Serious Games for Nutritional Education: Online Survey on Preferences, Motives, and Behaviors Among Young Adults at University
Notice bibliographique
Résumé
BACKGROUND: Data on nutritional information and digital gameplay are limited among young adults in Germany. OBJECTIVE: This survey aimed to gather data on nutritional information sources and digital games for nutritional education (preferences, motives, and behaviors) among young adults at both Munich universities in Germany. METHODS: An online survey was developed by an multidisciplinary research group using EvaSys, an in-house survey software. The questionnaire (47 items) covered questions about baseline characteristics (eg, housing situation and weight), nutrition (eg, nutritional information sources), and digital (nutritional) gameplay (eg, preferences, motives, and behaviors). A feedback field was also provided. This publication is based on a selection of 20 questions (7 baseline characteristics, 2 nutrition, 11 gameplay). Young adults, primarily Munich university students aged from 18 to 24 years, were invited to participate by digital and nondigital communication channels between 2016 and 2017. Statistical analyses were performed using Excel 2013 (Microsoft Corp) and R version 3.1.3 (R Foundation for Statistical Computing). RESULTS: In total, 468 young adults (342/468, 73.1% women; 379/468, 81.0% university students) participated. Most of the participants (269/468, 57.5%) were aged 18 to 24 years with a BMI in the normal weight range (346/447, 77.4%). Mean body weight was 65.5 [SD 14.0] kg. Most participants reported getting nutritional information from the internet (372/467, 79.7%) and printed media (298/467, 63.8%), less than 1.0% (2/467, 0.4%) named digital games. Apps (100/461, 21.7%) and university/workplace (146/461, 31.7%) were the most desired sources for additional information about nutrition, while 10.0% (46/461, 10.0%) of participants stated wanting digital games. Almost two-thirds (293/468, 62.6%) of participants played digital games, while one-fifth (97/456, 21.3%) played digital games daily using smartphones or tablets. Finally, most respondents (343/468, 73.3%), mainly women, expressed interest in obtaining nutritional information during digital gameplay. However, significant gender differences were shown for nutritional acquisition behaviors and digital gameplay preferences, motives, and behaviors. CONCLUSIONS: Our survey population reported playing digital games (especially men) and wanting nutritional information during digital gameplay (especially women). Furthermore, university or workplace are named as preferred settings for nutritional information. Therefore, a digital game app might have the potential to be a tool for nutritional education among young adults within the university or workplace environment.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».