Wearable activity monitors and goals: Perceptions on physical activity, attitudes and motivational outcomes
Notice bibliographique
Résumé
Evidence attesting to the benefits of wearable activity monitors for increasing PA has been reported (USDHHS, 2018). Goal setting is one behavior change technique that often accompanies wearable activity monitors and has been deemed an essential component to any health behavior change intervention (National Institute for Health and Care Excellence, 2014). Specific to PA behavior, goal setting has been deemed effective regardless of age, sex, and activity status (McEwan et al., 2016). Therefore, the purpose of this study was to determine if affective goals confer unique benefits on physical activity (PA), attitudes and behavioral regulations consistent with the Organismic Integration Theory (OIT; Ryan & Deci, 2017) among users of wearable activity monitors. Affective goals were compared with instrumental goals, step count and a no goal condition. Adopting a randomized experimental post-test only design, undergraduate students (N = 153) were assigned to one of eight conditions. Participants read a scenario then completed a battery of questionnaires housed on a secure online interface. Differences by condition were not found for short- or long-term PA or attitudes (p’s >.05). Differences were noted for extrinsic regulation (p = 0.025; ηp2 = .105). Results indicated that extrinsic regulation was higher in the no goal condition when compared to most other conditions. These findings imply that goal setting, regardless of type, may offset increases in extrinsic motivation associated with the use of wearable activity monitors. Users of wearable activity monitors looking to improve PA, positive attitudes and motivation associated with PA may benefit by utilizing goal setting in combination with other commonly used BCTs. A further investigation upon goal setting and users of wearable activity monitors is warranted.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».