MétaCan
Menu
Retour à la cohorte
Enregistrement W4396220485 · doi:10.2196/50957

The Influence of Incentive-Based Mobile Fitness Apps on Users’ Continuance Intention With Gender Moderation Effects: Quantitative and Qualitative Study

2024· article· en· W4396220485 sur OpenAlexvenueno aff
Aaya Faizah, Alifah Fatimah Azzahra Hardian, Rania Devina Nandini, Putu Wuri Handayani, Nabila Clydea Harahap

Notice bibliographique

RevueJMIR Human Factors · 2024
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésContinuanceModerationIncentiveMobile appsPsychologySocial psychologyApplied psychologyComputer scienceWorld Wide WebEconomicsMicroeconomics

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: A survey conducted by McKinsey & Company reported that, as of May 2022, as many as 26% of Indonesians had recently started to engage actively in physical activity, 32% undertook regular physical activity, and 9% exercised intensely. The Fourth Industrial Revolution has spurred the rapid development of mobile fitness apps (MFAs) used to track people's sports activities. However, public interest in using these apps for any length of time is still relatively low. OBJECTIVE: In this study, we aimed to determine the effect of incentives (eg, self-monitoring, social support, platform rewards, and external influence) on the use of MFAs and the moderating effect of gender on users' continuance usage intention. METHODS: The study used a mixed methods approach. Quantitative data were collected through a web-based questionnaire and qualitative data from interviews with 30 respondents. The quantitative data, collected from 379 valid responses, were processed using covariance-based structural equation modeling. The qualitative data were processed using thematic analysis. The MFAs included in this research were those used as sports or physical activity trackers, such as Apple Fitness, Strava, Nike Run Club, and Fita. RESULTS: The results of the data analysis show that 3 groups of incentives, namely, self-monitoring, platform rewards, and external influence (with the exception of social support), affect the perceived usefulness of these apps. Gender was also shown to moderate user behavior in relation to physical activity. The study showed that women were more likely to be motivated to exercise by social and external factors, while men paid greater attention to the tracking features of the app and to challenges and rewards. CONCLUSIONS: This research contributes to the field of health promotion by providing guidance for MFA developers.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,561
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,074
Tête enseignante GPT0,488
Écart entre enseignants0,414 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Human FactorsMême sujetMobile Health and mHealth ApplicationsTravaux en français237 207