Public Perspectives on Exposure Notification Apps: A Patient and Citizen Co-Designed Study
Notice bibliographique
Résumé
Canada deployed a digital exposure notification app (COVID Alert) as a strategy to support manual contact tracing. Our aims are to (1) assess the use, knowledge, and concerns of the COVID Alert app, (2) identify predictors of app downloads, and (3) develop strategies to promote social acceptability. A 36-item questionnaire was co-designed by 12 citizens and patients partnered with 16 academic researchers and was distributed in the province of Québec, Canada, from May 27 to 28 June 2021. Of 959 respondents, 43% had downloaded the app. Messaging from government sources constituted the largest influence on app download. Infrequent social contacts and perceived app inefficacy were the main reasons not to download the app. Cybersecurity, data confidentiality, loss of privacy, and geolocation were the most frequent concerns. Nearly half of the respondents inaccurately believed that the app used geolocation. Most respondents supported citizen involvement in app development. The identified predictors for app uptake included nine characteristics. In conclusion, this project highlights four key themes on how to promote the social acceptability of such tools: (1) improved communication and explanation of key app characteristics, (2) design features that incentivize adoption, (3) inclusive socio-technical features, and (4) upstream public partnership in development and deployment.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».