Habit Formation in Wearable Activity Tracker Use Among Older Adults: Qualitative Study
Notice bibliographique
Résumé
BACKGROUND: Wearable activity trackers are popular devices used to motivate behavior change. Wearable activity trackers are especially beneficial for encouraging light physical activity such as walking, which is an ideal behavior for older adults or individuals who cannot be physically active at moderate and vigorous levels. A common problem is that people do not continue to use these wearable devices, with initial behavioral change gains eroding as people disengage. Limited research is available regarding the continued use of wearable activity trackers. The habit formation literature may provide insights into the long-term use of wearables and other health informatics devices. OBJECTIVE: This study aims to uncover the mechanism underlying the long-term continued use of wearable devices among older adults through the theoretical lens of habit formation. METHODS: In-depth interviews were conducted with 20 participants who were aged 65 years or older and had used wearable activity trackers for more than 6 months to understand their experiences and the strategies they employed to support continued use. RESULTS: Thematic analysis of data revealed 8 themes related to habit formation, including aspects in initiation and goal setting, use of contextual cues, action planning, and coping planning. Long-term users tended to have meaningful initiation of wearable activity trackers. They usually started with a small behavioral change goal and gradually increased it. They used consistent time and locational cues to make the use of wearable activity trackers routine. Long-term users also used creative contextual cues and reminders to facilitate action planning, engaged in coping planning to deal with anticipated problems, and had a positive mindset and inventive strategies for managing unfulfillment and lapses. CONCLUSIONS: The results of this qualitative study of long-term users of wearable activity trackers suggest specific ways to enhance long-term habit formation among older adults. These best practices by long-term users can inform the future design of technology-based behavior 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 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 | 0,011 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,004 |
| Communication savante | 0,002 | 0,004 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».