Investigation of persuasive system design predictors of competitive behavior in fitness application: A mixed-method approach
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Fitness applications aimed at behavior change are becoming increasingly popular due to the global prevalence of sedentary lifestyles and physical inactivity, causing countless non-communicable diseases. Competition is one of the most common persuasive strategies employed in such applications to motivate users to engage in physical activity in a social context. However, there is limited research on the persuasive system design predictors of users’ susceptibility to competition as a persuasive strategy for motivating behavior change in a social context. To bridge this gap, we designed storyboards illustrating four of the commonly employed persuasive strategies (reward, social learning, social comparison, and competition) in fitness applications and asked potential users to evaluate their perceived persuasiveness. The result of our path analysis showed that, overall, users’ susceptibilities to social comparison (β T = 0.48, p < 0.001), reward (β T = 0.42, p < 0.001), and social learning (β T = 0.29, p < 0.01) predicted their susceptibility to competition, with our model accounting for 41% of its variance. Social comparison partially mediated the relationship between reward and competition, while social learning partially mediated the relationship between social comparison and competition. Comparatively, the relationship between reward and social learning was stronger for females than for males, whereas the relationship between reward and competition was stronger for males than for females. Overall, our findings underscore the compatibility of all four persuasive strategies in a one-size-fits-all fitness application. We discuss our findings, drawing insight from the comments provided by participants.
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.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle