A content review of COVID-19-related apps used in Vietnam
Notice bibliographique
Résumé
INTRODUCTION: Various digital applications (apps) have been developed as an aid to address the novel issues caused by the Coronavirus disease 2019 (COVID-19) pandemic. Vietnam has experienced a proliferation of apps for this purpose. This review aims to evaluate all Vietnamese COVID-19 apps, analyzing their features, functionality, advantages, disadvantages, and ethical issues to inform developers, communities, and governments on the most desirable features of COVID-19 apps and the user's opinions. METHODOLOGY: A systematic search was conducted on October 1, 2022, on PubMed, Scopus, Google, and the British Broadcasting Corporation (BBC) News's official website to identify COVID-19 apps available in Vietnam. The apps were evaluated through user reviews and content analysis of their specific features and drawbacks. RESULTS: Thirty Vietnam-based COVID-19 mobile apps were identified on the Apple and Google Play Store. Their functions were recorded and analyzed using a dedicated tool for appraising mobile applications. Although useful, many specific COVID-19 features were dispersed and duplicated between the apps. The most comprehensive apps still lack important functionalities, such as vaccination information. The most serious user concerns were privacy breaches during data recording and storage, technical issues, and non-user-friendly interfaces. CONCLUSIONS: The panorama of current COVID-19 apps in Vietnam is complex and includes many apps. Their overlap in features and functions could create a dispersion of mobile users that could undermine the apps' usefulness and effectiveness in combating the pandemic in Vietnam. An app that integrates the most useful features and addresses the main issues could facilitate user experience and usage uptake.
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 | 0,006 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| 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 ».