Veranstaltungsprogramm

Eine Übersicht aller Sessions/Sitzungen dieser Tagung.
Bitte wählen Sie einen Ort oder ein Datum aus, um nur die betreffenden Sitzungen anzuzeigen. Wählen Sie eine Sitzung aus, um zur Detailanzeige zu gelangen.

 
Sitzungsübersicht
Session
AK 18: Self-Tracking aus einer motivationspsychologischen Perspektive
Zeit:
Samstag, 27.05.2017:
9:00 - 10:20

Chair der Sitzung: Hanna Raven, Deutsche Sporthochschule Köln
Chair der Sitzung: Anna Wasserkampf, Deutsche Sporthochschule Köln
Ort: Hörsaal 104
120 Plätze, Fabrikstrasse 6

Zeige Hilfe zu 'Vergrößern oder verkleinern Sie den Text der Zusammenfassung' an
Präsentationen

Was motiviert TeilnehmerInnen und AbbrecherInnen einer Fitness-Tracker Intervention im Setting „Betrieb“?

Ina Völker, Christopher Grieben, Chuck Tholl, Ingo Froböse

Deutsche Sporthochschule Köln, Institut für Bewegungstherapie und bewegungsorientierte Prävention und Rehabilitation

Der demografische Wandel stellt gesellschaftliche und soziale Systeme vor insbesondere finanzielle Probleme. Für kostengünstige und einfache Erhebungen von Fitnessdaten, wie Schritte oder Aktivitätszeit, dienen heutzutage Fitness-Tracker. Diese haben sich in Studien kurzfristig als aktivitätssteigernd ausgewiesen (Stukenberg & Friess, 2015; Barwais et al., 2013). Jedoch kann konstatiert werden, dass der Effekt nach Beenden etwaiger Maßnahmen abflacht (Patel et al., 2015). Daher war es das Ziel der vorliegenden Untersuchung, Motivationsgründe von NutzerInnen/AbbrecherInnen gegenüberzustellen sowie den Einfluss personenbezogener Charakteristika zu untersuchen. Der eigens von einem Versicherungsunternehmen initiierte Schritt-Wettbewerb wurde in Kooperation mit einem Geräte-Hersteller durchgeführt und seitens der DSHS evaluiert. Mittels eigens erstelltem Fragebogen, der vor Beginn (T0/Woche 0), nach der Hauptphase (T1/Woche 7) und dem Follow-Up (T2/Woche 21) eingesetzt wurde, konnten u. a. die Motivation zur fortwährenden Teilnahme und Abbruchkriterien erfasst werden. Neben Unterschieden zwischen den Messzeitpunkten wurde mittels Chi-Quadrat Test der Einfluss von Personeneigenschaften (Alter, Geschlecht, Fitness-Tracker-Modell) auf die Partizipation untersucht. Als Motivationsgrund zur Anmeldung bzw. weiteren Teilnahme wurden zu allen Messzeitpunkten die drei Faktoren „spielerischer Charakter“, „Fitness/Gesundheit“ und „Gruppendynamik“ am häufigsten angegeben. Dabei variierten die Antwortzahlen vom Messzeitpunkt T0/T1 zu T2 (T0, T1: n = 129; T2: n = 40). Im Mittel am häufigsten angegeben wurde der Faktor „spielerischer Charakter (67,6%), gefolgt von „Gruppendynamik“ (66,9%) und „Fitness/Gesundheit“ (57%). Zu keinem Zeitpunkt gab es einen signifikanten Zusammenhang der Motivationsgründe mit den Faktoren Alter (T: χ2=(24, n = 129) = 27.87; p0 = .265; T1: χ2 = (24, n = 129) = 26.04, p1 = .351; T2: χ2 = (24; n = 40) = 18.52, p2 = .777) oder Geschlecht (T0: χ2 = (6, n = 129) = 9.34, p0 = .495; T1: χ2 = (6, n = 129) = 9.01, p1 = .173; T2: χ2 = (6, n = 40) = 9.34, p2 = .155). Ausschließlich zu T1 wurde ein signifikanter Zusammenhang zum Faktor Fitness-Tracker-Modell ermittelt (T0: χ2 = (18, n = 129) = 24.97; p0 = .126; T1: χ2 = (18, n = 129) = 33.54, p1 = .014; T2: χ2 = (18, n = 40) = 15.68, p2 = .615). Der Hauptgrund zum vorzeitigen Abbruch der Challenge war die „fehlende Eigenmotivation“ (40.9%; n = 22). Die Kommunikationsimpulse des Versicherungsunternehmen wurden größtenteils als „wenig motivierend“ wahrgenommen (70%; n = 40). Die Dauer der Hauptphase wurde als „angemessen“ bewertet (79%; n = 62). Die Gesamtdauer wurde überwiegend als „zu lang“ beurteilt (53.2%; n = 62). Die Ergebnisse zeigen, dass insbesondere spielerische/soziale Aspekte zur Teilnahme motivierten, wodurch der Trend der Gamifikation im Bereich BGF untermauert werden kann. Der Großteil der TeilnehmerInnen nahm Motivationsimpulse als „wenig motivierend“ wahr, wodurch möglicherweise der hohe Dropout zum Follow-Up zu erklären ist. Hier sollte ein Ansatzpunkt für folgende Interventionen abgeleitet werden.


Das Quantified-Self quantifizieren: Eine Studie zu Nutzungs- und Motivationsprofilen von Self-TrackerInnen basierend auf der Selbstbestimmungstheorie

Anna Wasserkampf, Hanna Raven, Jens Kleinert

Deutsche Sporthochschule Köln, Psychologisches Institut

Self-TrackerInnen quantifizieren und analysieren Schritte, Kalorienverbrauch oder Schlafqualität, meist mit dem Ziel sich selbst und ihr Leben zu optimieren. Menschen, die sich selbst vermessen werden oft als gesundheitsbewusst, leistungsorientiert jedoch auch als kontrollsüchtig umschrieben. Tatsächlich wissen wir jedoch recht wenig über das Trackingverhalten an sich als auch über die hinter dem Tracking liegenden Beweggründen. Basierend auf der Selbstbestimmungstheorie (Deci & Ryan 2000) versucht die vorliegende Studie einen Einblick zu erlangen in sowohl das Nutzungsverhalten als auch die hinter dem Sporttreiben liegenden Motivationsprofile von Self-TrackerInnen. In der vorliegenden Querschnittstudie wurden 201 Self-TrackerInnen (123 w; Alter M = 35.34, SD = 10.83) zu Sport- und Trackingverhalten befragt. Zusätzlich wurden Verhaltensregulationen mittels einer deutschen Version des Behavioral Regulation in Sport Questionnaire (BRSQ, Kleinert & Pels, 2013) und Zielorientierungen mit einer deutschen Version des Goal Content in Exercise Questionnaire (Kleinert & Kleinknecht, 2009) abgefragt. Mithilfe einer hierarchischen K-means Clusteranalyse wurden motivationale Profile identifiziert, welche mittels Varianzanalysen hinsichtlich ihrer Zielorientierungen verglichen wurden. Wearables (n =111) gefolgt von Apps (n = 37) und Smartwatches (n = 28) wurden am häufigsten benutzt um Trainingsdauer, Geschwindigkeit, Herzfrequenz und Streckendauer zu messen. Die Clusteranalyse identifizierte 3 motivationale Profile: (1) moderate-autonom/gleichgültig (n = 45), (2) hoch-autonom (n = 121) und (3) gezwungen-und-doch-autonom (n = 35). Das moderat-autonome/gleichgültige Profil unterschied sich signifikant von den beiden anderen Profilen hinsichtlich aller Zielorientierungen. Obwohl das hoch-autonome und das gezwungen-und-doch-autonome Profil sich ähneln hinsichtlich Motivation und Zielorientierungen, unterscheiden sie sich hinsichtlich des Anerkennungsziels (F(2) = 11.13, p < .001). Im gezwungen-und-doch autonomen Profil ist das Anerkennungsziel stärker ausgeprägt, als in den beiden anderen Profilen. Der deutliche Unterschied in der Verfolgung des Anerkennungsziels zwischen den Profilen lässt sich durch die starken introjizierten Züge des gezwungen-und-doch-autonomem Profils erklären. Der negative Druck, den die Self-TrackerInnen diesen Profils wahrnehmen kann jedoch, durch die gleichzeitig stark ausgeprägten autonomen Verhaltensregulationen, verhelfen, dauerhaft (auch extrinsische) Ziele im Sport zu verfolgen. Das moderat-autonome/gleichgültige Profil hingegen verfolgt sowohl extrinsische als intrinsische Ziele weniger stark, was Sporttreiben langfristig unbefriedigend machen könnte. Eine (gesunde) Mischung aus sowohl extrinsischen als intrinsischen Ziele kann zu langzeitigen Aufrechterhaltung von Sportverhalten beitragen.


Self-Tracking zwischen Bedürfnisbefriedigung und Suchtverhalten – Werden die Grundbedürfnisse unterstützt oder eingeschränkt?

Hanna Raven, Anna Wasserkampf, Jens Kleinert

Deutsche Sporthochschule Köln, Psychologisches Institut

Unter dem Begriff „Self-Tracking“ wird Verhalten zusammengefasst, welches körperbezogene Daten mittels Fitness-Apps, Wearables oder Smart-Watches dokumentiert, meist mit dem Ziel einer gezielten Trainingssteuerung oder einer dauerhaften Verhaltensänderung. Die psychologischen Bedingungen des Self-Trackings wurden bisher wenig erforscht. Eine relevante Frage ist, inwieweit bei Menschen, die sich regelmäßig tracken, die Grundbedürfnisse nach Autonomie, Kompetenz und Beziehung im Sinne der Selbstbestimmungstheorie (Deci & Ryan, 2000) beim Sporttreiben befriedigt sind. Unsere Annahme ist, dass der Umfang dieser Bedürfnisbefriedigung abhängig von der Art des Self-Tracking ist (suchtartig vs. gemäßigt). Die vorliegende Studie vergleicht daher Self-TrackerInnen mit höherem und niedrigem Suchtpotenzial in Hinsicht auf die psychologische Bedürfnisbefriedigung beim Sporttreiben. An der Querschnittuntersuchung nahmen 201 Personen teil (123 w; 78 m; Alter M = 35.34, SD = 10.83), die angaben, regelmäßig physiologische Daten zu tracken. Erhoben wurden die Bedürfnisbefriedigung beim Sporttreiben mittels Contextual Basic Need Satisfaction Scale (CBANS, Kleinert, 2012), sowie das Suchtpotenzial beim Tracken angelehnt an die Skala zum Onlinesuchtverhalten bei Erwachsenen (OSVe-S, Wölfing et al., 2008). Auf Basis der Häufigkeitsverteilung des Sucht-Gesamtscores wurden drei gleichgroße Gruppen gebildet, um Personen mit niedrigem, mittlerem und höherem Suchtpotenzial beim Tracken vergleichen zu können. Es zeigt sich eine deutlich linksschiefe Verteilung im Gesamtscore des Fragebogens zur Tracking-Sucht (M = 3.15, SD = 2.73; Range von 0 bis 12). Die Bedürfnisbefriedigung im Sport erreicht für Beziehung niedrige, für Autonomie und Kompetenz mittelhohe Werte (Autonomie M = 1.86, SD = 0.86; Kompetenz M = 2.05, SD = 0.71; Beziehung M = 0.85, SD = 0.71). Eine einfaktorielle ANOVA mit bonferoni-adjustierten Post-Hoc-Tests ergibt, dass die drei Gruppen unterschiedlichen Suchtpotenzials sich hinsichtlich ihrer Kompetenzbefriedigung signifikant unterscheiden (df = 180, F = 6.04; p = .003). Personen mit niedrigem Suchtpotenzial zeigen eine geringere Kompetenzbefriedigung beim Sport als Personen mit höherem (Gruppe 1: M = 1.90; SD = 0.74; Gruppe 2: M = 2.20, SD = 0.65; Gruppe 3: M = 2.3, SD = 0.59; Gruppe 1 und 2: p = .03; Gruppe 1 und 3: p = .008). Insgesamt zeigt sich in der vorliegenden Untersuchung keine Suchtgefahr durch Self-Tracking im klinischen Sinne, denn auch die Gruppe mit den höchsten Werten bleibt in einem moderaten Bereich. Es wird diskutiert, dass vermehrtes Tracken vor allem mit erhöhtem Engagement beim Sport einhergeht, was den Zusammenhang mit Kompetenzbefriedigung erklären könnte.


Die Rolle von Self-Tracking bei mHealth Interventionen zur Steigerung von körperlicher Aktivität – Eine Metaanalyse

Lisa Eckerstorfer, Norbert Tanzer, Katja Corcoran

Karl-Franzens-Universität Graz, Institut für Psychologie

Self-Tracking hat das Potential, Motivation für körperliche Aktivität zu steigern. Dieser Effekt kann auftreten, weil die VersuchsteilnehmerInnen wissen, dass ihre körperliche Aktivität aufgezeichnet wird und dass ForscherInnen die Daten später einsehen werden (Schwerdtfeger, Schmitz & Warken, 2012). Allerdings spielen vielleicht auch andere Wirkmechanismen eine Rolle. Im Bereich mHealth wird Self-Tracking sowohl als Intervention als auch als Messinstrument verwendet. mHealth Interventionen zielen darauf ab, medizinische Maßnahmen und Gesundheitsfürsorge mit tragbaren elektronischen Geräten umzusetzen. Sie schließen Self-Tracking mit ein, umfassen aber ein weitaus größeres Gebiet (Kay, Santos & Takane, 2011). Weiters gibt es zwischen subjektiv berichteter und objektiv gemessener körperlicher Aktivität nur kleine bis moderate Zusammenhänge. Die Art, wie ForscherInnen die körperliche Aktivität messen, kann das Ergebnis einer Studie substanziell verzerren (Prince, Adamo, Hamel, Gorber & Trembley, 2008). Ungeklärt ist bisher noch, ob Self-Tracking zur Wirksamkeit von Interventionen zur Steigerung von körperlicher Aktivität im Bereich mHealth beitragen kann. In unserer Metaanalyse wurden mHealth Interventionen für körperliche Aktivität via Apps und Kurznachrichten auf ihre Wirksamkeit geprüft. Ein Fokus lag darauf, ob Self-Tracking einen Einfluss auf die Wirksamkeit einer Intervention hat. Dafür wurden drei Analysen durchgeführt. Erstens wurde untersucht, ob sich Interventionen mit und ohne Self-Tracking generell in ihrer Wirksamkeit unterscheiden. In einem weiteren Schritt wurde beleuchtet, ob in den jeweiligen Experimentalgruppen Self-Tracking unter Berücksichtigung der Dauer von Interventionen in Prä-post-Vergleichen mit größeren Erfolgen einhergeht. Drittens wurde analysiert, wie stark die Assoziation zwischen subjektiver und objektiver körperlicher Aktivität innerhalb derselben Studien ist. Weiterführend wurde untersucht, welche Charakteristiken wirksame Interventionen auszeichnen. Konkret bezog sich die Fragestellung auf Belohnungen, soziale Eingebundenheit, das Setzen von Zielen, edukative Maßnahmen und direkte Anweisungen an die ProbandInnen. Diese Charakteristiken wurden als Moderatoren in die Analyse aufgenommen. Studien wurden in vier Literaturdatenbanken gesucht (PsycInfo, ScienceDirect, ISI Web of Knowledge, PubMed) und zusätzlich wurden Forschungsnetzwerke zur Beschaffung von grauer Literatur herangezogen. Von anfänglich 2'059 Studien kamen 139 in Frage und letztlich entsprachen 56 den formalen Kriterien zur Aufnahme in die Analyse. Für den jeweiligen Unterschied zwischen Experimental- und Kontrollgruppe wurde als Effektstärke Hedges‘ g berechnet und die beschriebenen Moderatoren wurden in eine Meta-Regression auf Basis des Random-Effects-Modelles aufgenommen. Insgesamt ist zu sagen, dass – trotz eines sich abzeichnenden Publikationsbiases – mHealth Interventionen substanziell zur Erhöhung von körperlicher Aktivität beitragen können. Einflüsse von Self-Tracking und Interventions-Charakteristiken sowie auch praktische Implikationen dieser Ergebnisse werden diskutiert.



 
Impressum · Kontaktadresse:
Veranstaltung: asp 2017
Conference Software - ConfTool Pro 2.6.113
© 2001 - 2017 by H. Weinreich, Hamburg, Germany