MétaCan
Menu
Retour à la cohorte
Enregistrement W2801958514 · doi:10.1089/g4h.2017.0177

Family Exergaming: Correlates and Preferences

2018· article· en· W2801958514 sur OpenAlexaffabout
Ryan E. Rhodes, Nnenna Nwachukwu, Alison Quinlan

Notice bibliographique

RevueGames for Health Journal · 2018
Typearticle
Langueen
DomaineMedicine
ThématiquePhysical Activity and Health
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésPsychologyPhysical activityTheory of planned behaviorSocial cognitive theoryScreen timeIntervention (counseling)Developmental psychologyMedicinePhysical therapy

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: The family home is an important environment for reducing sedentary behavior and increasing physical activity (PA). Exergames are gaining attention as a possible modality for increasing energy expenditure within the home setting. The purpose of this study was to explore the use, correlates, and preferences of family exergaming. METHODS: An online survey of exergame preferences, social cognition (theory of planned behavior), and behaviors that parents perceive as displaced during exergaming was conducted among a representative sample of 483 Canadian parents with a child between the ages of 6 and 14 years of age who own a videogame platform in their family home. RESULTS: Three quarters of parents indicated that they played exergames with their children but play time averaged a single bout every second week (mean = 29 minutes per bout). Parents overwhelmingly preferred to play sports and dance exergames with their children on weekends (80.1%) and during inclement weather (i.e., rainy = 51.3%; snowy = 45.5%). Family exergame playtime was associated with intention, affective and instrumental attitudes, and descriptive norm. TV watching was reported as being the most common activity that exergames would displace (64.1%). DISCUSSION: Findings suggest that exergames could be a potentially viable option for family PA, especially during bad weather and on weekends to help increase total PA. Intervention efforts could benefit from promoting the social aspects of family exergaming and attitudinal factors.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,049
Score d'incertitude au seuil0,098

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,074
Tête enseignante GPT0,380
Écart entre enseignants0,306 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGames for Health JournalMême sujetPhysical Activity and HealthTravaux en français237 207