Using Smartphone-Based Ecological Momentary Assessment in Audiology Research: The Participants' Perspective
Notice bibliographique
Résumé
= 10) participated in a study using a smartphone-based EMA system to measure their auditory lifestyles. A 14-item survey was scheduled to deliver every 45 min by an EMA app. After a 1-week trial, participants were interviewed regarding their study experiences. The app log files were analyzed to understand how the participants interacted with the app. Results Across the two groups, 1,295 surveys were completed (compliance rate 74.4%). On average, HI participants completed 10.0 and NH participants completed 9.1 surveys per day. The mean survey completion time for HI and NH groups were 72 s and 51 s, respectively. For both groups, about 90% of the participants reported the app as easy to use; about 60% of the participants reported that repetitive surveys interrupted or somewhat interrupted their activities. Participants reported surveys disrupting situations, for example, working, driving, and social events, and that they were more likely to skip surveys in these situations. Additionally, 50% of NH and 30% of HI participants indicated that the survey was not delivered too frequently and none indicated that the survey was too long. Conclusion Overall, the app and EMA design seem to be appropriate. Insights from this study can help researchers design their studies to adequately assess listeners' experience in the field with optimal compliance and data quality.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».