Browsing by Issue Date, starting with "2025-05-01"
Now showing 1 - 3 of 3
Results Per Page
Sort Options
- Clima motivacional y diversión en el deporte: el papel mediador de la regulación conductualPublication . Perez Garcia, José Alberto; Morquecho-Sánchez, Raquel; Ramirez-Nava, Rúben; Monteiro, Diogo; Susano Jacinto, Miguel Ângelo; Morales-Sánchez, Verónica; Hernández-Mendo, AntonioLa regulación del comportamiento es un mecanismo explicativo fundamental para entender cómo influye el clima motivacional en la diversión, lo que refuerza la importancia de fomentar entornos que impliquen tareas para mejorar la motivación de los deportistas y su experiencia deportiva en general, especialmente en lo que respecta la diversión. El objetivo del estudio fue analizar el papel mediador de la regulación conductual en la relación entre el clima motivacional (implicación en la tarea e implicación en el ego) y la diversión en el deporte. En el estudio participaron 294 jugadores de fútbol (153 hombres y 141 mujeres) con edades comprendidas entre los 15 y los 19 años (M = 14.55; SD = 1.71). Se utilizó la Motivational Climate Sport Youth Scale para evaluar el clima motivacional, la Sport Motivation Scale-II para evaluar la regulación conductual y la Physical Activity Enjoyment Scale para evaluar la diversión. Se realizó un análisis de mediación para examinar el papel de la regulación conductual en la relación entre el clima motivacional y la diversión. Los resultados indicaron que un clima motivacional de implicación en la tarea se asocia con mayores niveles de motivación autónoma (r = .681; p≤.001), que a su vez se relaciona con una mayor diversión (r = .175; p≤.001). Por otro lado, un clima de implicación del ego se asocia con una motivación no autodeterminada (r = .657; p≤.001) y una menor diversión (r = -.357; p≤.001). La motivación autónoma medió significativamente en la relación entre el clima de implicación en la tarea y la diversión (β = .38; 95% CI = .201, .575). El estudio refuerza la importancia de promover climas motivacionales de implicación en la tarea para fomentar la motivación autónoma y aumentar la diversión en los deportistas. La motivación autónoma parece desempeñar un papel mediador en la relación entre el clima motivacional y el disfrute.
- Un análisis conductual de los predictores de la adherencia al ejercicio y su impacto económico en el contexto del fitnessPublication . Antunes, Raul; Susano Jacinto, Miguel Ângelo; Matos, Rui; Morquecho Sánchez, Raquel; Amaro, Nuno; Cid, Luis; Couto, Nuno; Santos Teixeira, Diogo; Monteiro, DiogoEste estudio pretendía examinar la relación entre las percepciones de los clientes sobre los comportamientos de los fisiólogos del ejercicio, los tipos de motivación y su influencia posterior en la adherencia al ejercicio durante un periodo de seis meses. Además, evaluamos el impacto financiero del abandono de los clientes en los ingresos de los gimnasios durante este periodo. Métodos: Una muestra de 1.803 individuos (edades 18-54; M = 26,61, SD = 5,48) inscritos en gimnasios de todo Portugal participaron en este estudio. Resultados: Durante el periodo de seis meses, el 42% de los clientes cancelaron sus abonos, lo que supuso una pérdida de ingresos mensual estimada de 28.659,60 euros al final del sexto mes. Acumulativamente, los gimnasios experimentaron una pérdida total de ingresos de 110.393,27 euros durante el periodo de estudio. Conclusiones: Los hallazgos sugieren que los comportamientos de apoyo a las necesidades por parte de los fisiólogos se asocian positivamente con la motivación autónoma, que a su vez promueve la adherencia al ejercicio a largo plazo. Por el contrario, los comportamientos que frustran las necesidades están relacionados con la motivación controlada, que afecta negativamente al mantenimiento del ejercicio. Estos datos ponen de relieve la importancia de las estrategias de motivación tanto para la retención de clientes como para la sostenibilidad financiera de los gimnasios.
- Driving Behavior Classification Using a ConvLSTMPublication . Pingo, Alberto; Castro, João; Loureiro, Paulo; Mendes, Silvio; Bernardino, Anabela; Miragaia, Rolando; Husyeva, IrynaThis work explores the classification of driving behaviors using a hybrid deep learning model that combines Convolutional Neural Networks (CNNs) with Long Short-Term Memory (LSTM) networks (ConvLSTM). Sensor data are collected from a smartphone application and undergo a preprocessing pipeline, including data normalization, labeling, and feature extraction, to enhance the model’s performance. By capturing temporal and spatial dependencies within driving patterns, the proposed ConvLSTM model effectively differentiates between normal and aggressive driving behaviors. The model is trained and evaluated against traditional stacked LSTM and Bidirectional LSTM (BiLSTM) architectures, demonstrating superior accuracy and robustness. Experimental results confirm that the preprocessing techniques improve classification performance, ensuring high reliability in driving behavior recognition. The novelty of this work lies in a simple data preprocessing methodology combined with the specific application scenario. By enhancing data quality before feeding it into the AI model, we improve classification accuracy and robustness. The proposed framework not only optimizes model performance but also demonstrates practical feasibility, making it a strong candidate for real-world deployment.