Older Adults' Engagement During an Intervention Involving Off-the-Shelf Videogame
Notice bibliographique
Résumé
OBJECTIVE: The overall goal of our current study was to examine older adults' experience of Flow (i.e., subjective engagement) during the course of a home-based cognitive training program. MATERIALS AND METHODS: In this study, participants took part in a home-based training program. They were randomized to one of the two training groups. One group played an off-the-shelf videogame (i.e., Crazy Taxi), and the other group played a brain training game (i.e., Insight). Training consisted of 60 training sessions of 1 hour each, which were completed in 3 months (5 hours a week). After each training session, participants completed a Flow questionnaire to measure their engagement with the training. RESULTS: The analysis was performed with a linear growth curve model. The results indicate that on average, there was no change in flow for the Insight group between time points. There was no difference between the initial flow status of the Insight group and the Crazy Taxi group. However, the interaction between group membership and time was statistically significant, indicating that the participants in the Crazy Taxi group increased their scores at each week at a rate that was 0.99 larger than those in the Insight group. CONCLUSION: The analyses revealed that both groups experienced increase in Flow over the period, but only participants in the Crazy Taxi group significantly improved in Flow. This has long-term implications since we would expect participation to go beyond 12 weeks in a real-world scenario.
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 | 0,003 |
| 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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».