The Effects of Commercial Exercise Video Models on Women's Self-Presentational Efficacy and Exercise Task Self-Efficacy
Notice bibliographique
Résumé
This experiment examined the effects of commercial exercise video models on women's self-presentational efficacy (SPE) and exercise task self-efficacy (EXSE). Participants were 101 women (M age = 20.1, SD = 1.14) who completed baseline measures of exercise status, SPE, and EXSE. One week later, they watched an exercise video featuring either “perfect-looking” exercisers whose bodies epitomized the ultra-thin, ultra-toned female cultural body ideal, or a video in which the exercisers were considered more “normal-looking.” Post-video, the SPE and EXSE measures were readministered along with a measure of exercise intentions. Controlling for baseline measures of self-efficacy, a series of 2 (model condition: perfect-looking vs. normal-looking) × 2 (participant's exercise status: regular exerciser vs. infrequent/nonexerciser) ANCOVAs indicated women who saw the perfect-looking models had lower post-test SPE regardless of their exercise status (p < .05) and that nonexercisers had lower post-test SPE after watching either type of model (p < .05). There were no effects of model type on EXSE. SPE also explained significant variance in exercise intentions (ΔR2 = .06) beyond that explained by EXSE (ΔR2 = .39). Results are discussed in terms of theoretical and practical significance.
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 | 0,001 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».