Motivated, Fit, and Strong—Using Counter‐Stereotypical Images to Reduce Weight Stigma Internalisation in Women with Obesity
Notice bibliographique
Résumé
BACKGROUND: This study aimed to use implicit retraining to change automatic associations between body size and physical activity (PA) in women with obesity to reduce weight bias internalisation (WBI). METHODS: A Solomon-square experimental design was used to determine the effect of a four-week online implicit retraining intervention on WBI (primary measure) and PA attitudes, self-efficacy, and self-reported behaviour (secondary measures). The intervention was a visual probe task pairing counter-stereotypical images of active individuals with obesity with positive PA-related words. In qualitative telephone interviews, a sub-sample of participants provided feedback and recommendations for using counter-stereotypical images in PA promotion. RESULTS: Women completed the intervention (n = 48) or a control task (n = 55). Results of a RM-ANOVA showed no interaction or main effect of group on WBI. A main effect of time demonstrated that both groups had reduced WBI between pre-test and post-test, through to one-week follow-up. There were no differences between groups or over time for PA attitudes, self-efficacy, or behaviour. Women who completed interviews (n = 16) discussed several benefits and drawbacks of using counter-stereotypical images. CONCLUSION: Implicit retraining did not reduce WBI but qualitative findings support the use of counter-stereotypical PA images.
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 | 0,002 |
| 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 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 ».