Behaviour change techniques and physical activity using the fitbit flex
Notice bibliographique
Résumé
The availability of low-cost accelerometer technology has led to a surge in consumer-based physical activity monitors (Lee et al., 2014). A top leader in this market is Fitbit (Dolan, 2014). Fitbit's activity tracking devices allow for self-monitoring and other features related to behaviour change (e.g., goal setting) called behaviour change techniques (BCTs). It has been determined that one popular wrist-worn device, the Fitbit Flex®, incorporates 20 BCTs (Lyons et al., 2014). The purpose of this study was to explore user's experience with the Fitbit Flex® as it relates to physical activity behaviour and BCTs. Participants (n=28, 82.1% female, 18-71 years old) completed an online survey assessing: (1) demographics and Fitbit acquisition, (2) step volume (number of steps for the past week and the first week of use), and (3) user's perceived importance and/or frequency of use of the 20 BCTs. Participants had used the Fitbit for an average 5 months and there was a significant increase of almost 2000 steps (p = .003) from the first to the past week of use. The BCTs rated among the highest for perceived importance for physical activity behaviour (i.e., step volume) were feedback, self-monitoring, and goal setting. The BCTs related to feedback or reward of outcomes (i.e., weight loss) and social features (e.g., social support) were rated on the lower end of importance/frequency. Overall, the present study contributes to understanding the influence wearing a Fitbit Flex has on physical activity as well as the importance of certain BCTs, which has implications for future physical activity promotion and product development.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| 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) | 0,000 | 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 tête enseignante, 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 ».