MétaCan
Menu
Retour à la cohorte
Enregistrement W4386953149 · doi:10.1109/segah57547.2023.10253766

Persuasive Application for Sex Education

2023· article· en· W4386953149 sur OpenAlexafffund
Pratyasha Bhattacharya, Alaa Alslaity, Rita Orji

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueChild Development and Digital Technology
Établissements canadiensDalhousie University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésComputer scienceSex educationSociologyGender studiesHuman sexuality

Résumé

récupéré en direct d'OpenAlex

Young adults are curious, and due to a lack of proper knowledge of sexual health, they often tend to make risky sexual choices. Thus, sex education is important, as it increases individuals' knowledge of sexual health, teaches about safe sex practices and healthy sexual behavior, and enables one to make informed decisions. However, in some countries, like India, sex education is highly neglected due to the societal stigma around the topic of sex. Persuasive interventions have shown success in increasing awareness and promoting desired behaviour. However, most of these interventions consider developed countries. This work aims at investigating persuasive intervention for sex education specifically catered to the Indian audience. Particularly, this work discusses using a persuasive mobile app to help individuals learn about sexual health. As a first step to achieving our goal, we designed a prototype for an app called ‘Sex-Educated’ with persuasive features that aim to promote safe sexual practices and increase awareness about risky sexual behaviour among Indian adults. To evaluate the effectiveness of our app with persuasive design and features, we conducted a user study with 57 participants. Our results show that Indian adults are motivated to use a gamified persuasive app for sexual health education. Our app with persuasive features is much more effective to encourage learning, create awareness, and bring about positive attitude and behavioral changes towards sexual health.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,837
Score d'incertitude au seuil0,298

Scores Codex et Gemma par catégorie

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

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 Opus0,023
Tête enseignante GPT0,351
Écart entre enseignants0,327 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations1
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetChild Development and Digital TechnologyTravaux en français237 207