Differences in psychological well-being, physical activity, and perception of the value of physical education among Italian middle and high school teachers: A cross-sectional study
Notice bibliographique
Résumé
BACKGROUND: Research shows that teachers with high self-efficacy and emotional stability are better able to manage lessons, respond to student behavior, and apply proactive, student-centered approaches. In addition, teachers’ emotional well-being enhances their teaching effectiveness and has a positive impact on students’ perceptions of their competence, with positive emotions increasing student satisfaction and engagement. In this study, we want to examine the perception that middle and high school physical education teachers have of the importance of physical education, as well as their level of physical activity and psychological well-being. MATERIALS AND METHODS: Italian physical education teachers (total: 267; F = 193; M = 74; mean age 42.69 ± 9.05 years) completed an online survey that included sociodemographic data, perceptions of the importance of physical education, the International Physical Activity Questionnaire—Short Form (IPAQ-SF), Depression Anxiety Stress Scales (DASS-21), and the Italian version of the Oxford Happiness Inventory (OHI). RESULTS: Male teachers were significantly more likely to rate physical education (PE) lessons as very important ( P = 0.001) and reported lower levels of anxiety ( P = 0.026), depression ( P = 0.019), and stress ( P < 0.001). Younger teachers also rated PE as more important ( P < 0.001). Older age was associated with less depression ( P = 0.003) and stress ( P < 0.001). Moderately or highly physically active teachers had significantly lower anxiety and depression scores than non-active teachers ( P < 0.05). CONCLUSION: These findings highlight the need to support female and older teachers to recognize the value of exercise and address their mental health needs/issues. Promoting physical activity among teachers can increase their psychological well-being and improve teaching effectiveness and student outcomes.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».