Using the Unified Theory of Acceptance and Use of Technology (UTAUT) to Investigate the Intention to Use Physical Activity Apps: Cross-Sectional Survey
Notice bibliographique
Résumé
BACKGROUND: Many university students are lacking adequate physical exercise and are failing to develop physical activity (PA) behaviors in China. PA app use could improve this situation. OBJECTIVE: The aim of this study was to use the unified theory of acceptance and use of technology (UTAUT) to investigate the intention to use PA apps among university students in Guangzhou, China, and how body mass index (BMI) moderates the effects of UTAUT in explaining PA app use intention. METHODS: A cross-sectional study was conducted among 1704 university students from different universities in Guangzhou, China. The UTAUT model was used to measure the determinants of intention to use PA apps. RESULTS: Of the participants, 41.8% (611/1461) intended to use PA apps. All three UTAUT-related scales (performance expectancy, effort expectancy, and social influence) were positively associated with the intention to use PA apps after adjusting for background variables (adjusted odds ratio 1.10-1.31, P<.001). The performance expectancy scale had stronger associations with the intention to use PA apps among those whose BMI were beyond normal range compared with those whose BMI were within normal range (P<.001). CONCLUSIONS: UTAUT is useful for understanding university students' intention to use PA apps. Potential moderating effects should be kept in mind when designing UTAUT-based interventions to improve PA via app use.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».