Ecological Momentary Assessment in Research Methodology: A Literature Review
Notice bibliographique
Résumé
Introduction: Ecological Momentary Assessment (EMA) is a real-time data capture longitudinal methodology which is conducted through smartphones or wearable sensors. This methodology uses prompts to gather information on the current state, behavior and experience of a person in their natural environment. The purpose of this study is to explore the feasibility of using EMA as a methodology in measuring behavioural contexts around physical activity. Utility: EMA is advantageous in reducing recall errors, enhancing the validity of self-reports by actively recording a participant’s dynamic interaction with their environment, while accounting for intra- and inter-personal variation. EMA can provide researchers with more accurate information that is generalizable to real-life routines, and provides insight on processes that can undermine behavior change. Additionally, EMA is convenient due to the omnipresent accessibility of smartphones or related technologies, which are easy to use and can quickly collect data from large populations remotely. The use of EMA can answer researchers’ questions regarding participant current context, affective states, and psychological processes. This can ultimately help create innovative and feasible solutions which can be implemented into participant’s natural environments and daily lives to benefit their physical, mental and emotional well-being. Challenges: EMA requires smart technology equipment which can be expensive to supply, repair, or replace. Real-time prompts pose the challenge of subjects’ full compliance to prompts, struggling to respond in the case of competing activities, not carrying the device or device malfunctions such as battery drainage or software problems. Moreover, EMA raises concerns in its practicality with low-socioeconomic populations that cannot afford such technology, elderly populations who cannot operate these devices, or clinical populations whose psychopathology may interfere with their responses. Limitations: The use of EMA is associated with biases concerning ecological validity. For example, consistent prompts on a certain activity may cause an individual to think about the activity more or alter their behavior. In the absence of researchers, it is difficult to verify data reported by participants. It is possible to mitigate such biases by seeking confirmation through reliable sources who are in contact with the participants, to approve a subset of the data.
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 | 0,147 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,008 | 0,021 |
| Études des sciences et des technologies | 0,001 | 0,009 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,036 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».