MétaCan
Menu
Retour à la cohorte
Enregistrement W4313641462 · doi:10.2196/40773

Adolescents’ Assessment of Two Mental Health–Promoting Mobile Apps: Results of Two User Surveys

2023· article· en· W4313641462 sur OpenAlexvenueno aff
Helene Høgsdal, Sabine Kaiser, Henriette Kyrrestad

Notice bibliographique

RevueJMIR Formative Research · 2023
Typearticle
Langueen
DomainePsychology
ThématiqueDigital Mental Health Interventions
Établissements canadiensnon disponible
Organismes subventionnairesHelsedirektoratetUniversitetet i Tromsø
Mots-clésUsabilityMobile appsSystem usability scaleMental healthScale (ratio)Promotion (chess)Rating scalePsychologyApplied psychologyMedicineWeb usabilityDevelopmental psychologyComputer scienceWorld Wide WebPsychiatryHuman–computer interaction

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The importance of mental health promotion is irrevocable and is especially important at a young age. More mental health-promoting mobile apps have been developed in the last few years. However, their usability and quality have been rarely assessed. OBJECTIVE: The aim of this study is to investigate how adolescents assess the usability, quality, and potential goal achievement of Opp and NettOpp. Opp is a universal mental health-promoting mobile app aimed at 13- to 19-year-olds, and NettOpp is a mobile app for children and adolescents between 11 to 16 years of age that have experienced negative incidents online. METHODS: A total of 45 adolescents tested either Opp (n=30) or NettOpp (n=15) for a period of 3 weeks and answered a questionnaire. The System Usability Scale (SUS) was used to measure the usability of the apps. A SUS score above 70 indicates acceptable usability. Items from the Mobile Application Rating Scale were adapted for study purposes and used to measure the quality and perceived goal achievement that Opp and NettOpp might have on adolescents' knowledge, attitudes, and intention to change behavior. Furthermore, adolescents could answer an open comment question. RESULTS: Opp had a mean SUS score of 80.37 (SD 9.27), and NettOpp's mean SUS score was 80.33 (SD 10.30). In the overall evaluation, Opp and NettOpp were given a mean score of 3.78 (SD 0.42) and 4.20 (SD 0.56), respectively, on a 5-point scale, where 5 was best. Most adolescents who evaluated Opp rated that the app would increase knowledge about mental health and help young people deal with stress and difficult emotions or situations. Most adolescents who evaluated NettOpp agreed that the app would increase awareness and knowledge about cyberbullying, change attitudes toward cyberbullying, and motivate them to address cyberbullying. Some adolescents stated that Opp was difficult to navigate and consisted of too much text. Some of the adolescents that tested NettOpp stated that the app had crashed and that the design was a bit childish. CONCLUSIONS: All in all, this study indicates that Opp and NettOpp have good usability and that adolescents are satisfied with both apps. It also indicates that the potential goal achievement of the apps, for example, increasing knowledge about mental health (Opp) or cyberbullying (NettOpp) is promising. While there are some comments from the users that are more difficult to solve (eg, Opp is too text-based), some comments helped improve the apps (eg, that the app crashed). Overall, the user evaluation provided valuable knowledge about how adolescents assess Opp and NettOpp. However, more extensive effectiveness studies are necessary to measure their actual goal achievement.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,037

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,150
Tête enseignante GPT0,576
Écart entre enseignants0,426 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Formative ResearchMême sujetDigital Mental Health InterventionsTravaux en français237 207