Examining the utility of exercise-related cognitive errors in predicting physical activity across 12-week fitness programmes
Notice bibliographique
Résumé
Social cognitive theories often assume that information is acted upon in a rational manner. While theorists acknowledge biased perceptions exist, their theories do not include factors representing these inaccurate perceptions. Exercise-related cognitive errors (ECEs) may be such a factor that is associated with physical activity adherence beyond established predictors, like self-efficacy or past behaviour. The purpose of this study was to examine whether ECEs change across participants’ 12-week fitness programmes and examine whether ECEs predicted moderate-to-vigorous physical activity (MVPA) and self-regulatory efficacy (SRE). A sample of N = 93 adults (Mage = 54.8, SD = 12.8 years; 86% female, 14% male) who signed up for various group fitness classes were recruited to participate in this study. ECEs did not change across the 12-week fitness programmes (p > .05). Mid-programme ECEs significantly predicted post-programme SRE and MVPA beyond pre-programme SRE and MVPA (R2MVPA = 0.44, p < .001, R2 self-efficacy = 0.65, p < .001). The path model fit the data, further supporting these associations (CFI = .994, Χ2 = 7.74, p = .17). Those who missed at least one class reported higher ECEs (M = 4.58, SD = 1.49) compared to those who did not miss any classes (M = 3.55, SD = 1.50; t = 2.35, p < .05, Cohen’s d = 0.69). While certain analyses were limited by a small sample size, ECEs might be a useful concept that represents biased or inaccurate thinking useful in understanding physical activity attendance. Findings implicate ECEs as a factor that may predict non-adherence in physical activity interventions, highlighting biased thinking as a potential mechanism to target in interventions.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».