Young Adults’ Engagement With a Self-Monitoring App for Vegetable Intake and the Impact of Social Media and Gamification: Feasibility Study
Notice bibliographique
Résumé
BACKGROUND: Social media and gamification have been used in digital interventions for improving nutrition behaviors of young adults, but few studies measure engagement. OBJECTIVE: This feasibility study aimed to explore user engagement with a 4-week smartphone program for improving vegetable intake. METHODS: A goal setting and self-monitoring app was developed for feasibility testing. We assessed if additional components of gaming and/or social media support increased engagement. A 2 × 2 factorial study design was used with participants randomly allocated to each group. Engagement with the app (usage) was captured via inbuilt software, which recorded total days of app usage (duration) and the frequency of logging vegetable intake. Uptake of the social media (Facebook) content was measured by tracking views, likes, and comments on posts. RESULTS: Out of the 110 potential participants who completed the prescreening questionnaire online, 97 were eligible (mean age 24.8 [SD 3.4]). In total, 49% (47/97) of participants were retained at 4 weeks. Attrition within the first week was the highest among users of the gamified app without social support (Facebook; P<.001). Over the intervention period, 64% (62/97) of participants logged into their app, with vegetable intake recorded on average for 11 out of 28 days. The frequency of recording decreased each week (mean 4 [SD 2] days in week 1 versus mean 2 [SD 2] days in week 4). No effects of gaming or social support on the frequency of recording vegetables or the duration of app engagement were found. However, regardless of the app type, the duration of app engagement was significantly associated with vegetable intake post intervention (P<.001). In total, 60% of Facebook posts were viewed by participants but engagement was limited to likes, with no comments or peer-to-peer interaction observed. CONCLUSIONS: As duration of usage was associated with vegetable intake, a deeper understanding of factors influencing engagement is needed. Dimensions such as personal attributes and the setting and context require further exploration in addition to content and delivery.
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 | 0,008 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».