An Examination of the Interconnectedness of Exercise Habit, Stress, and Exercise Behaviours
Notice bibliographique
Résumé
Exercise habit relates to higher exercise (Lutz et al., 2010), but it is unclear if stress impacts this relationship. Although the relationship between exercise and stress is well documented, little research has examined how stress can impact the habit-exercise link. According to the Physical Activity Model (PAM; Nigg et al., 2008), stress diminishes psychological factors linked to exercise, such as self-efficacy (one’s belief about their ability to cope with difficulties; Bandura & Schunk, 1981). Given the positive links between exercise habit and self-efficacy, and based on contentions within the PAM, we examined if heightened stress moderated the effect of habit on exercise. Carleton University undergraduate students (N = 141; Mage = 19.37 years, SD = 3.89; 73% female) completed self-report surveys at two time points across seven days. Moderation analyses were performed using the PROCESS Macro (Hayes, 2022). Habit at time one related to exercise at time one (r = .44, p < .05) and time 2 (r = .31, p < .05). Exercise at time 1 related to exercise at time two (r = .54, p < .05). Stress did not moderate the link between habit and change in exercise behaviours (p = .75). It is unclear if null results stem from small sample sizes or use self-report questionnaires that may have recall bias. Measuring stress within the same context for all participants may be key. Reschke et al. (2024) did this when they measured stress during a university’s exam season, which is something for future research to consider.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».