MétaCan
Menu
Back to cohort
Record W2991613315

L’authentification de la pratique déclarée par les élèves de l’activité physique faite à l’extérieur du cours d’éducation physique au collégial au moyen d’une application mobile

2018· article· fr· W2991613315 on OpenAlexaboutno aff
Rachel Surprenant

Bibliographic record

VenueBibliothèque et Archives nationales du Québec (Québec government) · 2018
Typearticle
Languagefr
FieldSocial Sciences
TopicEducation, sociology, and vocational training
Canadian institutionsnot available
Fundersnot available
KeywordsHumanitiesMedicinePhilosophy
DOInot available

Abstract

fetched live from OpenAlex

Au Québec, le troisième cours d’éducation physique du niveau collégial vise à intégrer la pratique de l’activité physique au mode de vie de l’élève qui doit adopter des comportements favorisant la santé. Un cours d’éducation physique au niveau collégial a une durée de 120 minutes par semaine pour un total de 30 heures par session. Cette durée n’est pas suffisante pour apporter des changements significatifs sur la santé des élèves. D’où la nécessité de pratiquer l’activité physique en dehors des heures de cours. C’est pourquoi les élèves doivent pratiquer une activité physique régulière et suffisante en gérant un programme personnel d’activités physiques. Pour cela, l’élève remplit un relevé papier en se basant sur ses connaissances sur la durée, la fréquence, l’intensité de l’activité physique et en répondant à des questions sur cette pratique. Il est difficile pour les enseignantes et les enseignants d’évaluer ce relevé demandé dans le devis ministériel visant à développer la compétence de l’autonomie. Les élèves peuvent écrire volontairement ou involontairement des données inexactes sur leur pratique de l’activité physique. Cela peut venir fausser les réponses aux questions d’autoanalyse de leur pratique de l’activité physique de même que l’évaluation du relevé périodique faite par l’enseignante ou l’enseignant. D’autre part, aucune recherche scientifique ne porte spécifiquement sur les technologies de l’information et de la communication en éducation physique au niveau collégial. Nous croyons que cela constitue un manque important d’informations dans le domaine. Par conséquent, il nous apparaît essentiel de chercher des solutions à ce problème de qualité des mesures prises par les élèves sur l’activité physique faite à l’extérieur du cours. La question de recherche que nous nous posons est : comment l’utilisation d’une application mobile authentifie-t-elle la pratique déclarée de l’activité physique faite par les élèves du Cégep Saint-Jean-sur-Richelieu à l’extérieur du troisième cours d’éducation physique dans le programme personnel d’activités physiques ? Pour répondre à cette question, nous avons élaboré un cadre de référence portant sur l’activité physique et ses paramètres, ainsi que sur les technologies de l’information et de la communication. Après avoir recensé dans la littérature scientifique les outils permettant d’augmenter la précision des mesures des activités physiques faites à l’extérieur du cours, la solution retenue est l’utilisation d’un outil technopédagogique, plus précisément, l’application mobile Runtastic. Notre recherche visait quatre objectifs : mettre à l’essai l’utilisation de l’application Runtastic dans deux groupes du même cours d’éducation physique, évaluer son effet sur la qualité des mesures des activités physiques et sur la qualité de l’autoanalyse de la pratique de l’activité physique faite par les élèves en analysant les réponses avec et sans la technologie et recueillir des données d’appréciation sur l’application mobile. Une recherche-expérimentation a été réalisée auprès de 44 élèves du Cégep Saint-Jean-sur-Richelieu âgés en moyenne de 19,7 ans ± 2,3. Le groupe expérimental était composé de 21 sujets qui ont utilisé l’application mobile Runtastic lors de leur pratique de l’activité physique faite de façon autonome et le groupe contrôle était composé de 23 sujets qui n’ont pas utilisé l’application. Nous voulions comparer les données sur les activités physiques prises avec et sans l’application mobile afin de connaître la validité de cet outil. Pour collecter les données, nous avons utilisé le relevé périodique déjà existant, ainsi que le questionnaire électronique. Puis, pour traiter et analyser les données, nous avons utilisé l’analyse statistique descriptive et l’analyse de contenu. Grâce aux résultats obtenus, nous pouvons confirmer que l’application mobile facilite l’authentification des données sur la pratique de l’activité physique déclarée et effective par les élèves à l’extérieur du cours en les rendant plus précises et plus cohérentes. De plus, les résultats ont montré que les sujets ont aimé utiliser cet outil technologique lors de leur pratique. Nous avons également constaté que l’application mobile favorise les apprentissages sur la pratique de l’activité physique. Dans le contexte où l’élève pratique l’activité physique à l’extérieur du cours d’éducation physique sans la présence de son enseignante ou de son enseignant, nous pouvons confirmer que l’application mobile est un outil intéressant pour aider l’élève à mesurer les paramètres de l’activité physique, à se fixer des objectifs d’entraînement et à remplir son relevé périodique. D’autre part, pour les enseignantes et les enseignants d’éducation physique au niveau collégial, nous croyons que l’application mobile peut aider dans l’évaluation du relevé périodique. Effectivement, les réponses retrouvées dans les relevés périodiques remplis avec l’application mobile sont plus précises, plus cohérentes et plus authentiques. Les résultats nous encouragent à utiliser l’application mobile dans le troisième cours d’éducation physique et plus encore, à ouvrir les portes à d’autres possibilités. Les retombées, les limites et les perspectives futures sont expliquées à la fin de la recherche.

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 imitation

Not 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.

metaresearch head score (Codex)0.007
metaresearch head score (Gemma)0.035
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: none
Teacher disagreement score0.895
Threshold uncertainty score0.208

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0070.035
Meta-epidemiology (narrow)0.0010.000
Meta-epidemiology (broad)0.0010.001
Bibliometrics0.0030.002
Science and technology studies0.0020.001
Scholarly communication0.0050.003
Open science0.0010.002
Research integrity0.0010.002
Insufficient payload (model declined to judge)0.0500.013

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.

Opus teacher head0.033
GPT teacher head0.327
Teacher spread0.294 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designObservational
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2018
Admission routes1
Has abstractyes

Explore more

Same venueBibliothèque et Archives nationales du Québec (Québec government)Same topicEducation, sociology, and vocational trainingFrench-language works237,207