Perceptions and Attitudes Toward the Use of Wearable Technology in the Dance Studio Environment
Notice bibliographique
Résumé
Introduction: Wearable technology (WT) has become common place in sport. Increased affordability has allowed WT to reach the wrists and bodies of grassroots and community athletes. While WT is commonly used by sport populations to monitor training load, the use of WT among dancers and dance teachers is unknown. Therefore, the purpose of this study is to explore the perspectives of dancers, dance teachers, and dance parents on using WT in the dance studio environment. Methods: Dancers (aged 14+), dance teachers (aged 18+), and dance parents (with a child <18 years registered in a dance program) were recruited from local dance studios (including those offering vocational programs and/or professional training opportunities), and dance retail stores. Participants provided informed consent/assent and completed a one-time online survey about their attitudes, self-efficacy, motivations, barriers, and current practices of using WT in the studio. Results: Sixty-seven participants (19 dancers, 32 dance teachers, and 16 dance parents) completed the survey. Attitudes toward using WT were similar across all groups (mean score range = 34-38/45). Thirteen dancers (68%), 29 teachers (91%), and 7 dance parents reporting on behalf of their children (47%) were permitted to use WT in the studio. Smartwatches were the most common WT used in the studio by dancers (7/9) and teachers (13/17), while dance parents reported that their children primarily used wristband activity trackers (3/4). Among all groups, the primary reason for using WT was to track personalized training data, with calories, total duration, and heart rate being the most important perceived metrics for improving dancing. Conclusion: Across all groups, attitudes toward WT were modest. Prevalence of WT use in the dance studio varied, with wrist-based gadgets being the most common. As WT research continues in dance populations, it will be important for future studies to consider studio permissions as well as participants’ existing WT use practices.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,003 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».