MétaCan
Menu
Retour à la cohorte
Enregistrement W4403594274 · doi:10.1080/21642850.2024.2416505

Look, over there! A streaker! – Qualitative study examining streaking as a behaviour change technique for habit formation in recreational runners

2024· article· en· W4403594274 sur OpenAlexaff
Nicholas Larade, Gözde Özakinci, Gabriela Tymowski-Gionet, Stephan U Dombrowski

Notice bibliographique

RevueHealth Psychology and Behavioral Medicine · 2024
Typearticle
Langueen
DomaineMedicine
ThématiquePhysical Activity and Health
Établissements canadiensUniversity of New Brunswick
Organismes subventionnairesnon disponible
Mots-clésRecreationHabitPsychologyStreakingDevelopmental psychologySocial psychologyBiologyMedicineEcologyPathology

Résumé

récupéré en direct d'OpenAlex

Background: Running as a form of physical activity is beneficial to overall health and wellbeing. The aim of the study is to examine 'run streaking' (i.e. running on consecutive days, for a minimum period of time or distance, typically at least one mile) as a technique for habit formation and behaviour change. Methods: Qualitative semi-structured interviews with 21 recreational adult runners (11 female and 10 male). Run streak length ranged from a minimum of 100 days to over 4500 days. Transcripts were analysed using a hybrid deductive-inductive thematic analysis. Results: Run streaking was reported to lead to several benefits, health improvements and a sense of accomplishment, although many run streakers reported running through injuries and lack of recovery. Accounts of run streaking showed features of automaticity indicative of habitual behaviour. Other behavioural processes identified included motivation, identity, self-regulation and social support. Behavioural streaking showed the potential to influence change in behaviours other than running. Conclusion: Accounts of run streaking demonstrate an interplay between automatic and deliberate processes in the maintenance of running behaviour. Behavioural streaking is a technique that could be used in other behaviour change contexts beyond running to support habit formation.

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)0,007
score de la tête « metaresearch » (Gemma)0,009
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 enseignants0,007
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0050,006
Communication savante0,0020,002
Science ouverte0,0010,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,369
Tête enseignante GPT0,579
Écart entre enseignants0,210 · 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

Citations5
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHealth Psychology and Behavioral MedicineMême sujetPhysical Activity and HealthTravaux en français237 207