“We are in this together” – Social Presence and Groupness predict satisfaction and intention to return in Zwift cycling groups
Notice bibliographique
Résumé
Exercising in groups has been linked to various adaptive outcomes. Yet, most research on the perceptions of physical activity groups has been conducted in face-to-face groups. Virtual exercise groups have been underexplored. Zwift, a mixed reality cycling application, offers a highly immersive experience and the opportunity to interact (via chat or voice) with other riders. The present study examined the relationship between social presence, groupness, satisfaction, and intention to return in mixed reality cycling (Zwift) group rides. A sample of 182 regular Zwift users completed a battery of online surveys, measuring social presence (i.e., the perception of being with others in a virtual space), groupness (i.e., being part of a group in the virtual space), as well as satisfaction with the cycling experience and intention to return. The data were analyzed using structural equation modelling. Social presence and groupness predicted over 40% of the variance of satisfaction, which in turn predicted 7.5% of the variance of intention to return to Zwift group rides. The goodness-of-fit indices suggested a good model fit (chi2/df = 2.01, TLI = .97, CFI = .99, RMSEA = .078, CI 95% = .000 - .149). Participants perceived a high degree of groupness despite exercising virtually. Similar to existing research, the perceptions of groupness were linked to adaptive outcomes. These findings suggest the potential of the group rides offered in Zwift for the promotion of physical activity and adherence. Furthermore, it may serve individuals who are seeking convenience, flexibility, and motivation when working out from home.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».