Gamified Cognitive Bias Interventions for Psychiatric Disorders: Protocol of a Systematic Review
Notice bibliographique
Résumé
BACKGROUND: Cognitive bias modification has been increasingly studied in the past decade with reviews reporting the effectiveness of bias modification. Advances in electronic health and mobile health technologies have transformed how conventional cognitive bias modification is delivered. To date, gamification technologies and serious games have been widely evaluated in health care, and prior studies have reported the use of gamification for cognitive bias modification. However, no prior research, to date, has systematically evaluated the literature for gamified cognitive bias modification interventions. OBJECTIVE: The proposed systematic review aims to review how gamification has been applied to cognitive bias modification interventions. METHODS: A systematic review will be conducted. A search will be conducted on the respective databases till 2018. Selection of the studies will be determined by the Preferred Reporting Items for Systematic Review and Meta-Analysis guidelines. Quality assessment of the included studies will be assessed using the Cochrane Risk of Bias Tool. In addition, a narrative synthesis will be conducted. RESULTS: We expect that the review will be completed 12 months from the publication of this protocol. CONCLUSIONS: The findings that arise from this review will be crucial as they will inform future research that seeks to integrate gamification technologies into existing conventional bias modification interventions. REGISTERED REPORT IDENTIFIER: RR1-10.2196/10154.
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 | 0,061 | 0,077 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,004 |
| Méta-épidémiologie (sens large) | 0,013 | 0,015 |
| Bibliométrie | 0,010 | 0,010 |
| Études des sciences et des technologies | 0,004 | 0,004 |
| Communication savante | 0,006 | 0,006 |
| Science ouverte | 0,005 | 0,005 |
| Intégrité de la recherche | 0,006 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,067 | 0,009 |
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 ».