Wer wird wie zu körperlicher Aktivität motiviert? Eine theoriegeleitete Untersuchung von Menschen mit Typ 2 Diabetes
Notice bibliographique
Résumé
Körperliche Bewegung ist Bestandteil erfolgreichen Diabetesmanagements. Jedoch sind viele Menschen nicht ausreichend aktiv. Sozialkognitive Theorien beschreiben, welche Einflüsse begünstigen, dass Menschen eine Absicht bilden aktiv zu werden und wie Absichten erfolgreich in die Tat umgesetzt werden. Solch ein Modell ist der Health Action Process Approach (HAPA; Schwarzer, 1992), der in der vorliegenden Untersuchung überprüft wurde. Es wurde getestet, ob körperliche Aktivität und Intentionsbildung vorhergesagt wird durch Selbstwirksamkeitserwartung (SWE), Ergebniserwartung (EE) und Risikowahrnehmung (RW) und dies abhängig von Absichten und bisherigen Erfahrungen der Personen. In einer Längsschnittuntersuchung wurden 1193 Erwachsenen mit Typ 2 Diabetes befragt: Stadium, SWE, EE, RW, Intention und Planung wurden zu t1 gemessen, sechs Monate später (t2) die körperliche Aktivität. Zur Testung des spezifischen Zusammenspiels der Prädiktoren zur Vorhersage von Verhalten wurden Gruppenvergleiche (MANOVA/SPSS) und Mehrguppen-Sturkturgleichungsmodelle (MSEM/AMOS) gerechnet. Personen, die noch keine Absicht hatten, regelmäßig körperlich aktiv zu sein, trauen sich dies auch weniger zu (M=2,4) als diejenigen, die diese Absicht schon hatten aber noch inaktiv sind (M=2,9) und Personen, die schon ausreichend aktiv waren (M=3,5). Diejenigen ohne Absicht nahmen weniger Gesundheitsrisiken wahr (M=4,5) als die beiden anderen Gruppen (M=4,8). In den MSEM zeigte sich, dass die Faktorinterkorrelationen gleich und die Pfade unterschiedlich in den Gruppen waren. Die SWE half nur Personen, die schon eine Absicht hatten, ihr Sporttreiben konkret zu planen (beta=.11-.23). Ferner waren nur diejenigen, die schon aktiv gewesen waren, 6 Monate später aktiver, wenn sie sich selbstwirksamer fühlten (beta=.22). Die Befunde stützen das HAPA Modell, auf dessen Grundlage Maßnahmen zur Aktivitätsförderung für Menschen mit Typ 2 Diabetes effektiver gestaltet werden können. Dazu sollte zuerst Absichten und bisherigen Erfahrungen festgestellt und dann die Maßnahme darauf maßgeschneidert werden.
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 | 0,011 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».