Evaluating Quality, Usability, Evidence-Based Content, and Gamification Features in Mobile Learning Apps Designed to Teach Children Basic Life Support: Systematic Search in App Stores and Content Analysis
Notice bibliographique
Résumé
BACKGROUND: Globally, 3.7 million people die of sudden cardiac death annually. Following the World Health Organization endorsement of the Kids Save Lives statements, initiatives to train school-age children in basic life support (BLS) have been widespread. Mobile phone apps, combined with gamification, represent an opportunity for including mobile learning (m-learning) in teaching schoolchildren BLS as an additional teaching method; however, the quality of these apps is questionable. OBJECTIVE: This study aims to systematically evaluate the quality, usability, evidence-based content, and gamification features (GFs) of commercially available m-learning apps for teaching guideline-directed BLS knowledge and skills to school-aged children. METHODS: We searched the Google Play Store and Apple iOS App Store using multiple terms (eg, cardiopulmonary resuscitation [CPR] or BLS). Apps meeting the inclusion criteria were evaluated by 15 emergency health care professionals using the user version of the Mobile Application Rating Scale and System Usability Scale. We modified a five-finger mnemonic for teaching schoolchildren BLS and reviewed the apps' BLS content using standardized criteria based on three CPR guidelines. GFs in the apps were evaluated using a gamification taxonomy. RESULTS: Of the 1207 potentially relevant apps, only 6 (0.49%) met the inclusion criteria. Most apps were excluded because the content was not related to teaching schoolchildren BLS. The mean total scores for the user version of the Mobile Application Rating Scale and System Usability Scale score were 3.2/5 points (95% CI 3.0-3.4) and 47.1/100 points (95% CI 42.1-52.1), respectively. Half of the apps taught hands-only CPR, whereas the other half also included ventilation. All the apps indicated when to start chest compressions, and only 1 app taught BLS using an automated external defibrillator. Gamification was well integrated into the m-learning apps for teaching schoolchildren BLS, whereas the personal and fictional, educational, and performance gamification groups represented most GFs. CONCLUSIONS: Improving the quality and usability of BLS content in apps and combining them with GFs can offer educators novel m-learning tools to teach schoolchildren BLS skills.
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 | 0,007 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,000 |
| 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 ».