A qualitative exploration of affective experiences during exercise in an insufficiently active population
Notice bibliographique
Résumé
Most Canadians are not sufficiently physically active to achieve health benefits. Retrospective and quantitative studies show that negative affective responses to exercise can have a negative influence on exercise participation and adherence. The dual-mode model states that affective responses are a result of two modes; (1) cognitive processes (e.g., self-efficacy) and (2) interoceptive cues elicited as a result of physiological responses; however, little is known about what (e.g., symptoms and emotions) exactly affects one's exercise experience. Therefore, the purpose of this study was to explore insufficiently active adults' experiences during an exercise bout with the use of a think-aloud protocol. Nine women (Mage = 21.11 years, SD = 1.83) participated in two sessions, one week apart. Session 1 involved a graded maximal exercise treadmill test to determine the work rate associated with the ventilatory threshold and session 2 involved exercising on a treadmill at three intensities for 6 minutes each while saying all of their thoughts aloud. The think aloud data were recorded and transcribed verbatim and analyzed using thematic content analysis. In line with the dual-mode model, our qualitative data showed that participants experienced more physiological symptoms (e.g., muscular, ventilation), above the ventilatory threshold, and expressed more exercise enjoyment and greater exercise self-efficacy below the ventilatory threshold. These findings provide rich insight into what insufficiently active individuals experience during exercise and how they perceive them. These findings could be used to educate new exercisers about what kind of symptoms one can experience during different exercise intensities, which could potentially help increase physical activity adherence.
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 | 0,006 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,008 | 0,007 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».