Considerations for a Social Media Physical Activity Program: Exploratory Study
Notice bibliographique
Résumé
Background Social media may be a powerful platform to combat parents’ and children’s low physical activity levels. Objective This study surveyed parents’ beliefs about physical activity in order to expand the extant literature concerning the interest in and the design of an effective and feasible social media physical activity (SMPA) program. Methods Primary caregivers (n=250; 215 [86%] mothers, 164 [65.6%] White) of children aged 6-12 years completed an online questionnaire. Interest was examined through responses on the questionnaire; beliefs (ie, perceptions, knowledge, and support) about physical activity were examined using Spearman correlations; and to support the SMPA program design, researchers examined a combination of multiple-choice and free-response questions. For the free-response questions, the researchers performed open coding related to perceived benefits, barriers, and motivators. Results Parent respondents (n=215, 86%) were interested in a SMPA program tailored for families. Regarding beliefs, parents exhibited a monotonic relationship between 2 questions related to perceptions of physical activity levels in their children (rs(250)=.310, P<.001), knowledge about physical activity and motor skills (rs(250)=.328, P<.001), and support of physical activity and motor skills (rs(250)=.385, P<.001). Parents perceived benefits of a SMPA program, highlighting family time and health. Barriers included time constraints, a lack of motivation, and environmental factors. Conclusions Parents are interested in supporting healthy family behaviors using a SMPA program. An effective program should emphasize motor skill activities, be fun and family oriented, and incorporate incentives, goal setting, and advice and tips. SMPA also needs to address identified barriers, such as those regarding time and environment.
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 | 0,007 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».