MétaCan
Menu
Retour à la cohorte
Enregistrement W2463063833 · doi:10.2196/mhealth.5637

Reciprocal Reinforcement Between Wearable Activity Trackers and Social Network Services in Influencing Physical Activity Behaviors

2016· article· en· W2463063833 sur OpenAlexvenueno aff
Rebecca Cherng-Shiow Chang, Hsi‐Peng Lu, Pei‐Shan Yang, Pin Luarn

Notice bibliographique

RevueJMIR mhealth and uhealth · 2016
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésActivity trackerWearable computerReciprocalPhysical activityWearable technologyReinforcementHuman–computer interactionComputer sciencemHealthSocial network (sociolinguistics)PsychologyApplied psychologyInternet privacySocial psychologyPhysical medicine and rehabilitationWorld Wide WebMedicineSocial mediaPsychological intervention

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Wearable activity trackers (WATs) are emerging consumer electronic devices designed to support physical activities (PAs), which are based on successful behavior change techniques focusing on goal-setting and frequent behavioral feedbacks. Despite their utility, data from both recent academic and market research have indicated high attrition rates of WAT users. Concurrently, evidence shows that social support (SS), delivered/obtained via social network services or sites (SNS), could increase adherence and engagement of PA intervention programs. To date, relatively few studies have looked at how WATs and SS may interact and affect PAs. OBJECTIVE: The purpose of this study was to explore how these two Internet and mobile technologies, WATs and SNS, could work together to foster sustainable PA behavior changes and habits among middle-aged adults (40-60 years old) in Taiwan. METHODS: We used purposive sampling of Executive MBA Students from National Taiwan University of Science and Technology to participate in our qualitative research. In-depth interviews and focus groups were conducted with a total of 15 participants, including 9 WAT users and 6 nonusers. Analysis of the collected materials was done inductively using the thematic approach with no preset categories. Two authors from different professional backgrounds independently annotated and coded the transcripts, and then discussed and debated until consensus was reached on the final themes. RESULTS: The thematic analysis revealed six themes: (1) WATs provided more awareness than motivation in PA with goal-setting and progress monitoring, (2) SS, delivered/obtained via SNS, increased users' adherence and engagement with WATs and vice versa, (3) a broad spectrum of configurations would be needed to deliver WATs with appropriately integrated SS functions, (4) WAT design, style, and appearance mattered even more than those of smartphones, as they are body-worn devices, (5) the user interfaces of WATs left a great deal to be desired, and (6) privacy concerns must be addressed before more mainstream consumers would consider adopting WATs. CONCLUSIONS: Participants perceived WATs as an awareness tool to understand one's PA level. It is evident from our study that SS, derived from SNS and other pertinent vehicles such as the LINE social messaging application (similar to WhatsApp and WeChat), will increase the engagement and adherence of WAT usage. Combining WATs and SNS enables cost-effective, scalable PA intervention programs with end-to-end services and data analytics capabilities, to elevate WATs from one-size-fits-all consumer electronics to personalized PA assistants.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,532
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,067
Tête enseignante GPT0,447
Écart entre enseignants0,380 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations40
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR mhealth and uhealthMême sujetMobile Health and mHealth ApplicationsTravaux en français237 207