Effects of an exercise program with audiovisual stimuli on affective mechanisms and future physical activity: a randomized controlled trial
Notice bibliographique
Résumé
This study examined whether audiovisual stimuli influence affective valence (pleasure vs. displeasure), affective mechanisms (e.g., automatic affective valuation, exercise enjoyment), and future physical activity (PA) as a function of a 4-week exercise intervention. Sixty-one participants (55 females and 6 males) were randomly assigned to an audiovisual (watched and listened to self-selected audiovisual stimuli during exercise) or control group (without audiovisual stimuli) and completed 20-minute aerobic exercise sessions three times a week for four weeks. Affective valence and affective mechanisms were assessed at baseline, mid-intervention, end-of-intervention, and future PA engagement was evaluated one month post-intervention. Linear mixed models revealed that the audiovisual group had improved affective valence (p < 0.01) and exercise enjoyment (p = 0.02) during the 4-week exercise intervention compared to the control group (p < 0.01). A parallel-process latent growth curve model indicated that the initial level of automatic affective valuation was a predictor of the initial level of exercise enjoyment (p < 0.01), and positive changes in automatic affective valuation predicted better exercise enjoyment (p < 0.05) independent of the group. Affective valence directly predicted future PA (β = 0.44) and indirectly predicted future PA through automatic affective valuation and exercise enjoyment, respectively (β = 0.53). Results indicate that affective valence predicts future PA. Our findings, therefore, contribute to the growing body of evidence that hedonic responses evoked by audiovisual stimuli can positively influence lifestyle behaviours (i.e., PA) that are important for maintaining and improving health.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,000 |
| 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 ».