The Grow It! app—longitudinal changes in adolescent well-being during the COVID-19 pandemic: a proof-of-concept study
Notice bibliographique
Résumé
Adolescent mental health and well-being have been adversely impacted by the COVID-19 pandemic. In this preregistered longitudinal study, we evaluated whether adolescents' well-being improved after playing the multiplayer serious game app Grow It! During the first lockdown (May-June 2020), 1282 Dutch adolescents played the Grow It! app (age = 16.67, SD = 3.07, 68% girls). During the second lockdown (December-May 2020 onwards), an independent cohort of 1871 adolescents participated (age = 18.66, SD = 3.70, 81% girls). Adolescents answered online questionnaires regarding affective and cognitive well-being, depressive symptoms, anxiety, and impact of COVID-19 at baseline. Three to six weeks later, the baseline questionnaire was repeated and user experience questions were asked (N = 462 and N = 733 for the first and second cohort). In both cohorts, affective and cognitive well-being increased after playing the Grow It! app (t = - 6.806, p < 0.001; t = - 6.77, p < 0.001; t = - 6.12, p < 0.001; t = - 5.93, p < 0.001; Cohen's d range 0.20-0.32). At the individual level, 41-53% of the adolescents increased in their affective or cognitive well-being. Adolescents with higher risk profiles (i.e., more depressive symptoms, lower atmosphere at home, and more COVID-19 impact) improved more strongly in their well-being. Positive user evaluations and app engagement were unrelated to changes in affective and cognitive well-being. This proof-of-concept study tentatively suggests that Grow It! supported adolescents during the pandemic.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».