Perceptions d’élèves sur ce qui caractérisent une personne en bonne santé
Bibliographic record
Abstract
La plupart des jeunes sont sédentaires, ce qui influence négativement leur condition physique et leur santé. Les conséquences de la sédentarité sur la santé des jeunes ont amené le Ministère de l’Éducation du Québec à intégrer dans les cours d’ÉPS le volet de l’éducation à la santé. Les enseignants d’ÉPS du Québec s’interrogent : Que doivent-ils enseigner spécifiquement en lien avec la santé ? Quel est le niveau actuel des jeunes en cette matière ? Les élèves ont-ils les connaissances suffisantes pour adopter des habitudes de vie qui contribuent au maintien ou à l’amélioration de leur santé ? Cette étude a donc pour but de décrire les perceptions des élèves sur ce qui caractérise une personne en bonne santé afin de vérifier leur niveau de connaissance en cette matière. Elle vise aussi à identifier les personnes qui contribuent à les éduquer au plan de la santé. Soixante-dix-sept élèves du primaire et 69 élèves du secondaire ont participé à des entrevues de groupe et répondu à un questionnaire. L’analyse des données démontre que les élèves sont en mesure d’identifier les thèmes majeurs qui composent l’univers de la santé ainsi que les principaux comportements à adopter pour être en santé. Cependant, ils sont davantage préoccupés par la dimension physique de la personne en santé au détriment des aspects psychologiques et sociaux. De plus, selon les élèves, les enseignants d’ÉPS ont peu d’impact sur eux, comparativement aux parents qui sont de loin leurs premiers éducateurs à la santé.
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 | 0.003 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.010 | 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".