MétaCan
Menu
Retour à la cohorte
Enregistrement W3212225492 · doi:10.1037/spy0000278

An early phase trial testing the proof of concept for a gamified smartphone app in manipulating automatic evaluations of exercise.

2021· article· en· W3212225492 sur OpenAlexaff
Magne Rasera, Harshani Jayasinghe, Felix Parker, Camile E. Short, James A. Dimmock, Ryan E. Rhodes, Hein de Vries, Corneel Vandelanotte

Notice bibliographique

RevueSport Exercise and Performance Psychology · 2021
Typearticle
Langueen
DomainePsychology
ThématiqueEducational Games and Gamification
Établissements canadiensUniversity of Victoria
Organismes subventionnairesMedical Research CouncilNational Health and Medical Research CouncilNational Heart Foundation of Australia
Mots-clésProof of conceptSmartphone appComputer sciencePhase (matter)Smartphone applicationHuman–computer interactionMultimediaOperating systemPhysics

Résumé

récupéré en direct d'OpenAlex

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% exercise-related 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 between-group 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 toward sedentary behavior relative to physical activity and was magnified by user engagement. This mHealth intervention may have inadvertently enhanced sedentary automatic evaluations.

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)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai randomisé · Signal consensuel: Essai randomisé
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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.

Tête enseignante Opus0,090
Tête enseignante GPT0,409
Écart entre enseignants0,319 · 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'étudeEssai randomisé
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

Citations4
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSport Exercise and Performance PsychologyMême sujetEducational Games and GamificationTravaux en français237 207