Moderators of the intention-behaviour and perceived behavioural control-behaviour relationships for leisure-time physical activity
Notice bibliographique
Résumé
BACKGROUND: Intention is a key determinant of action. However, there is a gap between intention and behavioural performance that remains to be explained. Therefore, the aim of this study was to identify moderators of the intention-behaviour and perceived behavioural control (PBC)- behaviour relationships for leisure-time physical activity. METHOD: This was tested in reference to Ajzen's Theory of Planned Behaviour. A sample of 300 volunteers, 192 women and 108 men, aged 18 to 55, participated in the study. At baseline, the participants completed a self-administrated psychosocial questionnaire assessing Ajzen's theory variables (i.e., intention and perceived behavioural control). The behavioural measure was obtained by mail three months later. RESULTS: Multiple hierarchical regression analyses indicated that age and annual income moderated the intention-behaviour and PBC-behaviour relationships. However, in the final model predicting behaviour (R2 = .46), only the interaction term of PBC by annual income (beta = .24, p = 0.0003) significantly contributed to the prediction of behaviour along with intention (beta = .49, p = 0.0009) and past behaviour (beta = .44, p < 0.0001). CONCLUSION: Physical activity promotion programs would benefit not only from focusing on increasing the intention of low intenders, but also from targeting factors that moderate the perceived behavioural control-behaviour relationships.
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 | 0,005 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».