Digital Inequalities in the Use of Self-Tracking Diet and Fitness Apps: Interview Study on the Influence of Social, Economic, and Cultural Factors
Notice bibliographique
Résumé
BACKGROUND: Digital devices are driving economic and social transformations, but assessing the uses, perceptions, and impact of these new technologies on diet and physical activity remains a major societal challenge. OBJECTIVE: We aimed to determine under which social, economic, and cultural conditions individuals in France were more likely to be actively invested in the use of self-tracking diet and fitness apps for better health behaviors. METHODS: Existing users of 3 diet and fitness self-tracking apps (Weight Watchers, MyFitnessPal, and sport apps) were recruited from 3 regions of France. We interviewed 79 individuals (Weight Watchers, n=37; MyFitnessPal, n=20; sport apps, n=22). In-depth semistructured interviews were conducted with each participant, using open-ended questions about their use of diet and fitness apps. A triangulation of methods (content, textual, and quantitative analyses) was performed. RESULTS: We found 3 clusters of interviewees who differed by social background and curative goal linked to use under constraint versus preventive goal linked to chosen use, and intensity of their self-quantification efforts and participation in social networks. Interviewees used the apps for a diversity of uses, including measurement, tracking, quantification, and participation in digital communities. A digital divide was highlighted, comprising a major social gap. Social conditions for appropriation of self-tracking devices included sociodemographic factors, life course stages, and cross-cutting factors of heterogeneity. CONCLUSIONS: Individuals from affluent or intermediate social milieus were most likely to use the apps and to participate in the associated online social networks. These interviewees also demonstrated a preventive approach to a healthy lifestyle. Individuals from lower milieus were more reluctant to use digital devices relating to diet and physical activity or to participate in self-quantification. The results of the study have major implications for public health: the digital self-quantification device is intrinsically less important than the way the individual uses it, in terms of adoption of successful health behaviors.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».