Sedentary behaviour among university students: A mobile app pilot intervention
Notice bibliographique
Résumé
Sedentary behaviour (SB) poses a number of health risks (Katzmarzyk et al., 2009) and university students in particular are at risk of engaging in prolonged SB. Due to the pervasiveness of smartphones, mobile apps may be used to encourage less SB in this population. The purpose of this study was to pilot a SB app among undergraduates. Participants (n=177) first completed an online survey that included self-reported levels of SB and experiences with apps. Following this, participants were asked to participate in a follow-up study and were randomly assigned to a trial group (used the app Rise & Recharge® for 2 weeks; n=53) or a control group (n=74). After 2 weeks, participants in trial (n=18) and control groups (n=38) completed a second online survey that repeated the self-report SB questions. Participants in the trial group responded to additional questions about their app experience. A two-way mixed ANOVA was conducted on data for participants who had SB data at both time points. This yielded a significant interaction between group and time (F(1,35)=5.59, p=0.02, np2=0.14) in which the trial group (n=11) had lower SB at Time 2 than the control (n=26) group. Despite this, participants in the trial group rated the app as only 'slightly influential'. Further, students' open-ended responses showed that they perceive a lack of control over their own SB due to the demands of university. Overall, this study provides insight into SB among university students, and sheds light on the potential of using apps to influence this behaviour.
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
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 ».