The Impact of Multiple Recesses on Limb Movement Patterns in Children: An Exploratory Study
Notice bibliographique
Résumé
Background: Inactivity levels among elementary-aged children are climbing at alarming rates, as only 24% participate in the recommended 60 minutes of daily physical activity. Limb movements during children’s active time are essential for heart, bone, and muscle health, setting the stage for an overall active and healthy life. School recess, defined as child-directed, outdoor play, is optimal for children to accumulate many types and repetitions of limb movements. Therefore, the purpose of this study was to use the Movement Pattern Observation Tool (MPOT) to determine the impact of varying amounts of daily recess on elementary-aged children’s limb movement patterns. It was hypothesized that children who participate in 60 minutes of daily recess would accumulate significantly more limb movements and specifically, contralateral movements as they advance in grades. Methods: This cross-sectional, observational study used the MPOT to observe grades K-2 children from two schools offering one twenty-minute recess daily and two schools offering four 15-minute recesses daily. The researchers observed 3,023 children’s limb movements during recess across the schools. There were 36 total observation scans completed for the four schools observed. Results: Children who received 60 minutes of recess maintained significantly higher activity levels and contralateral movements as they advanced by grade. Additionally, on average 96% of all children utilized unilateral, bilateral, or contralateral limb movements when observed. Conclusion: When given the opportunity, most children will utilize recess in a way that is beneficial for off-setting inactivity trends and is instrumental for a healthy mind-body connection as they age.
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 | 0,000 |
| 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 ».