Cadre d’analyse des facteurs qui caractérisent une perception positive de l’activité physique chez les élèves du primaire
Bibliographic record
Abstract
Les interventions en milieu scolaire doivent favoriser le développement d’une perception positive (PP) de l’activité physique (AP) chez les élèves pour avoir des répercussions à long terme sur leur mode de vie actif. Toutefois, les perceptions des élèves en lien avec l’AP sont sous-représentées dans la littérature scientifique et plus particulièrement lors du déploiement des interventions en milieu scolaire primaire. Cet article a donc pour but de présenter : (1) les facteurs qui caractérisent une PP de la pratique d’AP chez les élèves du milieu scolaire primaire et (2) de modéliser un cadre d’analyse permettant de catégoriser ces facteurs. Une recherche documentaire a été menée afin d’identifier les facteurs qui caractérisent une PP de l’AP chez les élèves du primaire en plus d’élaborer un cadre d’analyse. Les résultats mettent en évidence 24 facteurs caractérisant une PP de l’AP chez les élèves du primaire. Ces facteurs sont présentés dans un cadre d’analyse élaboré à partir du modèle socio-écologique de McLeroy et al. (1988). Ce cadre d’analyse est pertinent pour identifier, décrire et caractériser les perceptions des élèves dans le contexte où des stratégies d’intervention visant à augmenter leur niveau d’AP sont mises en place en milieu scolaire.
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 | 0.007 | 0.025 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.012 | 0.001 |
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".