Preferences in the Willingness to Download a COVID-19 Contact Tracing App in the Netherlands and Turkey: Experimental Study
Notice bibliographique
Résumé
BACKGROUND: Despite the worldwide growth in using COVID-19 contact tracing apps (CTAs) and the potential benefits for citizens, governments, health care professionals, businesses, and other organizations, only a few studies have examined the factors affecting the levels of willingness to download a CTA. OBJECTIVE: This study aimed to investigate individuals' preferences in the willingness to download a health app. METHODS: We conducted an experimental study in 2 countries, the Netherlands (N=62) and Turkey (N=83), using 4 different vignettes (ie, data protection, manufacturer, reward, and gaming models) with different attributes. Participants were randomly assigned to 1 of the conditions within the vignettes. RESULTS: The results showed that data protection and gaming elements are factors that influence the willingness to download a COVID-19 CTA. More specifically, we see that data protection is an important factor explaining the willingness to download the app in Turkey, whereas including gaming elements significantly affects the willingness to download the app in the Netherlands. CONCLUSIONS: COVID-19 CTAs are highly promising to reduce the spread of the virus and make it easier to open up society faster, especially because they can be used quickly and share information rapidly. COVID-19 CTA developers must ensure that their apps satisfactorily and sufficiently address ethical considerations, even in times of crisis. Furthermore, integrating gaming elements in the CTA could enhance the willingness to download the CTA.
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 | 0,007 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».