MétaCan
Menu
Retour à la cohorte
Enregistrement W4406862811 · doi:10.2196/62778

Playful Antisedentary Interactions for Online Meeting Scenarios: A Research Through Design Approach

2025· article· en· W4406862811 sur OpenAlexaffvenue
Jiaqi Jiang, Shanghao Li, Xian Li, Yuzhen Xu, Jian Zhao, Pengcheng An

Notice bibliographique

RevueJMIR Serious Games · 2025
Typearticle
Langueen
DomainePsychology
ThématiqueEducational Games and Gamification
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésPreprintPsychologyHuman–computer interactionComputer scienceWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Online meetings have become an integral part of daily life for many people. However, prolonged periods of sitting still in front of screens can lead to significant, long-term health risks. While previous studies have explored various interventions to address sedentary lifestyles, few have specifically focused on mitigating sedentary behavior during online meetings. Furthermore, design opportunities to address this issue in the context of online meetings remain underexplored. OBJECTIVE: This study aims to investigate the design of effective antisedentary interactions for online meeting scenarios and understand user experiences with gamified bodily interactions as an antisedentary measure during online meetings. METHODS: This study adopts a "research through design" approach to develop and explore user experiences of gamified bodily interactions as interventions to mitigate sedentary behavior during online meetings. In collaboration with 11 users, we co-designed and iterated 3 prototypes, which led to the development of the Bodily Interaction Gamification towards Anti-sedentary Online Meeting Environments (BIG-AOME) framework. Using these prototypes, we conducted user studies with 3 groups totaling 15 participants. During co-design and evaluation, all group semistructured interviews were transcribed into written format and analyzed using a conventional qualitative content analysis method. RESULTS: The findings demonstrate that gamified bodily interactions encourage users to engage in physical movement while reducing the awkwardness of doing so during online meetings. Seamless integration with meeting software and the inclusion of long-term reward mechanisms can further contribute to sustained use. In addition, such games can serve as online icebreakers or playful tools for decision-making. Drawing from 3 design prototypes, this study offers a comprehensive analysis of each design dimension within the BIG-AOME framework: bodily engagement, attention, bodily interplay, timeliness, and virtual and physical environments. CONCLUSIONS: Our research findings indicate that antisedentary bodily interactions designed for online meetings have the potential to mitigate sedentary behaviors while enhancing social connections. Furthermore, the BIG-AOME framework that we propose explores the design space for antisedentary physical interactions in the context of online meetings, detailing pertinent design choices and considerations.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,141
Score d'incertitude au seuil0,617

Scores Codex et Gemma par catégorie

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

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 Opus0,137
Tête enseignante GPT0,476
Écart entre enseignants0,338 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations1
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJMIR Serious GamesMême sujetEducational Games and GamificationTravaux en français237 207