The effect of model similarity on exercise self-efficacy among adults recovering from a stroke
Notice bibliographique
Résumé
Background: People with physical disabilities, including those recovering from a stroke, often have functional impairments, which hinder their physical activity participation partially because they reduce their self-efficacy.Modeling has been suggested to be a promising solution to increase self-efficacy in those populations.However, research is required to test how different types of models can impact self-efficacy among adults recovering from a stroke.The purpose of this study was to examine changes in self-efficacy among adults recovering from a stroke in a post-stroke exercise program with peer and non-peer models.Methodology: We used an ABCA multiple baseline single-subject design with each letter representing a condition: (A) no model/Baseline 1 (three weeks); (B) peer model (six weeks); (C) non-peer model (six weeks); and (A) no model/Baseline 2 (three weeks).We recruited participants from Viomax, a Montreal fitness center for people with physical disabilities.A total of seven participants were recruited and four participants completed the study, still providing a level II evidence of single subject designs.Participants engaged in the weekly group exercise program and were presented with a peer model (a fellow person recovering for a stroke) and a non-peer model (a university student) during those respective conditions.They completed two self-efficacy questionnaires after each weekly exercise session.Results: Higher self-efficacy levels were found for Participant 2 and 3 in the Peer Model and Non-Peer Model conditions when compared to Baseline 1.However, self-efficacy ratings appear to be the highest for the Non-Peer Model condition when considering the trend and level change analyses.Conclusion: These results provide preliminary indication that modeling, in general, could help people recovering from a stroke increase their self-efficacy, with a slight advantage to non-peer
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».