Enhancing physical literacy through active play in overweight /obesity elementary students in Thailand
Notice bibliographique
Résumé
Introduction: Overweight and obesity in children have been associated with reduced physical competence from risk due to their greater body mass, which negatively affects their overall physical competence Objective: This study aimed to examine the effectiveness of a 6-week active play intervention in enhancing physical competence among overweight and obese upper elementary school students. Methodology: An experimental, pre-and post-controlled trial was conducted with 50 overweight or obese students (aged 10–11 years), assigned to an intervention group (n = 25) and a control group (n = 25). Participants were selected using purposive sampling from a school located in Suphanburi province. The intervention group participated in a 6-week active play program. Physical competence was assessed using the Canadian Assessment of Physical Literacy-2 (CAPL-2), including the PACER (aerobic fitness), plank assessment (musculoskeletal endurance), and the Canadian Agility and Movement Skill Assessment (CAMSA) for motor performance. Results: The intervention group showed statistically significant improvements in musculoskeletal endurance (t=2.146, p=.018), motor performance (t=2.293, p=.013), and total physical competence scores (t=2.829, p=.003) compared to the control group. Improvements were particularly notable in locomotor skills, while changes in manipulative skills and aerobic fitness were not statistically significant. Discussion: The active play program produced improvements in physical competence, particularly musculoskeletal endurance, motor performance, and overall physical competence. Conclusions: This study supports the efficacy of structured active play programs in enhancing physical competence in overweight and obese children. The results highlight the potential of developmentally appropriate, enjoyable play to address movement limitations, particularly in locomotor performance, and to promote overall physical competence.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».