Effects of a Physical Activity Program Potentiated with ICTs on the Formation and Dissolution of Friendship Networks of Children in a Middle-Income Country
Notice bibliographique
Résumé
This paper assesses the potential cohesion effect of a physical activity (PA) school-based intervention potentiated using text messages (SMS) through analyzing longitudinally the friendship network structure and the mechanisms of the formation and dissolution of friendships. Three schools (n = 125 participants) in Bogotá, Colombia, were randomly assigned into three groups: Modulo Activo Recreo Activo (MARA) + SMS (networks 1 and 2), MARA (networks 3 and 4), and control (no intervention: networks 5–7). We collected socio-economic, health-related, network structure, and intervention satisfaction variables in the baseline and after 10 weeks on July–November 2013. For each classroom network, we conducted four models using a temporal and static network approach to assess (1) temporal social network changes, (2) friendship homophily, (3) friendship formation and dissolution mechanisms, and (4) effect of SMS on the networks’ cohesion. We found that (1) social cohesion emerged in the four intervened networks that were measured over time with transitivity and homophily driven by clustering, (2) the intervention affected the mechanisms of friendship formation and dissolution, and (3) MARA + SMS on average created more social cohesion and 3.8 more friendships than the program alone. Potentially, school-based interventions with information and communication technologies (ICT) such as MARA + SMS could encourage social cohesion among children. The particular characteristics of each school network need to be considered when developing school-based interventions.
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 | 0,001 | 0,000 |
| 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) | 0,000 | 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 ».