Health Behavior Theory in Physical Activity Game Apps: A Content Analysis
Notice bibliographique
Résumé
BACKGROUND: Physical activity games developed for a mobile phone platform are becoming increasingly popular, yet little is known about their content or inclusion of health behavior theory (HBT). OBJECTIVE: The objective of our study was to quantify elements of HBT in physical activity games developed for mobile phones and to assess the relationship between theoretical constructs and various app features. METHODS: We conducted an analysis of exercise and physical activity game apps in the Apple App Store in the fall of 2014. A total of 52 apps were identified and rated for inclusion of health behavior theoretical constructs using an established theory-based rubric. Each app was coded for 100 theoretical items, containing 5 questions for 20 different constructs. Possible total theory scores ranged from 0 to 100. Descriptive statistics and Spearman correlations were used to describe the HBT score and association with selected app features, respectively. RESULTS: The average HBT score in the sample was 14.98 out of 100. One outlier, SuperBetter, scored higher than the other apps with a score of 76. Goal setting, self-monitoring, and self-reward were the most-reported constructs found in the sample. There was no association between either app price and theory score (P=.5074), or number of gamification elements and theory score (P=.5010). However, Superbetter, with the highest HBT score, was also the most expensive app. CONCLUSIONS: There are few content analyses of serious games for health, but a comparison between these findings and previous content analyses of non-game health apps indicates that physical activity mobile phone games demonstrate higher levels of behavior theory. The most common theoretical constructs found in this sample are known to be efficacious elements in physical activity interventions. It is unclear, however, whether app designers consciously design physical activity mobile phone games with specific constructs in mind; it may be that games lend themselves well to inclusion of theory and any constructs found in significant levels are coincidental. Health games developed for mobile phones could be potentially used in health interventions, but collaboration between app designers and behavioral specialists is crucial. Additionally, further research is needed to better characterize mobile phone health games and the relative importance of educational elements versus gamification elements in long-term behavior change.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,007 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».