The Effects of a Computer Game (Healthy Rat King) on Preschool Children’s Nutritional Knowledge and Junk Food Intake Behavior: Nonrandomized Controlled Trial
Notice bibliographique
Résumé
BACKGROUND: Playing computer-aided games could enhance children's interest in learning about nutritional knowledge and eventually promote healthy dietary intake behavior. OBJECTIVE: This study aims to evaluate the effectiveness of a computer game (Healthy Rat King) in improving the knowledge on nutrition and junk food intake among preschool children in Taiwan. METHODS: This was a quasi-experimental study that utilized the computer game Healthy Rat King as the nutrition education tool. We recruited 104 preschool children (aged 5-6 years) from preschools in central Taiwan, who were assigned to either the experimental group (n=56) or the control group (n=48). In the experimental group, a 1-hour computer-based educational game intervention was included in the course for 4 consecutive weeks. The control group did not receive this intervention. RESULTS: The level of nutritional knowledge for children in the experimental group was significantly higher than those in the control group after 4 weeks (P=.002). Furthermore, the frequency of consumption of chocolate, candies, and ice cream (high-calorie junk food) was reduced in the experimental group. There was also no significant difference in the consumption of candy and chocolate (P=.54), ice cream and ice pops (P=.21), cake (P=.92), biscuit (P=.98), soft drinks (P=.52), and fruit juice and sugary drinks (P=.31) between the 2 groups in the posttest. CONCLUSIONS: Teaching using a computer game could improve children's nutritional knowledge. However, the intake frequency of junk food among children in the experimental group showed no significant difference from those in the control group.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».