The role of implementation intentions for cue detection, habit strength, and behaviour change
Bibliographic record
Abstract
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
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.013 | 0.062 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.006 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".