Overcoming Barriers: Adolescents’ Experiences Using a Mobile Phone Dietary Assessment App
Notice bibliographique
Résumé
BACKGROUND: The use of new technology has the potential to increase participation rates in dietary studies and improve the validity of collected dietary data. However, to evaluate the usability of developed dietary methods, qualitative studies of participants' experiences and perceptions are needed. OBJECTIVE: To explore adolescents' experiences using a newly developed mobile phone dietary assessment app, with a focus on factors that could affect their recording of dietary intake. METHODS: Focus group interviews were conducted with 75 participants who had used a newly developed mobile phone dietary assessment app in a quantitative evaluation study. The interviews were analyzed using qualitative content analysis and the theoretical framework of Self Determination Theory was applied. RESULTS: The adolescents' use of the mobile phone dietary assessment app was characterized by their struggle to overcome several perceived barriers. Facilitators that helped adolescents complete the method were also identified. Motivation was found to be an important facilitator, and intrinsically motivated participants completed the method because they found it fun to use. The autonomous extrinsically motivated participants completed the method for the greater good, in order to contribute to the study. The controlled extrinsically motivated participants completed the method to get a reward or avoid punishment. Amotivated participants did not complete the method. More motivated participants were assumed to be more able to overcome barriers and needed less facilitators. CONCLUSIONS: Future studies that examine the recording of food intake should include systematic efforts that aim to minimize identified barriers and promote identified facilitators. Further research should specifically aim at studying methods for (and effects of) increasing intrinsic motivation by supporting autonomy, competence, and relatedness among adolescents asked to participate in dietary studies.
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 | 0,005 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 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 ».