Who Wants to Be Cybersecure? Expert Evaluation of a Culturally Adaptive Gamified Cybersecurity Awareness App
Notice bibliographique
Résumé
Cybersecurity awareness is a pressing issue in Nigeria as the rapid growth of digital technologies has outpaced public knowledge of online safety. Most of the available cybersecurity awareness programs often fail to resonate with local users as they were developed for WEIRD (Western, Educated, Industrialized, Rich, Democratic) contexts, making them less enticing and less efficient for changing people’s behavior. Additionally, most existing solutions are inaccessible to the general public, as they are often delivered through seminars, workshops, and expert-led training, which have limited reach and engagement. This paper describes an evaluation by experts of "Who Wants to Be Cybersecure", a culturally adapted gamified mobile application designed to improve cybersecurity awareness among Nigerians. The app enhances engagement by integrating scenario-based learning, gamification (leaderboards, competition), and cultural elements such as Afrobeats music and Pidgin English. We assess the app’s usability, effectiveness, and cultural relevance through qualitative expert interviews with cybersecurity experts in industry and academia. Furthermore, experts noted that cultural elements would increase credibility and acceptance, leading to better user engagement. Nevertheless, the experts identified some areas for improvement, including more Nigerian-related cybersecurity scenarios (e.g., SIM swap fraud and online banking scams).
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».