Positive and negative messages about exercise from The Biggest Loser: Participants thoughts
Notice bibliographique
Résumé
People's thoughts about exercise may be influenced by the media through observational learning (Maibach, 2007). This influence may affect behaviour choices. Eighty-five undergraduate students were randomly assigned to one of three video conditions: Positive - The Biggest Loser (BL; n =28); Negative - BL (n =29); Control - reality TV show about singing (n =28). The positive video (PV) showed BL contestants running a marathon and displaying self confidence. The negative video (NV) showed a personal trainer yelling at two contestants to stay on the treadmill. After seeing the clip participants were asked to list five thoughts they had while watching. These statements were coded to understand the participant's thoughts. The codes most cited by participants that watched the NV were: negative description (e.g. brutal) (n=26) and negative trainer (n=27). Overall the trainer in the video was viewed as ÔÇ£meanÔÇØ; however, some participants thought contestants may need this ÔÇ£brutalÔÇØ motivation to lose weight. The code most cited by participants that watched the PV was, negative about marathon (e.g. that is a long marathon) (n=29). Overall participants who watched the positive video thought that a marathon was ÔÇ£really longÔÇØ and they did not think they could do it themselves. These findings are interesting because television shows like BL may be sending mixed messages that influence viewers in ways not yet understood. Further research needs to examine if these messages affect physical activity and weight loss behaviours.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».