The use of the behaviour change wheel in the development of ParticipACTION’s physical activity app
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
The purpose of this study was to provide a detailed and systematic outline of how a theoretical behaviour change framework was applied in the development of ParticipACTION's app to support a more active Canada. The app development process was guided by the Behaviour Change Wheel (BCW) framework, a theoretically-based approach for intervention development, in collaboration with the commercial app industry. Specifically, a behavioural diagnosis was used to understand what needs to change for the targeted behaviour to occur. Current literature, along with a series of surveys, and market research informed app development. Additionally, a validated app behaviour change scale, was consulted throughout development to help ensure app features maximized behaviour change potential. The behavioural diagnosis revealed that the app needed to target individuals' physical and psychological capabilities, physical and social opportunities, and reflective and automatic motivations in order to increase physical activity levels. To accomplish this, 6 of a possible 9 intervention functions and 2 of 7 policy categories were selected from the BCW to be included in the app. Goals and planning, feedback and monitoring, behaviour identification, action planning and knowledge shaping were selected as the main behaviour change techniques for the app. Collaboration with a mobile app development firm helped to embed the selected behaviour change techniques, policy categories, intervention functions, and sources of behaviour within the app. Using a systematic approach, this study used the BCW to ensure the health promotion app was theoretically informed. Future research will evaluate its effectiveness in increasing the physical activity of Canadians.
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 | 0,002 | 0,001 |
| 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 | 0,001 | 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