The Success of Serious Games and Gamified Systems in HIV Prevention and Care: Scoping Review
Notice bibliographique
Résumé
BACKGROUND: AIDS, which is caused by HIV, has long been one of the most significant global public health issues. Since the beginning of the HIV epidemic, various types of nonelectronic communication tools have been commonly used in HIV/AIDS prevention and care, but studies that apply the potential of electronic games are still limited. OBJECTIVE: We aimed to identify, compare, and describe serious games and gamified systems currently used in HIV/AIDS prevention and care that were studied over a specific period of time. METHODS: A scoping review was conducted into serious games and gamified systems used in HIV prevention and care in various well-known digital libraries from January 2010 to July 2021. RESULTS: After identifying research papers and completing the article selection process, 49 of the 496 publications met the inclusion criteria and were examined. A total of 32 articles described 22 different serious games, while 17 articles described 13 gamified systems for HIV prevention and care. CONCLUSIONS: Most of the studies described in the publications were conducted in the United States, while only a few studies were performed in sub-Saharan African countries, which have the highest global HIV/AIDS infection rates. Regarding the development platform, the vast majority of HIV/AIDS gaming systems were typically deployed on mobile devices. This study demonstrates the effectiveness of using serious games and gamified systems. Both can improve the efficacy of HIV/AIDS prevention strategies, particularly those that encourage behavior change.
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 | 0,000 | 0,000 |
| 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 | 0,000 | 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 ».