MétaCan
Menu
Retour à la cohorte
Enregistrement W4396833287 · doi:10.1145/3613904.3642842

Navigating the Maze of Routine Disruption: Exploring How Older Adults Living Alone Navigate Barriers to Establishing and Maintaining Physical Activity Habits

2024· article· en· W4396833287 sur OpenAlexafffund
Muhe Yang, Karyn Moffatt

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueTechnology Use by Older Adults
Établissements canadiensMcGill University
Organismes subventionnairesAGE-WELLNatural Sciences and Engineering Research Council of CanadaCanada Research ChairsMcGill University
Mots-clésThematic analysisPhysical activityLeverage (statistics)PsychologyAssisted livingQualitative researchActivities of daily livingApplied psychologyGerontologyComputer scienceMedicineSociology

Résumé

récupéré en direct d'OpenAlex

Older adults, especially those living alone, are less likely to meet recommended physical activity levels than other age groups. However, current physical activity promoting technologies have seen low uptake among older adults, likely due to poor attention to their unique needs. To understand the perspectives of older adults living alone towards physical activity, including their motivations for and the challenges encountered in maintaining routines, we conducted a qualitative study with 17 participants. Through thematic analysis of semi-structured interviews and diaries, we reveal their diverse motivations for engaging in physical activity while also detailing how their intentions and routines are habitually disrupted by multidimensional and interrelated barriers, including changing personal and environmental circumstances, lack of stimulus to maintaining motivation, and limited access to resources. We suggest future PA promoting technologies to leverage social interaction to develop commitments and employ a holistic design approach to addressing the interplay between the barriers.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0030,002
Communication savante0,0030,004
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,021
Tête enseignante GPT0,304
Écart entre enseignants0,283 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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'admission2
Résumé présentoui

Explorer davantage

Même sujetTechnology Use by Older AdultsTravaux en français237 207