Facteurs qui influencent la pratique d’activités physiques de jeunes peu actifs pendant le Pentathlon en équipe
Bibliographic record
Abstract
Cette étude poursuivait trois objectifs : 1) déterminer les profils d’évolution de pratique d’activité physique d’élèves « peu actifs » avant ou pendant un Pentathlon en équipe, 2) analyser les caractéristiques identitaires et participatifs (sexe, milieu socio-économique, pratique d’activités physiques) de chaque profil, et 3) identifier les facteurs perçus par les élèves comme aidant ou limitant leur pratique. Le programme Pentathlon en équipe a été implanté auprès de 104 jeunes d’écoles primaires de la région de Québec. Un questionnaire a été administré pour recueillir les perceptions des élèves à propos de leur participation au programme. Les résultats ont permis d’identifier que ce sont des facteurs individuels et des caractéristiques du Pentathlon en équipe qui aident le plus les élèves à faire de la pratique d’activités physiques, tandis que ce sont le manque d’équipement et le manque d’engagement qui ont limité la pratique des élèves. Les apports de ce travail sur les facteurs associés aux différents profils d’évolution de pratique ont permis de préciser l’impact de ce type d’intervention auprès des élèves qui participent à ce programme.
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 | 0.001 | 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 | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 0.000 |
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".