The coping strategies in fitness apps: a three-stage analysis with findings from SEM and FsQCA
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.
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 | 0,018 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,004 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».