MétaCan
Menu
Retour à la cohorte
Enregistrement W2888758022 · doi:10.2196/10679

Pokémon GO Within the Context of Family Health: Retrospective Study

2018· article· en· W2888758022 sur OpenAlexvenueno aff
Lisa K. Militello, Nathan Hanna, Claudio R. Nigg

Notice bibliographique

RevueJMIR Pediatrics and Parenting · 2018
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensnon disponible
Organismes subventionnairesSigma Theta Tau International
Mots-clésContext (archaeology)Psychological interventionMobile phoneInternet privacyPhonePsychologyComputer scienceTelecommunicationsHistoryPsychiatry

Résumé

récupéré en direct d'OpenAlex

Background: Pokémon GO illuminated the potential for mobile phone gaming apps to engage users and promote health. However, much work is needed to fully understand the mechanisms through which digitally supported behavior change interventions operate, particularly for children and families. Objective: The aims of this study were (1) to explore the Pokémon GO user experience from a family perspective and (2) to investigate Pokémon GO within the context of family health. Methods: Between January and February 2017, congruent with one of the largest anticipated Pokémon GO updates Gen 2, participants were recruited from parks, word of mouth, and social media to complete a Web-based survey. Participants were surveyed about family characteristics, interest, and experiences playing Pokémon GO and healthy lifestyle beliefs. Using a revised Godin Leisure-Time Exercise Questionnaire, a retrospective pre-post design assessed changes in parent physical activity (PA) before and after playing Pokémon GO. Results: Self-reported data from 160 parents and 31 children were included in the final analyses (representing 129 parents and 31 parent-child dyads). Gameplay most often occurred between sons aged 10 years or younger and mothers. “Spending time together” was the most cited reason for gameplay by both parents (122/160, 76.3%) and children (24/31, 77%), followed by “it helped me go outdoors” for parents (113/160, 70.1%) and “I am a Pokémon fan” by children (21/31, 68%). Interestingly, open-ended responses indicated that gameplay could trigger both positive and negative emotional parent response. The most cited reason for app disengagement was boredom; conversely, the most cited reason for app re-engagement was in-app events. For parents, there were significant increases in minutes spent in mild (mean 23.36 [SD 66.02]; t97=3.50, P<.001) and moderate (mean 21.76 [SD 53.04]; t130=4.70, P<.001) PA per week after playing Pokémon GO. However, child perceptions of parental influence on PA most significantly associated with parents who reported weekly strenuous PA both before (rs=.514, P=.003) and after (rs=.536, P=.003) Pokémon GO uptake. Conclusions: Pokémon GO transcended traditional understanding of digital health and uniquely reached across generations to engage users. Findings from this study highlight that, for a period of time, Pokémon GO fostered social and physical well-being for children and families through a multifaceted approach.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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 enseignants0,007
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
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 Opus0,069
Tête enseignante GPT0,430
Écart entre enseignants0,361 · 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

Citations31
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Pediatrics and ParentingMême sujetMobile Health and mHealth ApplicationsTravaux en français237 207