21、基于绩效的用户匹配:提升体育活动水平的新策略

基于绩效的用户匹配:提升体育活动水平的新策略

在当今社会,体育活动(PA)对于人们的健康和幸福至关重要。然而,大多数人并未进行足够的体育活动以实现健康和 wellness 目标。为了促进体育活动,移动技术和行为改变策略得到了广泛应用,但目前在如何通过分组来提高用户体育活动水平方面仍存在不足。本文将介绍一种名为基于绩效的用户匹配(PUM)的方法,并探讨其在促进体育活动中的应用。

1. 背景与动机

体育活动不足和久坐行为已成为全球性的健康问题,它们会增加疾病负担和死亡率。为了提高人们的体育活动水平,合作被认为是一种有效的说服策略,它可以提供相互支持、鼓励和强化。合作性的运动游戏也被证明可以增加动机、自我效能感和坚持性。然而,如何将人们分组以实现更好的效果,仍然是一个挑战。

以往的研究采用了多种方法来匹配人们,如身体接近度、社会联系和人格特质等。但这些方法并没有考虑到人们在现实世界中的正常体育活动水平。由于同一组中的人会相互影响彼此的行为,向上比较和向下比较可能会导致个体失去动力。因此,我们假设将具有相似体育活动水平的人分配到同一组中,可以解决这个问题。

2. 基于绩效的用户匹配(PUM)概念

我们提出了基于绩效的用户匹配(PUM)的概念。PUM 的前提是,将具有相似体育活动水平的玩家分配到同一组(SG)中,与将具有不同或混合体育活动水平的玩家分组(MG)相比,将增加动机和整体绩效。

为了验证这一概念,我们进行了一项为期 6 周的实地研究,使用我们开发的 TreeCare 说服性运动游戏来调查和比较 SG 和 MG 范式在玩家体育活动水平和集体绩效方面的差异。游戏使用步数来衡量体育活动水平。

3. 研
【路径规划】(螺旋)基于A星全覆盖路径规划研究(Matlab代码实现)内容概要:本文围绕“基于A星算法的全覆盖路径规划”展开研究,重点介绍了一种结合螺旋搜索策略的A星算法在栅格地图中的路径规划实现方法,并提供了完整的Matlab代码实现。该方法旨在解决移动机器人或无人机在未知或部分已知环境中实现高效、无遗漏的区域全覆盖路径规划问题。文中详细阐述了A星算法的基本原理、启发式函数设计、开放集与关闭集管理机制,并融合螺旋遍历策略提升初始探索效率,确保覆盖完整性。同时,文档提及该研究属于一系列路径规划技术的一部分,涵盖多种智能优化算法与其他路径规划方法的融合应用。; 适合人群:具备一定Matlab编程基础,从事机器人、自动化、智能控制及相关领域研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于服务机器人、农业无人机、扫地机器人等需要完成区域全覆盖任务的设备路径设计;②用于学习和理解A星算法在实际路径规划中的扩展应用,特别是如何结合特定搜索策略(如螺旋)提升算法性能;③作为科研复现与算法对比实验的基础代码参考。; 阅读建议:建议结合Matlab代码逐段理解算法实现细节,重点关注A星算法与螺旋策略的切换逻辑与条件判断,并可通过修改地图环境、障碍物分布等方式进行仿真实验,进一步掌握算法适应性与优化方向。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值