Traditional surveys versus ecological momentary assessments: Digital citizen science approaches to improve ethical physical activity surveillance among youth
Notice bibliographique
Résumé
The role of physical activity (PA) in minimizing non-communicable diseases is well established. Measurement bias can be reduced via ecological momentary assessments (EMAs) deployed via citizen-owned smartphones. This study aims to engage citizen scientists to understand how PA reported digitally by retrospective and prospective measures varies within the same cohort. This study used the digital citizen science approach to collaborate with citizen scientists, aged 13-21 years over eight consecutive days via a custom-built app. Citizen scientists were recruited through schools in Regina, Saskatchewan, Canada in 2018 (August 31-December 31). Retrospective PA was assessed through a survey, which was adapted from three validated PA surveys to suit smartphone-based data collection, and prospective PA was assessed through time-triggered EMAs deployed consecutively every day, from day 1 to day 8, including weekdays and weekends. Data analyses included paired t-tests to understand the difference in PA reported retrospectively and prospectively, and linear regressions to assess contextual and demographic factors associated with PA reported retrospectively and prospectively. Findings showed a significant difference between PA reported retrospectively and prospectively (p = 0.001). Ethnicity (visible minorities: β = - 0.911, 95% C.I. = -1.677, -0.146), parental education (university: β = 0.978, 95% C.I. = 0.308, 1.649), and strength training (at least one day: β = 0.932, 95% C.I. = 0.108, 1.755) were associated with PA reported prospectively. In contrast, the number of active friends (at least one friend: β = 0.741, 95% C.I. = 0.026, 1.458) was associated with retrospective PA. Physical inactivity is the fourth leading cause of mortality globally, which requires accurate monitoring to inform population health interventions. In this digital age, where ubiquitous devices provide real-time engagement capabilities, digital citizen science can transform how we measure behaviours using citizen-owned ubiquitous digital tools to support prevention and treatment of non-communicable diseases.
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 | 0,040 | 0,073 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».