Variation in daily and within day intentions and the intention-behaviour gap
Notice bibliographique
Résumé
BACKGROUND: The construct of intention continues to be an important correlate and predictor of physical activity; however, a substantial intention behaviour gap continues to exist. Little literature has examined this gap on a micro-temporal scale, and none have addressed the adolescent population. PURPOSE: The purpose of this thesis is to 1) examine whether there are variations in daily and within day intentions to be physically active in the adolescent population, and 2) whether the intention -physical activity gap is reduced when assessing intention and behaviour on a micro-temporal scale using Ecological Momentary Assessment (EMA). METHODS: This thesis sample included 193 grade 11 students from a large school board in Southern Ontario. Participants responded to 5 EMA prompts for 7 days on their smartphones and wore accelerometers for the duration of the study. Each EMA prompt included a brief questionnaire assessing participant intentions to engage in physical activity. A mixed-effects logistic regression model was used to determine variability in intentions and descriptive analyses were used to examine the intention - behaviour gap. RESULTS: A mixed-effects logistic regression did not indicate differences in intentions between days of the week (coef. = -0.07 SE: 0.07, p=.27) but did indicate that likelihood of reporting intentions significantly decreases over the course of the day (coef. = -.479 SE=.05, p<.01). For daily intentions and physical activity, 89% of daily intenders engaged in subsequent physical activity while 46% of within day intenders engaged in subsequent physical activity. CONCLUSIONS: Findings suggest that there is some variation in intentions and that a micro-temporal time scale measurement serves to reduce the intention - behaviour gap. This adds to our understanding of the relationship between intentions and physical activity. In better understanding this relationship, we can begin to guide interventions that bridge the gap between intentions and physical activity in the adolescent population.
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 | 0,003 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 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 ».