Present knowledge and future directions: Musings on GMCB interventions
Notice bibliographique
Résumé
Much of the research on group-mediated cognitive behavioural interventions (GMCB) suggests that they are effective at increasing physical activity (PA) adherence, improving physical function, and enhancing social cognitive outcomes across diverse populations (e.g., sedentary older adults, postnatal mothers, and spinal cord injury patients). The use of cognitive-behavioural and group dynamics models to produce social-cognitive and behavioural change follows the recommendations of Cartwright (1951), Bandura (1997), Meichenbaum & Turk, (1987) and the PA intervention literature (e.g., Artinian et al, 2010). Despite GMCB's potential as a PA intervention, questions remain regarding its widespread application. For example, is the GMCB amenable to knowledge translation (KT), the dynamic process by which research findings are integrated into everyday practice? Glasgow and Emmons (2007) suggest potential barriers to successful KT implementation of health-related interventions fall under three categories: (1) intervention characteristics, (2) characteristics of the target setting, and (3) research design. GMCB KT will be discussed relative to these. Some GMCB characteristics make it attractive for implementation, but do barriers constrain this potential? Feasibility of the GMCB model to overcome common KT barriers will be examined. Directions for future GMCB research will be offered (e.g., measuring cohesion/collaboration; persistence).Acknowledgments: Supported by Canada Research Chair Training Fund
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 | 0,021 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,008 | 0,014 |
| Science ouverte | 0,005 | 0,005 |
| Intégrité de la recherche | 0,014 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,039 | 0,006 |
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 ».