Les stratégies d’intervention pour aider les jeunes à gérer leur pratique d’activité physique. Une revue de la littérature
Bibliographic record
Abstract
Les réflexions des dernières années sur la sédentarité juvénile ont mené à la mise en place de stratégies d’intervention (SI) dans les domaines scolaires, familiaux et communautaires. Ces stratégies sont apparues pertinentes pour outiller les jeunes à prendre en main leur pratique des activités physiques (PAP). Cette étude « narrative », vise à explorer les travaux relatifs aux SI qui visent à améliorer la PAP des jeunes (5 à 17 ans). Une recension a été conduite à partir de plusieurs bases de données (i.e., Google Scholar, Eric, Sport Discus, ProQuest) sur les trente dernières années pour mieux comprendre leur objectif et leur impact sur la PAP des jeunes. L’analyse de la littérature a permis de décrire les conditions dans lesquelles se sont développées les SI, de classer les SI utilisées par les chercheurs, de répertorier les principaux objectifs de recherche sur les SI et d’identifier les recommandations qui se dégagent pour l’implantation des futures SI. Ce travail offre une première organisation des connaissances sur les SI. Il a permis plus spécifiquement de mettre en évidence la grande diversité des SI, les contextes dans lesquels elles s’implantent ainsi que leur efficacité relative sur la PAP des jeunes et notamment à long terme.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.006 | 0.011 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.004 | 0.004 |
| Scholarly communication | 0.005 | 0.004 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.010 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".