Perceptions and Attitudes Toward a Mobile Phone App for Mental Health for College Students: Qualitative Focus Group Study
Notice bibliographique
Résumé
BACKGROUND: Many college students who have mental health issues do not receive professional care for various reasons. Students who do not receive help often have both short- and long-term adverse health outcomes. Mobile apps for mental health services such as MySSP, a service provided to college students through their university, may help eliminate barriers to seeking mental health care and result in more positive outcomes for college students. OBJECTIVE: This qualitative study aims to better understand college students' perceptions and attitudes toward the adoption and use of a mobile phone app for mental health, MySSP, using the technology acceptance model (TAM). METHODS: A series of nine focus groups were conducted with college students (N=30) between February and May 2019 at a large, public Midwestern university. The moderator's guide was based on the TAM, and focus group sessions primarily focused on the use and knowledge of apps for mental health, specifically, MySSP. The focus group transcriptions were hand-coded to develop a set of themes that encompassed students' perceptions and attitudes toward MySSP. RESULTS: The analysis of the focus groups suggested the following themes: (1) existing awareness of the app, (2) perceived usefulness, (3) perceived ease of use, (4) attitudes toward apps for mental health and MySSP, and (5) social influence. CONCLUSIONS: The results of this study provide deeper insights into the perceptions of a mobile app for mental health among college students. Future research should explore the specific contexts in which an app for mental health will be most effective for college students.
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 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 | 0,002 | 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 | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».