A Mixed Methods Evaluation of Wearable Technology: Findings from the Vivo Play Scientist (VPS) Program
Notice bibliographique
Résumé
During the COVID-19 pandemic, a Canadian recreation centre launched a community-based intervention to increase physical activity (PA) and reduce sedentary behaviour (SB). The Vivo Play Scientist (VPS) program provided a free wearable device (Garmin Vivofit4) that synchronized with a customized eHealth dashboard. Aim: The study investigated the feasibility and effectiveness of the VPS program through the participants’ use and experiences of the device and dashboard using the Technology Acceptance Model (TAM). Method: We employed a concurrent mixed-methods approach of online surveys and semi-structured telephone interviews and estimated the device and dashboard’s perceived usefulness and ease of use with TAM. Results: Of the 318 participants (mean age 39.8) 87 enrolled and completed the survey at baseline-T0, 4 wks-T1, and 8 wks-T2. Maximal-variation sampling was used to select 23 participants (78%, F) for interviews. We compared frequency of use, perceived usefulness and ease of use of the device and dashboard across all surveys using non-parametric statistical tests. A thematic analysis was used to analyze data. Participants had some experience using a wearable device (46%) or eHealth application (49%). A high use (≥4 d/wk.) of Vivofit4 at T1 (93%) and T2 (87%) occurred, but dashboard use was less frequent (≥1 d/wk. T1 54.0% and T2 47.1%). Average levels of perceived usefulness and ease of use for the Vivofit4 and dashboard remained constant from T1 to T2. Average daily PA scores decreased from T1 to T2 (4.9 to 4.5; p = 0.017). Conclusion: Participants were guarded about the value of the dashboard use and reported several challenges associated with the VPS program, but the free device and dashboard did provide PA support during the pandemic.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,006 |
| Science ouverte | 0,002 | 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 ».