根据个体特征预测身体活动集群:基于事件的生态瞬间评估研究
Maya Braun1,2, Geert Crombez1, Dries Debeer1
1Department of Experimental Clinical and Health Psychology, Ghent University, Ghent, Belgium.
Psychology & health
|November 19, 2025
概括
通过识别活动集群,可以改进个性化的体育活动建议. 社会人口统计信息是预测这些集群的关键,减少了对日常评估的需求.
科学领域:
- 行为科学 行为科学
- 公共卫生 公共卫生
- 数据科学数据科学数据科学
背景情况:
- 弥合身体活动中的意图-行为差距至关重要.
- 个性化推可以减少规划的负担,提高计划的质量.
- 识别个性化相关变量是改善体育活动干预措施的关键.
研究的目的:
- 识别身体活动的集群.
- 用静态和动态个人变量来预测这些集群.
- 为了告知个性化的体育活动建议策略.
主要方法:
- 这是一项为期14天的生态瞬间评估 (EMA) 研究,共52名参与者.
- 收集静态 (例如,SES) 和动态 (例如,情绪) 的个人特征.
- 利用有条件随机森林和多层多项回归来进行集群预测.
主要成果:
- 确定了五个不同的体育活动集群:积极的交通,与工作有关的,家庭,有组织的体育和城市活动.
- 成功预测了多达65%的活动集群,表现优于基线比较.
- 预测主要是由静态的社会人口统计学特征驱动的.
结论:
- 可以使用静态数据制定个性化建议,减轻频繁评估的需要.
- 静态数据驱动的个性化减少了个人负担,但存在刻板印象的风险.
- 未来的研究应该探索集成被动收集的数据和各种推生成方法.
