Adolescents’ Perspectives on a Mobile App for Relationships: Cross-Sectional Survey
Notice bibliographique
Résumé
BACKGROUND: Adolescence can be a fertile time for relationship issues, with interpersonal conflict being a risk factor for poor mental health. Mobile app interventions may have a significant appeal to young people in assisting with relationship distress. However, currently available apps have not been formally evaluated. Youths' perspectives on engaging with mobile technology to assist with relationships are also unknown. OBJECTIVE: This study aimed to examine adolescents' attitudes toward the concept of a mobile phone app for relationship help and support, and whether they would be likely to use such an intervention. METHODS: A cross-sectional Web survey consisting of 42 questions, including 13 free responses, was delivered. The proposed app, including character vignettes, was presented, and participants were asked to indicate whether they had experienced the same relationship issues, whether their peers would relate to the issues, and how helpful they found the proposed advice. Participants were also asked to provide their own suggestions for help, which were analyzed using thematic analyses. RESULTS: A total of 150 adolescents (aged 15 to 18) participated. Overall, 60.7% (91/150) were likely to use an app for relationship problems, and this was not associated with demographics or social support (all P values >.05). Likelihood of app usage was found to be influenced by perceived need for help, personal beliefs about app effectiveness, and whether the app is engaging and easy to use. Overall, adolescents were receptive of the proposed content with an average of 99.3% (149/150), rating the strategies provided as somewhat to very helpful. CONCLUSIONS: Adolescents were likely to use a mobile phone app for relationship support, and use was not influenced by gender, age, social support, or any other background characteristic. Instead, likely use was influenced by need, personal beliefs, usability, and the appropriateness of app content. App developers must address these factors if the app is to have a wide-scale uptake.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».