Predictive Utility of the Multi-Process Action Control Framework for Self-Reported and Device-Measured Physical Activity Behavior of Adolescents
Notice bibliographique
Résumé
Understanding the correlates of physical activity behavior is imperative for informing the development of interventions to address the low rates of physical activity guideline adherence among adolescents living in the United States. This cross-sectional study examined the predictive utility of the Multi-Process Action Control (M-PAC) framework for explaining self-reported and device-measured physical activity behavior among a Hispanic-majority sample of adolescents. A total of 1849 high school students (mean age = 16.0 ± 1.22 SD years; 52.3% women; 87.8% Hispanic) enrolled in one school district in south-central Texas completed a survey including instruments to assess M-PAC framework constructs (instrumental and affective attitudes, perceived capability and opportunity, behavioral regulation, habit, identity) and moderate-to-vigorous physical activity (MVPA) behavior. A subsample (n = 435) wore accelerometers for seven days. The results from robust linear regression models revealed role identity and habit were significant predictors of self-reported MVPA. Role identity was a significant predictor of accelerometer-derived daily MVPA and raw acceleration in the most active hour but not daily raw acceleration. The findings indicated reflexive processes are robust predictors of adolescent physical activity and should be the focus of interventions designed to promote adoption and maintenance of physical activity during this developmental life stage.
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 | 0,006 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».