A Transdiagnostic, Emotion Regulation App (Eda) for Children: Design, Development, and Lessons Learned
Notice bibliographique
Résumé
BACKGROUND: Digital interventions, including mobile apps, represent a promising means of providing effective mental health support to children and young people. Despite the increased availability of mental health apps, there is a significant gap for this age group, especially for children (aged 10-12 years). Research investigating the effectiveness and development process of child mental health apps is limited, and the field faces persistent issues in relation to low user uptake and engagement, which is assumed to be a result of limited user involvement in the design process. OBJECTIVE: This study aims to present the development and design process of a new mental health app for children that targets their emotion regulation abilities. We describe the creation of a new interdisciplinary development framework to guide the design process and explain how each activity informed different app features. METHODS: The first 2 stages of the framework used a variety of methods, including weekly classroom observations over a 6-month period (20 in total); public engagement events with the target group (N=21); synthesis of the existing evidence as part of a meta-analysis; a series of co-design and participatory workshops with young users (N=33), clinicians (N=7), researchers (N=12), app developers (N=1), and designers (N=2); and finally, testing of the first high-tech prototype (N=15). RESULTS: For the interdisciplinary framework, we drew on methods derived from the Medical Research Council framework for complex interventions, the patient-clinician framework, and the Druin cooperative inquiry. The classroom observations, public engagement events, and synthesis of the existing evidence informed the first key pillars of the app and wireframes. Subsequently, a series of workshops shaped and reshaped the content and app features, including games, psychoeducational films, and practice modules. On the basis of the prototype testing sessions, we made further adjustments to improve the app. CONCLUSIONS: Although mobile apps could be highly suitable to support children's mental health on a wider scale, there is little guidance on how these interventions could be designed and developed. The involvement of young users across different design activities is very valuable. We hope that our interdisciplinary framework and description of the used methods will be helpful to others who are hoping to develop mental health apps for children and young people.
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 | 0,017 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 ».