Behavior Change Techniques Present in Wearable Activity Trackers: A Critical Analysis
Notice bibliographique
Résumé
BACKGROUND: Wearable activity trackers are promising as interventions that offer guidance and support for increasing physical activity and health-focused tracking. Most adults do not meet their recommended daily activity guidelines, and wearable fitness trackers are increasingly cited as having great potential to improve the physical activity levels of adults. OBJECTIVE: The objective of this study was to use the Coventry, Aberdeen, and London-Refined (CALO-RE) taxonomy to examine if the design of wearable activity trackers incorporates behavior change techniques (BCTs). A secondary objective was to critically analyze whether the BCTs present relate to known drivers of behavior change, such as self-efficacy, with the intention of extending applicability to older adults in addition to the overall population. METHODS: Wearing each device for a period of 1 week, two independent raters used CALO-RE taxonomy to code the BCTs of the seven wearable activity trackers available in Canada as of March 2014. These included Fitbit Flex, Misfit Shine, Withings Pulse, Jawbone UP24, Spark Activity Tracker by SparkPeople, Nike+ FuelBand SE, and Polar Loop. We calculated interrater reliability using Cohen's kappa. RESULTS: The average number of BCTs identified was 16.3/40. Withings Pulse had the highest number of BCTs and Misfit Shine had the lowest. Most techniques centered around self-monitoring and self-regulation, all of which have been associated with improved physical activity in older adults. Techniques related to planning and providing instructions were scarce. CONCLUSIONS: Overall, wearable activity trackers contain several BCTs that have been shown to increase physical activity in older adults. Although more research and development must be done to fully understand the potential of wearables as health interventions, the current wearable trackers offer significant potential with regard to BCTs relevant to uptake by all populations, including older adults.
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 | 0,073 | 0,226 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,012 | 0,007 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».