MétaCan
Menu
Retour à la cohorte
Enregistrement W4205347980 · doi:10.2196/29832

A Smartphone Serious Game for Adolescents (Grow It! App): Development, Feasibility, and Acceptance Study

2021· article· en· W4205347980 sur OpenAlexvenueno aff
Evelien Dietvorst, Michelle A Aukes, Jeroen S. Legerstee, Annabel Vreeker, Micah Hrehovcsik, Loes Keijsers, Manon H. J. Hillegers

Notice bibliographique

RevueJMIR Formative Research · 2021
Typearticle
Langueen
DomainePsychology
ThématiqueDigital Mental Health Interventions
Établissements canadiensnon disponible
Organismes subventionnairesStichting Vrienden van het SophiaNederlandse Organisatie voor Wetenschappelijk OnderzoekZonMw
Mots-clésmHealthMoodBoredomAnxietyPsychologyCoping (psychology)Video gameClinical psychologyMindfulnessAgile software developmentApplied psychologyMultimediaComputer sciencePsychological interventionPsychiatrySocial psychology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Anxiety and mood problems in adolescents often go unnoticed and may therefore remain untreated. Identifying and preventing the development of emotional problems requires monitoring and effective tools to strengthen adolescents' resilience, for example, by enhancing coping skills. OBJECTIVE: This study describes the developmental process, feasibility, and acceptance of Grow It!, a multiplayer serious game app for adolescents aged 12-25 years. The app consists of the experience sampling method (ESM) to monitor thoughts, behaviors, and emotions in daily life to enhance self-insight and daily cognitive behavioral therapy-based challenges to promote adaptive coping. METHODS: Our approach entails an iterative game design process combined with an agile method to develop the smartphone app. The incorporated game features (ie, challenges, chat functionality, and visual representation) in the Grow It! app were co-designed with adolescent end users to increase participant engagement and adherence. RESULTS: The Grow It! app was delivered for Android and iOS in May 2020. Grow It! was offered to adolescents during the COVID-19 crisis between May and December 2020. Participants of the Grow It! COVID-19 study (sample 1: N=685; mean age 16.19, SD 3.11 years; 193/685, 28.2% boys; sample 2: N=1035; mean age 18.78, SD 3.51 years; 193/1035, 18.64% boys) completed 31.5% (13.2/42) to 49.5% (10.4/21) of challenges. Compliance of ESM was suboptimal (35.1/210, 16.7% to 32.5/105, 30.9%). Follow-up questionnaires indicated an overall score of the app of 7.1 out of 10. Moreover, 72.6% (278/383) to 75.6% (487/644) would recommend the app to friends. CONCLUSIONS: To our knowledge, Grow It! is the first gamified ESM app that both measures individual differences in emotional dynamics and offers an integrated cognitive behavioral therapy-based intervention. Our findings support the feasibility and acceptance, and therefore applicability, of the Grow It! app in adolescents. Further iterations of this serious game app will focus on the increase of compliance and on providing participants feedback through their personal mood profiles.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,724
Score d'incertitude au seuil0,720

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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.

Tête enseignante Opus0,175
Tête enseignante GPT0,526
Écart entre enseignants0,352 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations32
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Formative ResearchMême sujetDigital Mental Health InterventionsTravaux en français237 207