Development of Physical Education Teaching Model to Enhance Learners Physical Fitness and Exercise Motivation
Notice bibliographique
Résumé
The purpose was to develop, and study aims to analyze, synthesize, design and develop physical education teaching model (PETM) to enhance learner physical fitness and exercise motivation in student education. The research instruments included a manual for PETM, active learning lesson plans, an active citizenship competencies test, and a satisfaction questionnaire. Statistics for data analysis were percentage, mean, standard deviation, and dependent sample t-test. The research is an application of the concept of Research and Development (R&D) and defines the framework for conducting research into 5 phases: Phase 1 (R1) Study and synthesis of the conceptual framework for PETM to enhance learners physical fitness and exercise motivation with a simplified active learning model. Phase 2 (D1) Conceptual Framework for Developing Interactive Learning Materials with Active Learning Model Phase 3 (R2) Evaluation of the Conceptual Framework of the PETM Ecosystem by Asking for Expert Opinions Phase 4 (D2) Creating physical PETM to enhance learner physical fitness and exercise motivation Phase 5 (R3) Evaluation of Achievement and Satisfaction. The overall student satisfaction with the learner’s physical fitness and exercise motivation materials remains with the combined mean of 4.67, and the standard deviation was 0.48 and indicating that the results of the measurement before studying and the learning achievement after studying with the normal teaching method were statistically significantly different at the .01 level.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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 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 ».