed-methods study examined the influence of a painted designs (e.g., traditional games, random circles) intervention on the physical activity experiences of elementary school children. Systematic observations and accelerometer data were collected to evaluate the type and quantity of student physical activity. Interviews were used to explore teacher and student experiences. Observed physical activity was not significantly different between intervention and control schools (t(43) = 0.22, p = 0.83), and children at the intervention schools undertook less physical activity (steps, moderate, vigorous, and combined moderate-to-vigorous activity) as compared with the control school (t = 2.71–4.35, p < 0.05). Teachers and students commented that the painted designs were confusing but held potential for inclusiveness, physical activity, and learning. Additional resources and instruction may assist in better use of painted designs for physical activity and academic learning.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,009
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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.

Tête enseignante Opus0,038
Tête enseignante GPT0,336
Écart entre enseignants0,298 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueLeisure/LoisirMême sujetObesity, Physical Activity, DietTravaux en français237 207