Predictors of Participant Retention in a Guided Online Self-Help Program for University Students: Prospective Cohort Study
Notice bibliographique
Résumé
BACKGROUND: Attrition is a persistent issue in online self-help programs, but limited research is available on reasons for attrition or successful methods for improving participant retention. One potential approach to understanding attrition and retention in such programs is to examine person-related variables (eg, beliefs and attitudes) that influence behavior. Theoretical models, such as the Theory of Planned Behavior, that describe conditions influencing human behavior may provide a useful framework for predicting participant retention in online-based program. OBJECTIVE: We examined predictors of participant retention in a guided online anxiety, depression, and stress self-help program for university students using the theory of planned behavior. We also explored whether age, symptom severity, and type of coaching (ie, email vs phone) affected participant retention. METHODS: 65 university students with mild to moderate depression, anxiety, and stress were enrolled in this prospective cohort study. Participants completed a questionnaire based on the theory of planned behavior prior to commencing the online-based program and the Depression Anxiety and Stress Scale (DASS) during the assessment module of the program. Participant retention was operationalized as the number of program modules completed. RESULTS: Perceived control over completing the online program significantly predicted intention to complete the program (F3,62=6.7; P=.001; adjusted R(2)=.2; standardized beta=.436, P=.001). Age (standardized beta=.319, P=.03) and perceived behavioral control (standardized beta=.295, P=.05) predicted the number of program modules completed (F3,61=3.20, P=.03, adjusted R(2) =.11). Initial level of distress (ie, symptom severity) did not predict participant retention (P=.55). Participants who chose phone-based coaching completed more program modules than participants who chose email-based coaching (Mann-Whitney's U=137; P=.004). CONCLUSIONS: Participants' age, level of perceived behavioral control, and choice of interaction (ie, phone-based or email-based coaching) were found to influence retention in this online-based program.
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 | 0,008 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».