A Serious Video Game to Increase Fruit and Vegetable Consumption Among Elementary Aged Youth (Squire’s Quest! II): Rationale, Design, and Methods
Notice bibliographique
Résumé
BACKGROUND: Youths eat fewer fruits and vegetables than recommended. Effective methods are needed to increase and maintain their fruit and vegetable consumption. Goal setting has been an effective behavior change procedure among adults, but has had limited effectiveness among youths. Implementation intentions are specific plans to facilitate goal attainment. Redefining goal setting to include implementation intentions may be an effective way to increase effectiveness. Video games offer a controlled venue for conducting behavioral research and testing hypotheses to identify mechanisms of effect. OBJECTIVE: This report describes the protocol that guided the design and evaluation of Squire's Quest! II, a video game aimed to increase child fruit and vegetable consumption. METHODS: Squire's Quest! II is a 10-episode videogame promoting fruit and vegetable consumption to 4th and 5th grade children (approximately 9-11 year old youths). A four group randomized design (n=400 parent/child dyads) was used to systematically test the effect of two types of implementation intentions (action, coping) on fruit and vegetable goal attainment and consumption of 4th and 5th graders. Data collection occurred at baseline, immediately post game-play, and 3 months later. Child was the unit of assignment. Three dietary recalls were collected at each data collection period by trained interviewers using the Nutrient Data System for Research (NDSR 2009). Psychosocial and process data were also collected. RESULTS: To our knowledge, this is the first research to explore the effect of implementation intentions on child fruit and vegetable goal attainment and consumption. CONCLUSIONS: This intervention will contribute valuable information regarding whether implementation intentions are effective with elementary age children. TRIAL REGISTRATION: ClinicalTrials.gov NCT01004094.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| 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 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».