Do incentives increase action planning in a web-based walking intervention?
Notice bibliographique
Résumé
Objective: Examining the use of incentives to promote action planning in university employees participating in the web-based RISE@Work walking intervention. Methods: Lower-active, full-time University of Toronto employees were invited to participate in RISE@Work. The 11-week program engages participants in evidence-based behavioural support strategies with the goal of increasing their daily step counts by 3000 steps over 5-Phases. Half of the recruited participants were randomly assigned to an incentive condition where they received a $5 Starbucks e-gift card each week for completing at least 1 new action plan during weeks 3-7. Intention to treat was conducted and repeated measures ANCOVAs were used to analyze mean step count differences between the two groups, during the 4-week incentive period, controlling for baseline step counts. Results: The final sample (n=55; age=41.07 years±10.62; BMI=25 kg/m2±SD4.99; 85.5%Female) experienced a significant increase of 1728±2875 daily steps over baseline steps (p=.04). During the 4-week incentive period, 57% participants in the incentive group and 8% in the control group completed action plans; only 6% of the incentive group continued planning at post-intervention. At the end of the incentive period (Phase 3) the incentive group accumulated more steps, representing a small effect size (d=.37). Although there were no significant between group differences at post-intervention, 73% of the incentive group versus 43% of the control group increased from low-active (5,000-7,500 steps/day) to somewhat-active (7,500-9,999 steps/day). Conclusions: Offering incentives resulted in increased planning, but only short-term increases in steps. Research is needed in identifying the best way to incorporate incentives into the design of web-based physical activity behaviour change interventions. Acknowledgments: GEF is supported by a Canadian Institutes of Health Research-Public Health Agency of Canada (CIHR-PHAC) Chair in Applied Public Health. MM is supported by the Canadian Institutes of Health Research (CIHR) [grant number 305843].
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 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».