Artificial intelligence-enhanced assessment of fundamental motor skills: validity and reliability of the FUS test for jumping rope performance
Notice bibliographique
Résumé
Introduction: Fundamental motor skills (FMS) are foundational for lifelong physical activity and talent development. However, their development is often overlooked in favor of sport-specific outcomes in physical education (PE). This study aimed to evaluate FMS proficiency among students enrolled in traditional and school-based sport PE programs and explore implications for early specialization and motor competence. Methods: = 2,238) using the validated Fundamental Motor Skills in Sport (FUS) test. Participants were grouped based on enrollment in traditional PE or school-based sport PE programs. Proficiency was classified into four levels based on mastery across six motor tasks. Results: The majority of students in both groups failed to meet the basic FMS proficiency threshold. Specifically, 72% of boys and 77% of girls in sport PE programs were below elementary proficiency, compared to 90% of boys and 92% of girls in traditional PE. While sport PE students outperformed their peers, significant deficits remained. Gender differences showed boys had advantages in object control skills, while girls performed better in coordination-oriented tasks. Discussion: Both traditional and sport PE programs fall short of supporting adequate FMS development, potentially due to overemphasis on early specialization and lack of instructional support for motor competence. These findings underscore the need for curricular reforms and targeted teacher training to prioritize broad motor skill development and promote long-term participation in physical activity.
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 ».