Development and Validation of the Reasons to Exergame (RTEX) Scale in Young Adults: Exploratory Factors Analysis
Notice bibliographique
Résumé
BACKGROUND: Exergaming is associated with positive health benefits; however, little is known about what motivates young people to exergame. OBJECTIVE: This study aimed to develop a new Reasons to Exergame (RTEX) scale and describe its psychometric properties (Study 1) including test-retest reliability (Study 2). We also examined the test-retest reliability of self-report exergaming behavior measures (Study 2). METHODS: We identified scale items in consultation with experts. In Study 1, we conducted an Exploratory Factor Analysis of RTEX and examined how the factors identified relate to exergaming frequency and intensity in a population-based sample of 272 young adults. In Study 2, we examined the test-retest reliability of RTEX factors and self-report measures of past-week exergaming frequency and intensity among 147 college students. RESULTS: We identified four factors in RTEX: exergaming for fitness, exergaming for enjoyment, preferring exergaming over other gaming options, and choosing exergaming over competing interests (eg, sports). Test-retest reliability of RTEX factors (ICC 0.7-0.8) and self-report exergaming frequency (ICC 0.4-0.9) was adequate. Exergaming for fitness and enjoyment were positively associated with the frequency of exergaming with friends and family, and with exergaming intensity. Preferring exergaming over other gaming options and choosing exergaming over competing interests (eg, sports) were not related to exergaming behavior. CONCLUSIONS: RTEX is a psychometrically sound scale with four factors that measure reasons to exergame. Replication of these findings is needed in larger, more diverse samples.
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 | 0,001 |
| 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) | 0,000 | 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 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 ».