Modelling the associations between academic engagement, study process and grit on academic achievement of physical education and sport university students
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVE: The present study examined the impact of academic engagement, study processes, and grit on the academic achievement of physical education and sport university students. METHODS: An internet-based survey recruited 459 university students aged 19-25 years (M = 21 ± 1.3) in physical education and sports (PES) to fill out questionnaires on Physical Education-Study Process Questionnaire (PE-SPQ), Physical Education-Grit (PE-Grit), academic engagement (A-USEI), and Grade Point Average (GPA). A path analysis was carried out to understand variable relationships. RESULTS: Data from each variable exhibited symmetrical and normal distribution, as indicated by the skewness and kurtosis values. The model's fit indices showed sufficient Comparative Fit Index (CFI = 0.92), Tucker-Lewis Index (TLI = 0.90), Goodness of Fit Index (GFI = 0.99) and Normed Fit Index (NFI = 0.90) and showed acceptable levels. The results indicated a statistically significant positive impact of engagement (β = 0.299, p < 0.001) and study processes (β = 0.397, p < 0.001) on academic achievement. However, the effect of grit on achievement was non-significant. CONCLUSIONS: Academic engagement as well as study processes are two important factors predicting academic achievement while grit seems to be not a major predictor. Hence, physical education and sport faculty and university administrators should prioritize student engagement as a determinant of academic outcomes by reforming or redesigning physical education and sport curriculum modules that can facilitate engagement.
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.
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) | 0,000 | 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 | 0,001 |
| 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 découle