Training Vegetable Parenting Practices Through a Mobile Game: Iterative Qualitative Alpha Test
Notice bibliographique
Résumé
BACKGROUND: Vegetable consumption protects against chronic diseases, but many young children do not eat vegetables. One quest within the mobile application Mommio was developed to train mothers of preschoolers in effective vegetable parenting practices, or ways to approach getting their child to eat and enjoy vegetables. A much earlier version of the game, then called Kiddio, was alpha tested previously, but the game has since evolved in key ways. OBJECTIVE: The purpose of this research was to alpha test the first quest, substantiate earlier findings and obtain feedback on new game features to develop an effective, compelling parenting game. METHODS: Mothers of preschool children (n=20) played a single quest of Mommio 2 to 4 times, immediately after which a semi-structured interview about their experience was completed. Interviews were transcribed and double coded using thematic analysis methods. RESULTS: Mothers generally liked the game, finding it realistic and engaging. Some participants had difficulties with mechanics for moving around the 3-D environment. Tips and hints were well received, and further expansion and customization were desired. CONCLUSIONS: Earlier findings were supported, though Mommio players reported more enjoyment than Kiddio players. Continued development will include more user-friendly mechanics, customization, opportunities for environment interaction, and food parenting scenarios.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».