Enhancing adapted physical activity training for community organizations: co-construction and evaluation of training modules
Notice bibliographique
Résumé
Community-based physical activity programmes benefit persons with disabilities. However, there is a lack of evidence-based tools to support kinesiologists' training in such programmes. This study aimed to co-create and evaluate physical activity training modules for community-based adapted physical activity (APA) programmes. In Phase 1, a working group (n = 8) consisting of staff, kinesiologists from two community-based APA programmes, and researchers met over four online meetings to discuss needs, co-create training modules, and assess usability. In Phase 2, a pre-post quasi-experimental design evaluated changes in capability, opportunity, and motivation of kinesiologists (n = 14) after completing the training modules, which included standardized mock client assessments and participant ratings of module feasibility. Means and standard deviations were computed for feasibility, followed by paired-samples t-tests, along with Hedge's correction effect size. Mock client sessions underwent coding and reliability assessment. The working group meetings generated two main themes: training in (i) motivational interviewing and behaviour change techniques and (ii) optimizing APA prescription. Nine online training modules were created. In Phase 2, medium to large effects of training modules were observed in capability (Hedge's g = 0.67-1.19) for 8/9 modules, opportunity (Hedge's g = 0.77-1.38) for 9/9 modules, and motivation (Hedge's g = 0.58-1.03) for 6/9 modules. In mock client assessments, over 78% of participants appropriately used five behaviour change techniques and, on average, participants demonstrated good use of motivational interviewing strategies. The findings indicate that training kinesiologists was feasible and has the potential to enhance community-based physical activity programmes for persons with disabilities.
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 | 0,000 |
| 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 ».