Examining physical literacy in young adults: psychometric properties of the PLAYself
Notice bibliographique
Résumé
The PLAYself is a commonly utilized tool to assess physical literacy in child and adolescent populations. Currently, there are no measurement tools designed to examine physical literacy among adults. The purpose of this cross-sectional study was to examine the psychometric properties of PLAYself subsections in a sample of young adults. Two hundred forty-five young adults (ages 18–25) from the United States completed the PLAYself questionnaire. Multiple principal component analyses using promax rotation were utilized to assess the current factor structure of the PLAYself subsections. Each subsection was analyzed independently to explore individual summary components. PLAYself subsections were assessed for reliability using Cronbach's α, inter-item correlations, and item-total correlations. A multi-factor structure was identified for each PLAYself subsection. A 2-factor structure was identified for the Environment subsection accounting for 55.2% of the variance. A 2-factor structure was identified for the Physical Literacy Self-Description subsection accounting for 57.1% of the variance. A 3-factor structure was identified for the Relative Ranking of Literacies subsection accounting for 70.3% of the variance. The Environment, Physical Literacy Self-Description, and Relative Ranking of Literacies subsections demonstrated poor ( α = 0.577), good ( α = 0.89), and acceptable ( α = 0.79) internal consistencies, respectively. The Physical Literacy Self-Description subsection demonstrated the best psychometric properties in our sample, and thus may be an appropriate tool to assess physical literacy in a young adult population until additional measurement tools are developed.
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 | 0,000 | 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 | 0,000 |
| 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 ».