Development, Acceptance, and Concerns Surrounding App-Based Services to Overcome the COVID-19 Outbreak in South Korea: Web-Based Survey Study
Notice bibliographique
Résumé
BACKGROUND: Since the COVID-19 outbreak, South Korea has been engaged in various efforts to overcome the pandemic. One of them is to provide app-based COVID-19-related services to the public. As the pandemic continues, a need for various apps has emerged, including COVID-19 apps that can support activities aimed at overcoming the COVID-19 pandemic. OBJECTIVE: We aimed to determine which apps were considered the most necessary according to users and evaluate the current status of the development of COVID-19-related apps in South Korea. We also aimed to determine users' acceptance and concerns related to using apps to support activities to combat COVID-19. METHODS: We collected data from 1148 users from a web-based survey conducted between November 11 and December 6, 2020. Basic statistical analysis, multiple response analysis, and the Wilcoxon rank sum test were performed using R software. We then manually classified the current status of the development of COVID-19-related apps. RESULTS: In total, 68.4% (785/1148) of the respondents showed high willingness to protect themselves from COVID-19 by using related apps. Users considered the epidemiological investigation app to be the most necessary app (709/1148, 61.8%) overall, followed by the self-management app for self-isolation (613/1148, 53.4%), self-route management app (605/1148, 52.7%), COVID-19 symptom management app (483/1148, 42.1%), COVID-19-related information provision app (339/1148, 29.5%), and mental health management app (270/1148, 23.5%). Despite the high intention to use these apps, users were also concerned about privacy issues and media exposure. Those who had an underlying disease and had experience using COVID-19-related apps showed significantly higher intentions to use those apps (P=.05 and P=.01, respectively). CONCLUSIONS: Targeting users is very important in order to design and develop the most necessary apps. Furthermore, to gain the public's trust and make the apps available to as many people as possible, it is vital to develop diverse apps in which privacy protection is maximized.
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 | 0,003 | 0,001 |
| 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 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».