Chatbots for Sexual Health Improvement: A Systematic Review
Notice bibliographique
Résumé
There is a rising interest in chatbots dedicated to enhancing sexual health. However, there is limited research on the effectiveness of these chatbots, and the current literature lacks sufficient exploration of gaps and patterns in this field. In this review, we provided an overview of the state-of-the-art research conducted on sexual health chatbots, with the goal of identifying prevalent trends, design patterns, and features. In addition, we investigated existing research gaps, challenges, and shortcomings in the landscape of sexual health chatbots. Further, we proposed potential enhancements and directions for future research and development to create more effective chatbots in this field. A systematic search and screening of the literature from the past decade (2013–2023), extracted from seven databases, yielded a total of 1040 studies, out of which 29 articles were included in the final review following screening. The findings suggest that chatbots are usable and effective tools in sexual health education, persuasion, and assistance that are appreciated for their confidentiality, efficiency, and 24/7 availability. However, their performance is hindered by limitations such as restricted scope of knowledge and challenges in understanding user inputs. Additionally, constraints such as text-only input/output modalities and a predominant reliance on the English language limit their accessibility and acceptability. There is also a crucial need for more research in low-income or lower-middle-income countries, where individuals require increased sexual health education and support.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,012 | 0,060 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,006 |
| Bibliométrie | 0,010 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».