Does gamification improve fruit and vegetable intake in adolescents? a systematic review
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
BACKGROUND: Nutrition and diet-related non-communicable diseases are a major cause of death worldwide. Food preferences and eating behaviours are likely to be established during adolescence, making it an important period to promote healthy behaviours. AIM: To review the effectiveness of gamification to improve fruit and vegetable intake in adolescents. METHODS: A systematic search was conducted using eight databases and grey literature sources for articles published to date on the effectiveness of gamification on fruit and vegetable intake in adolescents. Search criteria included articles that were complete and peer reviewed, conducted empirical research, described gamified elements used, focused on individuals between 10 and 24 years, and were available in English. RESULTS: Out of 402 studies identified by the search, 7 were included in the review. Overall, short-term gamified interventions showed promise in improving fruit and vegetable intake in those aged 10 to 24 years old. Gamification was primarily facilitated through extrinsic motivation (i.e. points, badges, vouchers, leaderboard, narration, avatars, challenges) rather than intrinsic motivation (i.e. team-based competition). Studies were moderate in quality and key methodological issues related to non-randomized study design, lack of comparison group, inadequate control for confounding, and small sample size. CONCLUSIONS: Gamification can be an effective tool in changing nutrition-related behaviour in adolescents over the short term. Future research should consider gamified interventions that are of longer duration, incorporate additional intrinsic gamified elements, tailor game elements for population subgroups, and address methodological issues.
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) | 0,003 | 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 | 0,001 |
| 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