Animated Randomness, Avatars, Movement, and Personalization in Risk Graphics
Notice bibliographique
Résumé
BACKGROUND: Risk communication involves conveying two inherently difficult concepts about the nature of risk: the underlying random distribution of outcomes and how a population-based proportion applies to an individual. OBJECTIVE: The objective of this study was to test whether 4 design factors in icon arrays-animated random dispersal of risk events, avatars to represent an individual, personalization (operationalized as choosing the avatar's color), and a moving avatar-might help convey randomness and how a given risk applies to an individual, thereby better aligning risk perceptions with risk estimates. METHODS: A diverse sample of 3630 adults with no previous heart disease or stroke completed an online nested factorial experiment in which they entered personal health data into a risk calculator that estimated 10-year risk of cardiovascular disease based on a robust and validated model. We randomly assigned them to view their results in 1 of 10 risk graphics that used different combinations of the 4 design factors. We measured participants' risk perceptions as our primary outcome, as well as behavioral intentions and recall of the risk estimate. We also assessed subjective numeracy, whether or not participants knew anyone who had died of cardiovascular causes, and whether or not they knew their blood pressure and cholesterol as potential moderators. RESULTS: Animated randomness was associated with better alignment between risk estimates and risk perceptions (F1,3576=6.12, P=.01); however, it also led to lower scores on healthy lifestyle intentions (F1,3572=11.1, P<.001). Using an avatar increased risk perceptions overall (F1,3576=4.61, P=.03) and most significantly increased risk perceptions among those who did not know a particular person who had experienced the grave outcomes of cardiovascular disease (F1,3576=5.88, P=.02). Using an avatar also better aligned actual risk estimates with intentions to see a doctor (F1,3556=6.38, P=.01). No design factors had main effects on recall, but animated randomness was associated with better recall for those at lower risk and worse recall for those at higher risk (F1,3544=7.06, P=.01). CONCLUSIONS: Animated randomness may help people better understand the random nature of risk. However, in the context of cardiovascular risk, such understanding may result in lower healthy lifestyle intentions. Therefore, whether or not to display randomness may depend on whether one's goal is to persuade or to inform. Avatars show promise for helping people grasp how population-based statistics map to an individual case.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».