An early phase trial testing the proof of concept for a gamified smartphone app in manipulating automatic evaluations of exercise.
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
People who are more physically active tend to have more favorable automatic evaluations of exercise (i.e., nonconscious evaluations based on mental associations between “exercise” and “pleasant” or “unpleasant” that manifest into approach tendencies). Although some interventions have been shown to modify automatic evaluations in lab-based settings, the training regimes may not translate into scalable real-world interventions. The aim of these studies were to (a) test how often people tend to engage with the app in a “real-world” setting, and (b) test whether an app with gamification features and evaluative conditioning strategies change automatic evaluations of exercise versus sedentary behavior. Participants (N = 289, 238 female, M age = 33) were randomly allocated to have access to either Flex Exercise—a game-based app which contained 70% exerciserelated content or Flex Control—the same game-based app with no exercise content. Participants completed an Implicit Association Test (IAT) as assessments of automatic evaluations immediately after exposure to Flex and 24 hr later. No significant betweengroup difference was observed immediately after exposure to Flex for automatic evaluations; however, 1 day following exposure, those in the Flex Exercise condition had significantly more favorable automatic evaluations of exercise than those in the Flex Control condition (d = 0.24). This effect was driven by a change in automatic evaluations, as assessed through the IAT, in the control condition more favorable towar sedentary behavior relative to physical activity and was magnified by user engagement
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 | 0,001 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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