Does how we think about others matter? Examining similarity and groupness in relation to exercise adherence
Notice bibliographique
Résumé
Perceptions about those we exercise with appear to impact individual adherence. For instance, the perceived similarity of our co-exercisers has been associated with increased exercise participation (Dunlop & Beauchamp, 2011). As well, the extent to which we perceive these people to be a group (i.e., groupness) has been positively related to adherence (Spink et al., 2010). Although Ulvick et al. (2012) reported a relationship between deep-level similarity (DLS) and groupness, it is unclear whether these constructs operate together to predict adherence. The present study aimed to concurrently examine the relationships between DLS, groupness, and adherence. Adults (N = 185), recalling a structured exercise group they had participated in, completed online measures of DLS (Harrison et al., 1998), groupness (Spink et al., 2010), and adherence (frequency and percent attendance). SEM was used to examine DLS and groupness as predictors of adherence, as well as the relationship between DLS and groupness. Results indicated an adequate model fit, CFI = .94, RMSEA = .08, with a SMC for adherence of .46. The relationships between DLS and adherence, groupness and adherence, and DLS and groupness were all positive and significant. One interpretation might be that perceptions of similarity contribute to groupness, and perceptions of groupness then lead to increased adherence. Investigating groupness as a possible mediator in the similarity-adherence relationship awaits future research.
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 | 0,005 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».