USER-CENTERED DESIGN AND USABILITY EVALUATION OF A CANCER PREVENTION WEB APPLICATION: AN ITERATIVE APPROACH IN GERMANY
Notice bibliographique
Résumé
Abstract Objectives Limited public awareness of cancer risk factors necessitates effective dissemination of cancer prevention information. Digital technologies offer an opportunity to address this gap, yet there is scant information on tools for communicating cancer prevention evidence. This article describes the user-centered design, development and usability evaluation of a web application for personalized cancer prevention tailored to the German population. Materials and Methods Prototypes of the web-app were developed through early and continuous formative evaluations. These prototypes integrated validated cancer risk prediction models and recommendations using an evidence-based risk communication approach. In a graphical user interface (GUI) test usability was assessed using the system usability scale (SUS), deriving scores for overall usability, usefulness, and learnability. Qualitative data on user experience (UX) and user interface (UI) issues were also collected through think-aloud protocols, interviews, and questionnaires. Findings The GUI test showed a SUS score of 69.7/100 and a usefulness score of 75.8, indicating acceptable usability, while the learnability score was 48.4. Eight categories of UX/UI problems were identified, including one severe and three moderate issues related to data input, user guidance and risk visualization. Qualitative feedback highlighted strengths in navigation, information presentation, and interactive features such as the risk simulation tool. Discussion The iterative development and early user testing yielded valuable feedback, identifying key usability concerns during prototyping. The usability score was within an acceptable range, and the usefulness score was above average. However, the lower learnability score indicated potential challenges in user understanding and satisfaction. Identified usability issues highlight areas for improvement while positive feedback supports the design choices, particularly the use of visual aids, numerical data, and personalized feedback to improve risk comprehension and motivate behavior change. Conclusion The NCPC cancer prevention web application represents a significant step towards effective digital health promotion in Germany. Addressing identified usability concerns through continued iterative refinement and user involvement is crucial for enhancing the tool’s effectiveness. The integration of evidence-based risk communication strategies shows promise in improving risk comprehension and motivating behavior change among users.
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 | 0,034 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».