TEXT2PLAN: TESTING THE EFFECTIVENESS OF TAILORED TEXT MESSAGES FOR PROMOTING PLANNING FOR PHYSICAL ACTIVITY
Notice bibliographique
Résumé
Text messages can promote physical activity plan execution (Prestwich, Perugini & Hurling, 2010), but it is unknown if they can promote plan formation. Our study investigated whether text messages could be used to promote the formation of physical activity plans. We determined if 1) text messages about planning increased planning more than text messages about physical activity, 2) if tailored text messages about planning increased planning more than generic text messages about planning, and 3) if planning was maintained over time. Participants were inactive adults (n=239, Mage=30.7±4.8yrs) with access to email and text messaging. Participants received generic messages about physical activity, generic messages about planning or tailored messages about planning. Each week for two months, participants were emailed a tool to plan their physical activity. Whether participants used this tool was assessed at baseline (T0), after one month of receiving text messages (T1) and after an additional month without text messages (T2). There were no differences in planning between groups that received messages about planning or physical activity at T1 or T2, ps>.05. More participants who received tailored text messages about planning made at least one plan by T1 than participants who received generic messages about planning, χ2(1)=3.889, p .05. For all groups, planning was maintained from T0 to T1, ps>.05, but decreased from T1 to T2, McNemars χ2(1)>17.455, ps<.001. Generic text messages about physical activity or tailored messages about planning can increase planning, but planning may not be sustained over time.
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 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,002 |
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 ».