Évaluation de la mesure À l’école, on bouge! : quels sont les facteurs qui ont favorisé son implantation dans les écoles primaires du Québec?
Bibliographic record
Abstract
Le manque d’activité physique chez les jeunes est un enjeu préoccupant de santé publique en Amérique du Nord. Afin de s’attaquer au problème de sédentarité des jeunes, certains gouvernements des provinces canadiennes ont mis en place des programmes de promotion de l’activité physique dans les écoles. Au Québec, en cohérence avec la Politique de l’activité physique, du sport et du loisir (2017), le gouvernement a mis en place la mesure À l’école, on bouge! visant à soutenir les écoles primaires souhaitant s’engager à offrir à l’ensemble de leurs élèves la possibilité de bouger 60 minutes chaque jour de classe. Cette étude examine les facteurs associés à la réussite de la mise en œuvre de cette mesure dans les écoles primaires de la province. Un sondage en ligne a été envoyé aux 415 écoles participantes de la première année. Les responsables désignés du projet ont rendu compte du processus de mise en œuvre de leur école et du nombre moyen de minutes d’activité physique quotidienne (APQ) offert. Les résultats montrent qu’entre 66,9 % et 81,1 % des écoles ont atteint l’objectif du 60 min d’APQ. Les analyses de régression logistique ont permis d’identifier certains prédicteurs associés à une implantation réussie. Ces prédicteurs diffèrent selon le milieu géographique (rural et urbain). Les prédicteurs qui sont ressortis comme influençant l’atteinte du 60 minutes d’APQ sont : la perception des bienfaits de l’APQ sur la réussite éducative pour les deux milieux géographiques, la somme reçue par élève et le nombre de responsables désignés pour le milieu rural et l’analyse de la situation pour le milieu urbain. Les données qualitatives portant sur l’engagement des équipes-écoles, le leadership de la direction, la résistance rencontrée face à la mise en œuvre de la mesure et les stratégies de mobilisation déployées pour encourager la participation des membres des équipes-écoles ont également été analysées. L’ensemble de nos résultats révèlent que différents facteurs influencent la mise en œuvre réussie d’une mesure visant à offrir des opportunités d’APQ dans les écoles primaires et qu’il est important que ces facteurs soient pris en considération par les décideurs et les administrateurs scolaires pour assurer le succès d’implantation de nouvelles mesures
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 | 0.023 | 0.036 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.006 | 0.003 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.013 | 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".