Does a person's body size and the application type influence healthcare students' perceptions of technologies to promote physical activity? Findings from a cross-sectional study
Notice bibliographique
Résumé
BACKGROUND: Recent evidence suggests that weight bias may be pervasive, even among health professionals specialized in obesity, including healthcare students. Technology-based physical activity interventions are promising for people with obesity, specifically when they are theory-driven (e.g., autonomy-supportive as described by self-determination theory). However, perceptions of these technologies have been understudied among healthcare students and professionals. OBJECTIVE: The purpose of this study was to examine the influence of a person's body size based on body mass index and technology type on healthcare students' perceptions. DESIGN: This is a cross-sectional, experimental study. PARTICIPANTS AND METHODS: ) and a technology-based physical activity type based on self-determination theory (autonomy-supportive app vs. controlling app). They then completed measures of their perceptions of the person's app acceptability and self-efficacy and of their intention to recommend the app. Multivariate and univariate analyses of covariance were performed. RESULTS: ) perceived a lower level of person's app acceptability (i.e., higher social influence and less enjoyment in using the app), as well as a lower level of self-efficacy to use the technology. Students exposed to the controlling app were more likely to recommend it compared to those exposed to the autonomy-supportive app. CONCLUSIONS: These results suggest that healthcare students' attitudes may be negatively influenced by explicit weight bias. Also, in contrast to self-determination theory precepts, a controlling app may be more frequently recommended. Further study of healthcare students' implicit attitudes toward technology is needed.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».