Promotion of physical activity among people who identify as women through the ParticipACTION mobile app
Notice bibliographique
Résumé
Objective Health and fitness mobile applications can increase users’ physical activity (PA) levels (Lister et al., 2014). ParticipACTION is a national non-profit organization that developed a mobile app to target PA among adults (Truelove et al., 2020). The aim of this research was to examine how women’s PA is related to their use of the ParticipACTION app.Methods and Measurement Using a mixed-methods design, participants (n = 3,493) completed a survey regarding their PA levels, motivation for PA (capability, opportunity, motivation; COM-B, Keyworth et al., 2020), and motivation for using the ParticipACTION app. Nine focus groups were conducted (n = 37) to discuss the mobile app further.Results Path analyses revealed that users’ app use was positively associated with motivations for various app functions (e.g. self-monitoring, seeking exercise guidance), however, only motivation in-turn predicted PA. Descriptive results indicated that many women in Canada who used the app do not meet national guidelines for PA per week. Qualitative findings highlight women’s motivation for using the app, concerns with app functionality, and feelings of guilt for not engaging in PA.Conclusion The ParticipACTION app may have some benefit for improving women’s PA; intervention studies are needed to determine efficacy of mobile applications.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».