"The more we get together": Groupness and adherence in structured and unstructured activity settings
Notice bibliographique
Résumé
When exercising with others, it has been reported that the more one perceives a collection of others to be a group (i.e., groupness), the greater one's adherence in that group setting (Spink et al., 2010). This relationship between groupness and adherence has been reported only in structured exercise settings. Given that individuals also report exercising with others in unstructured settings (e.g., running with friends) and different psychosocial correlates have been associated with adherence in these two settings (Spink et al., 2006), one might wonder if the effects of groupness differ across the settings. The purpose of this study was to examine the relationship between groupness and adherence in structured and unstructured activity settings. Participants from both structured (N=150) and unstructured (N=153) settings completed online questionnaires that assessed groupness (Spink et al., 2010) and adherence (attendance and frequency). SEM was used to evaluate whether groupness would predict adherence. In the structured setting, a good model fit was found: X2= 5.82, p=0.67, RMSEA=0.00 (CI: 0.00-0.08) with the squared multiple correlation (SMC) for adherence = 0.57. A good model fit also was found in the unstructured setting: X2= 10.08, p=0.26, RMSEA=0.04 (CI: 0.00-0.11). However, the SMC of 0.001 was marginal. The findings support the role of groupness in predicting adherence and suggest possible differences between structured and unstructured activity settings.
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 | 0,004 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| 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 ».