Think-Aloud Testing of a Novel Safer Drinking App for College Students During COVID-19: Usability Study
Notice bibliographique
Résumé
BACKGROUND: Hazardous alcohol consumption, and binge drinking in particular, continues to be common among college students, posing the greatest risk for their health and safety. Despite widespread exposure to evidence-based preventive interventions among US undergraduates, only modest and temporary effects on risky drinking occur. Formative studies have demonstrated that students want a more engaging intervention tool for risky drinking that can be used just in time. OBJECTIVE: The purpose of this study is to test the appeal, relevance, and perceived utility of a draft mobile app for safer student drinking at a public university in Virginia. METHODS: Undergraduate student participants tested the draft mobile app via a web-based prototype that tailors to individual feedback with hot spots that responded to their taps to mimic app functionality. They narrated their impressions, navigation, and comments in a standardized think-aloud procedure. After each round of think-aloud interviews, researchers debriefed the investigators and developers to discuss findings and brainstorm app modifications. RESULTS: Minor changes to the functionality and aesthetics would improve usability of the app (eg, option for light mode in app settings). Student testers recommended tailoring the app to the needs of college students and to aspects of the local university's drinking culture. CONCLUSIONS: Findings from this study will be synthesized with information gained from other formative work to determine the final app features. We will test the app in a pilot randomized trial to assess app use and the impact of the app on college student drinking behavior over several months.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».