Factors Associated with Sustained Exergaming: Longitudinal Investigation
Notice bibliographique
Résumé
BACKGROUND: Exergaming is technology-driven physical activity (PA) which, unlike traditional video game play, requires that participants be physically active to play the game. Exergaming may have potential to increase PA and decrease sedentary behavior in youth, but little is known about sustained exergaming. OBJECTIVE: The objectives of this study were to describe the frequency, correlates, and predictors of sustained exergaming. METHODS: Data were available in AdoQuest (2005-11), a longitudinal investigation of 1843 grade 5 students in Montréal, Canada. This analysis used data from grade 9 (2008-09) and 11 (2010-11). Participants at Time 1 (T1; mean age 14 years, SD 0.8 ) who reported past-week exergaming (n=186, 19.1% of AdoQuest sample) completed mailed self-report questionnaires at Time 2 (T2; mean age 16 years, SD 0.8). Independent sociodemographic, psychological, and behavioral correlates (from T2)/predictors (from T1 or earlier) were identified using multivariable logistic regression. RESULTS: Of 186 exergamers at T1, 81 (44%) reported exergaming at T2. Being female and having higher introjected regulation (ie, a type of PA motivation indicative of internalizing PA as a behavior) were independent correlates. None of the predictors investigated were associated with sustained exergaming. CONCLUSIONS: Almost half of grade 9 exergamers sustained exergaming for 2 years. Exergaming may be a viable approach to help adolescents engage in and sustain PA during adolescence. Sex and PA motivation may be important in the sustainability of exergaming.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».