The coping strategies in fitness apps: a three-stage analysis with findings from SEM and FsQCA
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
Purpose Combining the coping theory and social support theory, this study aims to reveal users' coping strategies for mobile fitness app (MFA) engagement and fitness intentions with a rigorous and comprehensive hybrid research approach. Design/methodology/approach A three-stage hybrid research design was employed in this study. In the first stage, this study utilized structural equation modeling (SEM) to investigate the associations between coping resources and coping outcomes. A post hoc analysis was conducted in the second stage to unveil the reasons behind the insignificant or weak linkages. In the third stage, the fuzzy-set qualitative comparative analysis (fsQCA) technique was applied to explore the various configurations of coping resources that lead to the coping outcomes. Findings The results in the three stages verify and compensate each other. The SEM results confirm the presence of two coping strategies in MFA, highlighting the importance of the intertwining of the strategies, and the post hoc analysis unveils the mediating role of positive affect. Moreover, the fsQCA results reinforce and complement the SEM findings by revealing eight alternative configurations that are sufficient for leading to users' MFA engagement and fitness intention. Originality/value This study offers a prominent methodological paradigm by demonstrating the application of multi-analysis in exploring users' coping strategies. In addition, the study also advances the understanding of the complexity of the mechanism that determines users' behavioral decisions by presenting a comprehensive interpretation.
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 | 0,002 |
| 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) | 0,001 | 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