The role of implementation intentions for cue detection, habit strength, and behaviour change
Notice bibliographique
Résumé
Des interventions sur les changements comportementaux dans le mode de vie et la formation des habitudes ont été mises en œuvre dans divers contextes de santé depuis de nombreuses décennies, comprenant des activités physiques et des interventions comportementales lié à l'alimentation. Des outils d'autorégulation tels que les intentions de mises en forme (plans si-alors) sont une des techniques les plus couramment utilisées dans ces interventions. Ces intentions de mises en forme sont des plans d'action concrets, au format si-alors, spécifiant quand, où et comment une personne doit agir pour atteindre un objectif spécifique (Si la situation Y se produit, alors j'engagerai un comportement en vue d’atteindre le but X!). Leurs efficacités ont été démontrées pour un large éventail de populations, de conditions, de paramètres et de comportements et se sont ainsi généralisés en conséquence. Jusqu'à aujourd’hui, la majorité des études ont examiné les changements comportementaux en tant que conséquences directes. Cependant, peu d’attention a été portée sur les mécanismes psychologiques (à savoir, la détection des signaux et la force des habitudes) qui conduisent à ce changement de comportement. Beaucoup d’études dans le domaine ont été menées en laboratoires contrôlés ou au travers de courtes interventions sur le terrain. Des interventions sur les changements comportementaux dans le mode de vie et la formation des habitudes doivent être menées sur le terrain et sur de plus longue durée, afin d’examiner ces mécanismes. Il a été démontré que les intentions de mises en œuvre conduisaient à une détection des signaux plus précise et plus rapide ainsi qu'à renforcer les habitudes, mais une recherche plus approfondie sur le «comment» est nécessaire. À notre connaissance, aucune étude à ce jour n'a examiné les effets distincts des composantes des intentions de mise en œuvre la composante signal (partie «si») et la composante réponse (partie «alors») sur la détection des signaux et la force des habitudes. Par conséquent, il reste des lacunes dans notre connaissance sur le rôle essentiel des intentions de mise en œuvre dans les changements de la détection des signaux et de la force des habitudes lors d’interventions comportementales sur le mode de vie. La recherche actuelle cherche à éclaircir ces questions à l'aide de données recueillies dans le cadre du Programme poids santé CHIP McGill, une intervention comportementale, longue d'un an,sur la perte de poids. Nous avons examiné comment les intentions de mise en œuvre influencent la détection des signaux et la force des habitudes, conduisant à des changements de comportement sur l’activité physique et l’alimentation et à la perte de poids. Cent soixante-douze participants ont effectué des mesures de détection des signaux et de force des habitudes et ont reporté le suivi de leur activité physique et consommation d'aliments et boissons à diverses périodes de l’intervention. Leurs poids étaient mesurés à chaque séance. Recueillies auprès des quatre-vingt-trois participants à la condition expérimentale de l'intervention, l’activité physique et le comportement lié à l'alimentation et boisson, en lien avec les plans « si-alors », étaient codifiés selon leurs spécificités. Les résultats d’analyses multi-niveaux (rapportés dans deux études) suggèrent une absence de lien entre la détection des signaux (pour l’alimentation, boisson et activité physique) et la force des habitudes avec le niveau d’activité physique et la consommation de calories/lipides moyens. Une plus grande spécificité dans la composante « réponse » des plans si-alors pour l’alimentation et boisson conduit à renforcer l’habitude de manger et boire sainement. Une meilleure détection des signaux conduit à une plus grande spécificité de signaux dans les plans si-alors pour l’alimentation et boisson subséquents. Ces résultats et leurs pertinences cliniques, ainsi que leurs limitations et instructions pour la recherche future, sont discutés
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 | 0,013 | 0,062 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».