The SHINE (Supporting Her In Navigating Exercise) Program: Examining Peer Support as an Exercise Promotion Tool Among Female Undergraduate Students: A Study Protocol
Notice bibliographique
Résumé
Background: Despite the benefits of regular exercise, many Canadians, especially female undergraduate students (FUS), experienced decreased engagement throughout the pandemic: due, in part, to feelings of low social support and confidence. One promising approach to enhance exercise is peer-mentorship programs (PMP): pairing knowledge-seeking individuals with experienced mentors. To date, FUS PMP research remains sparse. Objective: Grounded in Self-Determination Theory, this experimental study will examine the impact of an eight-week exercise-focused, campus-based PMP on FUS adherence and psychological needs. Method: Forty full-time FUS who do not meet Canada’s movement guidelines will be randomized (20 exercise; 20 exercise plus mentor); 5 Kinesiology students with exercise expertise will be recruited as mentors. All participants will receive a standardized facility tour and an exercise program. Mentors will attend exercise sessions and provide regular virtual support for treatment-group participants. Quantitative data will be collected pre-, mid-, and post-intervention through the Psychological Needs Satisfaction in Exercise Scale and Behavioural Regulation in Exercise Questionnaire-3. Participants will electronically log their exercise; all FUS will be invited to complete a one-on-one semi-structured interview post-intervention to gain insights into the quantitative data and study involvement experiences. Results: Based on previous research, both groups are expected to show positive changes, with greater improvements anticipated in the treatment condition. Conclusion: Uncovering effective methods to promote FUS exercise engagement is crucial for fostering a healthy campus. Strengthening a more movement culture in this context will enrich student engagement and mental well-being: pivotal for establishing lifelong habits during this developmental period.
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 | 0,011 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,004 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,027 | 0,005 |
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 ».