The message writing process behind SmartAPPetite, a smartphone application for improving food knowledge and dietary behaviours among high school adolescents.
Notice bibliographique
Résumé
Purpose: Poor dietary behaviours in adolescence can carry into adulthood and contribute to the development of chronic disease; consequently, adolescence is a critical time to establish healthy dietary habits. Since the majority of adolescents own smartphones, smartphone-based interventions to improve food knowledge and dietary behaviours are a logical approach. The objective of this abstract is to describe the message-writing process that was developed to ensure consistent, evidence-based nutrition messages for a smartphone application. Process: SmartAPPetite is a multidimensional application that sends messages to help users make healthier choices. It was developed through an interdisciplinary collaboration with an overall goal of improving food knowledge, food purchasing, and diet quality of adolescents. Systematic approach used: A database of over 1000 messages was created with a range of nutrition and lifestyle topics, such as sports nutrition, eating away from home, information about specific nutrients, seasonality and origin of foods, and how to choose, prepare, and store various fresh food items. A Youth Advisory Council of high-school students assisted with the selection of topics and assessing the relatability of messages. A writing guide was created and used to standardize the messages which included dietitian-approved sources to gather nutrition information. Messages were written by undergraduate and masters level nutrition students, edited by senior writers, and approved by dietitians. Using program algorithms, SmartAPPetite selected messages from the database according to the user's age, sex, and reported dietary preferences. User feedback also allowed the app to continually adjust message selection algorithms. Conclusions: SmartAPPetite messages have undergone a thorough planning, writing, editing, and approval process to ensure users are provided with evidence-based, expert recommended nutrition and lifestyle messages. Recommendations: A systematic approach must be used to ensure nutrition and healthy lifestyle messages are of high-quality and evidence-based. Significance to field of dietetics: Nutrition-related smartphone applications have the potential to reach a large proportion of Canadian adolescents and enhance dietary behaviours.
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 | 0,039 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
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 ».