Engagement Features in Physical Activity Smartphone Apps: Focus Group Study With Sedentary People
Notice bibliographique
Résumé
BACKGROUND: Engagement with physical activity mobile apps has been reported to be a core precondition for their effectiveness in digital behavior change interventions. However, to date, little attention has been paid to understanding the perspectives, needs, expectations, and experiences of potential users with physical activity mobile apps. OBJECTIVE: The aim of this study was to investigate the features that are judged to be important for engagement with a physical activity mobile app and the reasons for their importance. METHODS: A qualitative focus-group methodology with elements of co-design was adopted in this study. Participants reporting sedentary lifestyles and willingness to improve their physical activity behavior through mobile technology were recruited. The focus group sessions consisted of 13 participants (8 men and 5 women, mean [SD] age 41.9 [7.1] years). Two researchers conducted the data analysis independently by using the inductive thematic approach. RESULTS: Four main themes emerged in relation to the research question and were named as follows: "physical activity participation motives," "autonomy and self-regulation," "need for relatedness," and "smart." Additionally, 2 subthemes originated from "physical activity participation motives" (ie, "medical guidance" and "weight loss and fitness for health") and "smart" (ie, "action planning" and "adaptable and tailored"). CONCLUSIONS: Features enhancing autonomy and self-regulation and positively affecting health and physical well-being as well as the need for relatedness, adaptability, and flexibility should be considered as core elements in the engagement of potential users with physical activity mobile apps. The emerged findings may orient future research and interventions aiming to foster engagement of potential users with physical activity apps.
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 | 0,007 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,002 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».