Computing and Evaluating Relationships Between Equal and Differential Factor Weighting for Fundamental Movement Skills and Physical Activity with Guided Active Play During Childhood
Notice bibliographique
Résumé
Background/Objectives: The Test of Gross Motor Development (TGMD-2) totals assume equal weighting of the 12 locomotor (LOC) and object control (OC) skills, yet validation studies indicate differential contributions. The study compared equal- and differential-weighted scores for LOC and OC skills, with three fitness and two physical activity (PA) outputs during guided active play (GAP). Methods: Children’s (n = 82; 7.6 ± 1.5 years) TGMD-2 LOC and OC differential factor weights were estimated with Exploratory Factor Analysis (EFA) and compared to equal weights with multiple linear regression (two, five, and eight predictors) and Chi-square analyses. Predictor variables included fitness, BMI, sex, age stages, and PA assessed by energy expenditure (PAEE) and intensity (MVPA) estimated using accelerometry during 1 h GAP. Results: EFA supported a two-factor structure (variance explained = 51.1%) with ≥0.500 loadings for 9/12 skills. Differential- and equal-weighted LOC and OC scores showed varied contributions from individual skills. Multiple linear regression analysis showed similar explained variances (R2) of 53% (PAEE), 40% (MVPA), 31% (OC), and 14% (LOC) for equal or differential scores with eight predictors. Although β coefficients varied, going from two, five, and eight predictors, the impact of equal and differential weights was comparable. Chi-square analysis indicated high OC associated with MVPA (X2 (4) = 9.42, p ≤ 0.05), LP, and STR with PAEE. Conclusions: TGMD-2 outputs with equal- and differential-weighted scores are adequate for clinical/educational use, which show similar relationships with PA and HRF variables. Differential-weighted TGMD-2 scores comprise different contributions of movement skills and may hold promise for intervention studies focused on varied or target tasks and movement abilities.
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 | 0,006 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».