MétaCan
Menu
Retour à la cohorte
Enregistrement W3209682502

The effect of model similarity on exercise self-efficacy among adults recovering from a stroke: A mixed-methods study

2021· article· en· W3209682502 sur OpenAlexaboutno aff
Olivia L. Pastore, Luc J. Martin, Jennifer R. Tomasone, Jammy Zou, Niki Sofranos, François Jarry, Shane N. Sweet

Notice bibliographique

RevueLA Referencia (Red Federada de Repositorios Institucionales de Publicaciones Científicas) · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueStroke Rehabilitation and Recovery
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPsychologySelf-efficacyStroke (engine)Peer groupBaseline (sea)Thematic analysisPhysical therapyMultiple baseline designStructural equation modelingClinical psychologyMedicineSocial psychologyQualitative researchComputer scienceIntervention (counseling)Psychiatry
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The purpose of this study was to examine changes in self-efficacy after adults of a post-stroke exercise program were demonstrated modelling from a peer and non-peer model. We used an ABCA multiple baseline single-subject design with each letter representing a condition: (A) no model/baseline 1 (3-weeks); (B) peer model (6-weeks); (C) non-peer model (6-weeks); and (A) no model/baseline 2 (3-weeks). We recruited participants from Viomax, a Montreal fitness center for persons with physical disabilities. Four participants engaged in the weekly group exercise program for 18 weeks and were presented with a peer model (a fellow person recovering for a stroke) and a non-peer model (a university student) during those respective conditions. Participants completed two self-efficacy questionnaires after each weekly session. Semi-structured interviews were conducted at weeks 9 and 18 of the program. Quantitative visual and trend analysis revealed higher self-efficacy levels for two participants in the peer model and non-peer model conditions when compared to baseline 1. However, self-efficacy ratings appeared to be the highest for the non-peer model condition. Thematic analysis revealed that participants preferred demonstrations from the models as opposed to explanations. Preference for the non-peer model could be because the participants generally had a better relationship with non-peer model. Results provide preliminary indication that modeling, in general, could help people recovering from a stroke increase their self-efficacy, with a slight advantage to non-peer models. Community organizations such as Viomax could implement models in their programs to help increase exercise self-efficacy of their members.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,014
score de la tête « metaresearch » (Gemma)0,018
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,072

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0140,018
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,015
Tête enseignante GPT0,287
Écart entre enseignants0,272 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLA Referencia (Red Federada de Repositorios Institucionales de Publicaciones Científicas)Même sujetStroke Rehabilitation and RecoveryTravaux en français237 207