MétaCan
Menu
Retour à la cohorte
Enregistrement W2589023906

Investigating the motivational interviewing techniques and behaviour change techniques in physical activity counselling sessions: Preliminary results

2016· article· en· W2589023906 sur OpenAlexaff
Jean-Christian Gagnon, Michelle Fortier, Taylor McFadden, Yannick Plante

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomainePsychology
ThématiqueBehavioral Health and Interventions
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésMotivational interviewingPsychological interventionPsychologyBehaviour changePhysical activityApplied psychologyIntervention (counseling)Behavior changeSocial psychologyClinical psychologyMedical educationMedicinePhysical therapy
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Over the past 20 years, there has been a wealth of research on the implementation and evaluation of physical activity promoting interventions (Kahn et al., 2002). Among these is Physical Activity Counselling (PAC), an individual, face-to-face intervention that uses a Motivational Interviewing (MI) counselling style and other behaviour change techniques for eliciting physical activity behaviour change (Fortier et al., 2007; Fortier, William, et al., 2011). Recently, the Behaviour Change Technique Taxonomy version 1 (BCTTv1) was developed to provide an agreed and standard method of describing intervention content (Michie et al., 2013). Given the poor representation of MI in the BCTTv1 and its proven effectiveness for changing health behaviours (Lundahl et al., 2013), a recent conceptual review was conducted to identify relational and content techniques specific to MI (Hardcastle, Fortier, Blake, & Hagger, 2016). Therefore, the purpose of this study is to identify and quantify the specific BCTs and MI techniques applied during PAC sessions. Videotaped recordings of six PAC sessions were analyzed. Results indicated that the most utilized BCTs include 3.1 Social support (unspecified) (k=6), 1.1 Goal setting (behaviour) (k=4) and 1.2 Problem Solving (k=3). The most utilized relational techniques of MI include Open-ended questions (k=6), Affirmation (k=6), Reflective statements (k=6), Summary statements (k=6) and Permission to provide information and advice (k=5), whereas Consider change options (k=4) and Values exploration (k=3) were the content techniques of MI most frequently used. These preliminary findings shed light on the techniques applied and the relational-content interplay during PAC.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,029
score de la tête « metaresearch » (Gemma)0,068
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,029
Score d'incertitude au seuil0,156

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0290,068
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0020,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,184
Tête enseignante GPT0,438
Écart entre enseignants0,254 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations2
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetBehavioral Health and InterventionsTravaux en français237 207