Exploring Physical Education Teachers’ Intention and Perceived Constraints in Offering Online Lessons Using the Theory of Planned Behavior: A Multi-Country Analysis
Notice bibliographique
Résumé
Guided by the theory of planned behavior, this study aimed to determine the influence of Physical Education (PE) teachers' attitudes, their perceived behavioral control, and the influence of subjective norms on their intention and constraints (intrapersonal, interpersonal, and structural) to offer a high-quality class based on best practices to deliver PE lessons online during the COVID-19 pandemic. This cross-sectional, multi-country survey study recruited PE teachers from five countries (China, Malaysia, the Philippines, Turkey, and the United States). A total of 928 online questionnaires were used in the analysis. In terms of the overall intention to teach online, our findings showed that American and Filipino teachers had higher levels of intention to continue teaching online. In contrast, Turkish, Malaysian, and Chinese teachers showed a lower interest. Moreover, Malaysian teachers had more intrapersonal constraints while the teachers in the other four countries were not as restrained intrapersonally. The results highlight the significant influence of perceived behavioral control and attitudes on PE teachers' intention to deliver online courses. Constraints to online teaching had a considerably large negative impact on attitudes, subjective norms, and perceived behavioral control. Based on the results, the proposed extension to the theory of planned behavior was an appropriate framework for understanding the behavioral intent of PE teachers.
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 | 0,001 | 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 | 0,001 |
| 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 ».