Digital Gamification to Enhance Vaccine Knowledge and Uptake: Scoping Review
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Vaccine hesitancy is a growing threat to population health, and effective interventions are needed to reduce its frequency. Digital gamification is a promising new approach to tackle this public health issue. OBJECTIVE: The purpose of this scoping review was to assess the amount and quality of outcomes in studies evaluating gamified digital tools created to increase vaccine knowledge and uptake. METHODS: We searched for peer-reviewed articles published between July 2009 and August 2019 in PubMed, Google Scholar, Journal of Medical Internet Research, PsycINFO, PsycARTICLES, Psychology and Behavioral Sciences Collection, and SocINDEX. Studies were coded by author, year of publication, country, journal, research design, sample size and characteristics, type of vaccine, theory used, game content, game modality, gamification element(s), data analysis, type of outcomes, and mean quality score. Outcomes were synthesized through the textual narrative synthesis method. RESULTS: A total of 7 articles met the inclusion criteria and were critically reviewed. Game modalities and gamification elements were diverse, but role play and a reward system were present in all studies. These articles included a mixture of randomized controlled trials, quasi-experimental studies, and studies comprising quantitative and qualitative measures. The majority of the studies were theory-driven. All the identified gamified digital tools were highly appreciated for their usability and were effective in increasing awareness of vaccine benefits and motivation for vaccine uptake. CONCLUSIONS: Despite the relative paucity of studies on this topic, this scoping review suggests that digital gamification has strong potential for increasing vaccination knowledge and, eventually, vaccination coverage.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle