MétaCan
Menu
Retour à la cohorte
Enregistrement W3108372330 · doi:10.2196/22488

Habit Formation in Wearable Activity Tracker Use Among Older Adults: Qualitative Study

2020· article· en· W3108372330 sur OpenAlex

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.

venuePublié dans une revue dont le pays d'attache est le Canada.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueJMIR mhealth and uhealth · 2020
Typearticle
Langueen
DomaineComputer Science
ThématiqueInnovative Human-Technology Interaction
Établissements canadiensnon disponible
Organismes subventionnairesCollege of Engineering, Michigan State UniversityMichigan State University
Mots-clésActivity trackerWearable computerThematic analysisBitTorrent trackerWearable technologyPsychologyHabitApplied psychologyHuman–computer interactionComputer scienceQualitative researchSocial psychologyEye trackingArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,890
Score d'incertitude au seuil0,696

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,003
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,080
Tête enseignante GPT0,400
Écart entre enseignants0,320 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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