原始论文gydF4y2Ba
摘要gydF4y2Ba
背景:gydF4y2Ba数字行为改变干预(dbci)的参与水平和类型可能会影响其有效性,但缺乏有效的参与自我报告措施。DBCI用户参与量表旨在评估用户参与的行为(即使用数量、深度)和体验(即注意力、兴趣、享受)维度。gydF4y2Ba
摘要目的:gydF4y2Ba我们旨在评估智能手机应用程序用户的DBCI参与量表的心理测量特性,以减少酒精消费。gydF4y2Ba
方法:gydF4y2Ba参与者(N=147)是通过在线研究平台招募的英国成年过度饮酒者。参加者下载gydF4y2Ba少喝酒gydF4y2BaApp并在首次登录后立即完成刻度,以换取金钱奖励。标准变量包括客观记录的使用量、使用深度和后续登录。五种类型的效度(即,构式、标准、预测、增量、发散)在探索性因素、相关性和回归分析中被检验。计算Cronbach alpha来评估量表的内部信度。协变量包括减少饮酒的动机。gydF4y2Ba
结果:gydF4y2BaDBCI参与量表上的反应可以用与体验和行为相关的两个基本独立的子量表来描述。经验和行为分量表分别表现出较高(α=.78)和中等(α=.45)的内部可靠性。总量表得分预测了未来的行为参与(即后续登录),在调整或不调整用户减少饮酒的动机(调整后的优势比[或]gydF4y2Ba邻接的gydF4y2Ba) = 1.14;95% ci 1.03-1.27;gydF4y2BaPgydF4y2Ba=.01),这是由经验(或gydF4y2Ba邻接的gydF4y2Ba= 1.19;95% ci 1.05-1.34;gydF4y2BaPgydF4y2Ba=.006)而不是行为分量表。gydF4y2Ba
结论:gydF4y2BaDBCI敬业度量表评估敬业度的行为和体验方面。行为分量表可能不是行为投入的有效指标。体验子量表可以预测后续使用减少酒精消费的应用程序的行为参与度。需要在更大的样本和不同的dbci中进一步细化和验证量表。gydF4y2Ba
doi: 10.2196/16197gydF4y2Ba
关键字gydF4y2Ba
简介gydF4y2Ba
在一定程度上参与数字行为改变干预措施(dbci)对于此类干预措施的有效性是必要的[gydF4y2Ba
].然而,观察到的与dbci的接触水平通常被认为过于有限,无法支持行为改变[gydF4y2Ba ].例如,一项对基于网络的健康干预措施的系统回顾发现,大约50%的参与者以期望的方式参与干预措施,在各个试验中估计在10%至90%之间[gydF4y2Ba ].在不同环境和目标行为中进行的研究报告了DBCI参与和干预有效性的正相关[gydF4y2Ba ,gydF4y2Ba ],表明这些变量可能通过剂量-响应函数联系在一起[gydF4y2Ba ,gydF4y2Ba ].然而,更成功地实现DBCI目标行为改变的个人与DBCI的接触也更多,这也是合理的。gydF4y2Ba ]或有限的用户参与足以为某些用户带来有意义的改变(即“有效参与”)[gydF4y2Ba ].人们曾试图描述将参与与干预有效性联系起来的功能[gydF4y2Ba ,gydF4y2Ba -gydF4y2Ba ],但由于各研究使用不同的参与定义和衡量标准,进展受到阻碍。gydF4y2Ba心理学家和计算机科学家都对一个人参与DBCI意味着什么这个问题很感兴趣。一般来说,心理学家将参与度定义为技术使用的程度,被视为参与者接触DBCI的“活性成分”或组件行为改变技术的代理。gydF4y2Ba
,gydF4y2Ba ].另一方面,计算机科学家将沉浸定义为人机交互过程中发生的“流动”或“沉浸”的主观体验,其特征是集中注意力、内在兴趣、挑战和技能之间的平衡、忘记时间和自我意识,以及到达“不同的地方”[gydF4y2Ba ,gydF4y2Ba ].在对心理学和计算机科学文献进行了系统的综合文献综述后[gydF4y2Ba 除了对潜在DBCI用户的深入访谈外,我们的跨学科研究团队还提出了以下对沉浸感的工作定义:“[对DBCI的沉浸感是]用户每次与DBCI交互时出现的一种类似状态的结构,有两个行为维度(即使用的数量和深度)和三个体验维度(即注意力、兴趣和享受)[gydF4y2Ba ].”因此,我们从理论上认为,两个行为维度(使用的数量和深度)和三个体验维度(注意力、兴趣和享受)是人们参与DBCI的必要和充分条件。尽管类似,但是使用dbci被认为在概念上不同于“流”和纯技术使用。虽然有几种流量、沉浸感和技术使用的测量方法可供使用(有关概述,请参阅[gydF4y2Ba
,gydF4y2Ba ,gydF4y2Ba ),缺乏一种量化行为和体验参与强度的工具。对于研究人员、从业者和开发人员来说,参与的量化尺度应该能够预测关键的兴趣变量,如未来参与、知识获取或干预有效性。此外,尽管许多源自日志数据的使用指标通常用于捕捉行为粘性的强度[gydF4y2Ba -gydF4y2Ba ],这是一种有效的敬业度测量方法,它捕捉了敬业度的体验和行为维度,可以轻松管理,无需访问和处理DBCI的原始数据,这将是有用的。DBCI参与量表的开发就是为了填补这一空白[gydF4y2Ba ].gydF4y2Ba作为量表开发过程的一部分(详细描述于[gydF4y2Ba
]),跨学科研究团队开发了一个初始量表项目池,此外还有两个用于短期参与测量的“最佳赌注”。然后要求外行和专家受访者将最初的量表项目分为六个类别之一(即,gydF4y2Ba使用量gydF4y2Ba,gydF4y2Ba使用深度gydF4y2Ba,gydF4y2Ba感兴趣gydF4y2Ba,gydF4y2Ba注意gydF4y2Ba,gydF4y2Ba享受gydF4y2Ba,加上gydF4y2Ba不保密的gydF4y2Ba类别)来检验量表的内容效度。对10项DBCI参与量表的第一次心理测量评估是在自愿下载了免费的、有证据的应用程序的成年过度饮酒者的样本中进行的gydF4y2Ba少喝酒,gydF4y2Ba减少他们的饮酒量[gydF4y2Ba ].结果表明,敬业度的行为和经验指标可能会解决到一个单一的维度。然而,在研究过程中,只有不到5%的合格用户完成了量表,敏感性分析表明,分析样本偏向于高度参与的用户。gydF4y2Ba在现实环境中研究用户粘性是非常困难的,因为高度粘性的用户更有可能对研究调查做出回应。gydF4y2Ba
],可能会使结果产生偏差。此外,有证据表明,改变目标行为的动机始终与行为参与的频率有关,例如登录总数[gydF4y2Ba ,gydF4y2Ba ].尽管改变的动机是参与的一个关键预测因素,但它既不是参与DBCI的必要条件,也不是充分条件。例如,一个缺乏减少饮酒动机的用户可能会被一个特定应用程序的设计所吸引,沉迷于它的内容,随后就会有减少饮酒的动机。因此,为了更好地研究投入的维度结构,我们认为在我们的分析中调整动机的变化很重要,从而将投入状态从混杂的动机中分离出来。本研究旨在评估通过在线研究平台招募的用户样本的DBCI参与量表,以解决以下研究问题:gydF4y2Ba- DBCI参与量表的因素结构是什么?(建构效度)gydF4y2Ba
- DBCI参与量表内部可靠吗?(内部可靠性)gydF4y2Ba
- 量表总分是否与客观记录的使用量和使用深度呈正相关?(效标效度)gydF4y2Ba
- 总量表得分是否能预测未来的行为投入(即,后续登录),包括和不包括减少饮酒动机的调整?(预测效度)gydF4y2Ba
- 是否有两种最佳的短期投入措施来预测未来的行为投入,有或没有减少饮酒的动机调整?(预测效度)gydF4y2Ba
- 与只包含客观记录的参与行为指标的模型相比,包含客观记录的行为指标和自我报告的参与体验指标的模型在未来的行为参与(即,随后的登录)中说明了更多的差异吗?(增量的有效性)gydF4y2Ba
- 量表总分与心流状态量表总分是否显著相关?(的有效性)gydF4y2Ba
方法gydF4y2Ba
预先登记的研究方案可在开放科学框架内找到[gydF4y2Ba
].伦理批准由伦敦大学学院计算机科学系研究伦理主席(项目ID: UCLIC/1617/004/Staff Blandford HFDH)批准。gydF4y2Ba入选标准gydF4y2Ba
年龄≥18岁的参与者有资格参加研究;报告酒精使用障碍识别测试(AUDIT)得分≥8,表明过度饮酒[gydF4y2Ba
];居住在英国;拥有一部能够运行iOS 8.0软件的iPhone(即iPhone 4S或更高版本的机型);并且愿意下载和探索一个减少酒精消费的应用程序。gydF4y2Ba抽样gydF4y2Ba
参与者通过在线研究平台高产[gydF4y2Ba
].通过在线平台参与研究的个人主要是出于经济动机,不一定对健康行为改变感兴趣[gydF4y2Ba ].因此,我们期望高产能让我们招募到具有不同程度改变动机的用户样本。然而,我们并没有期望招募一个样本来代表英国过度饮酒者的一般人群。gydF4y2Ba样本大小gydF4y2Ba
没有进行正式的样本量计算。根据心理测量学文献,参与者与项目的比例为25:1(即总共250名参与者)被认为是理想的[gydF4y2Ba
].gydF4y2Ba措施gydF4y2Ba
为了确定合格性和描述样本,收集了年龄方面的数据;性别(男性或女性);工作类型(手工、非手工或其他);酒精消费模式,由审计署衡量[gydF4y2Ba
];减少饮酒的动机,以停止饮酒动机量表衡量[gydF4y2Ba -gydF4y2Ba ];居住国家(英国或其他);是否拥有iPhone;以及是否愿意下载和探索一个减少酒精的应用程序(是或不是)。gydF4y2Ba适合已下载及浏览gydF4y2Ba少喝酒gydF4y2Ba应用程序,在第一次使用应用程序时收集位置数据(家中,工作,车辆,公共交通,餐馆/酒吧/café,其他人的家,其他,或不记得)和10项DBCI参与量表[gydF4y2Ba
],以捕捉对dbci的瞬时行为(即使用数量、深度)和体验(即注意力、兴趣、享受)参与(gydF4y2Ba ).关于量表项目是如何在一组专家和非专家中开发和测试的详细描述可以在以前的研究中找到[gydF4y2Ba ].gydF4y2Ba还收集了以下变量的数据,用于测试量表的标准、预测效度、增量效度和发散效度。gydF4y2Ba
DBCI参与量表。gydF4y2Ba
请回答以下有关您最近使用gydF4y2Ba少喝酒gydF4y2Ba应用程序。gydF4y2Ba
你有多强烈地感受到下面的事情?gydF4y2Ba
1.感兴趣gydF4y2Ba
2.阴谋gydF4y2Ba
3.焦点gydF4y2Ba
4.注意力不集中gydF4y2Ba
5.分散注意力gydF4y2Ba
6.享受gydF4y2Ba
7.烦恼gydF4y2Ba
8.快乐gydF4y2Ba(以7分制来衡量,其中有终点和中间点:“一点也不”、“适度”和“非常”)gydF4y2Ba
9.你大概认为你在这个应用上花了多少时间(以分钟为单位)?gydF4y2Ba(输入自由文本)gydF4y2Ba
10.你记得访问过哪个应用程序组件?(可选择多个选项)gydF4y2Ba
一)日历gydF4y2Ba(研究人员将其编码为“自我监控/反馈”)gydF4y2Ba
b)创建和查看目标gydF4y2Ba(编号为“目标设定”)gydF4y2Ba
c)有效和无效的方法gydF4y2Ba(编号为“自我监察/反馈”)gydF4y2Ba
d)创建并查看行动计划gydF4y2Ba(代号为“行动计划”)gydF4y2Ba
e)你的宿醉和你gydF4y2Ba(编号为“自我监察/反馈”)gydF4y2Ba
f)回顾你的饮酒量gydF4y2Ba(编号为“规范性反馈”)gydF4y2Ba
g)仪表板gydF4y2Ba(编号为“自我监察/反馈”)gydF4y2Ba
h)游戏gydF4y2Ba(编码为“认知偏差再训练”)gydF4y2Ba
i)喝+我gydF4y2Ba(代号为“更改身份”)gydF4y2Ba
j)有用的信息gydF4y2Ba(编号为“其他”)gydF4y2Ba
k)其他gydF4y2Ba(编号为“其他”)gydF4y2Ba
l)不记得了gydF4y2Ba(编号为“其他”)gydF4y2Ba
根据可用模块的比例进行索引(例如,5/7×100=71.4)。gydF4y2Ba
构造、标准和增量有效性gydF4y2Ba
在参与者第一次登录会话期间,记录了查看应用程序屏幕的数量,以得出客观记录gydF4y2Ba使用量gydF4y2Ba而且gydF4y2Ba使用深度gydF4y2Ba,用于测试量表的结构、标准和增量效度。屏幕浏览记录储存于网上资料库(gydF4y2BaNodeChefgydF4y2Ba)并使用免费的python库进行提取gydF4y2Ba熊猫gydF4y2Ba.的变量gydF4y2Ba使用量gydF4y2Ba通过计算参与者第一次登录会话所花费的时间(以秒为单位)得出。的变量gydF4y2Ba使用深度gydF4y2Ba是通过计算参与者第一次登录会话期间访问的应用程序组件的数量得出的,索引为(0-100)的比例内可用组件的数量gydF4y2Ba少喝酒gydF4y2Baapp(即目标设定、自我监控/反馈、行动计划、规范性反馈、认知偏差再训练、身份改变、其他[gydF4y2Ba
])。gydF4y2Ba预测效度gydF4y2Ba
在接下来的14天里,他们还记录了应用程序屏幕的浏览次数,以得出变量gydF4y2Ba随后登录gydF4y2Ba,用来测试量表的预测效度。随后的登录(是vs否)被定义为至少30分钟不活动后的新屏幕视图[gydF4y2Ba
].由于健康应用在用户首次登录后很可能会被放弃[gydF4y2Ba ,gydF4y2Ba ,作者认为,衡量用户粘性的有效方法应该能够区分哪些用户可能会再次使用应用。gydF4y2Ba两项代表了作者的观点gydF4y2Ba最好的赌注gydF4y2Ba为了衡量用户粘性(例如,“你有多喜欢这个应用程序?”和“应用程序的粘性如何?”)是由研究团队开发的,用于测试粘性的短期测量是否比整体量表具有更高的预测有效性。这些项目没有明确地从已发表的自我报告量表中抽取。gydF4y2Ba
不同的有效性gydF4y2Ba
流动状态量表中的两个项目[gydF4y2Ba
]被用来测试量表的发散效度。我们选择了两个以前被发现的最强烈加载到一般的项目gydF4y2Ba流gydF4y2Ba因素(例如,“当使用gydF4y2Ba少喝酒gydF4y2Ba当使用时,时间流逝的方式似乎与正常不同。gydF4y2Ba少喝,gydF4y2Ba我不担心别人会怎么看我”)。尽管粘性和流状态的体验指标(即集中注意力、兴趣)存在一些重叠,但研究团队从理论上认为用户不一定会体验到gydF4y2Ba失去时间和意识gydF4y2Ba或gydF4y2Ba平衡挑战和技能gydF4y2Ba当与DBCI打交道时。因此,评估用户是否可以在不一定处于流状态的情况下投入,被认为是测试量表发散有效性的有用方法。流状态量表曾被应用于数字游戏领域[gydF4y2Ba ].gydF4y2Ba过程gydF4y2Ba
感兴趣的参与者通过招聘平台多产(多产)确定,并通过Qualtrics调查软件(犹他州普罗沃)完成筛选问卷,获得0.5英镑的报酬。符合条件的参与者被邀请通过多产的内部电子邮件系统,并要求下载gydF4y2Ba少喝酒gydF4y2Ba苹果应用商店的应用程序。参与者被指示探索gydF4y2Ba少喝酒gydF4y2Ba他们会探索任何新的应用程序,并被告知研究人员会监控他们的应用程序使用情况,以评估他们对什么内容感兴趣。由于技术原因,参与者被告知他们必须选择这个选项gydF4y2Ba对少喝酒感兴趣gydF4y2Ba当被问及为什么他们使用gydF4y2Ba少喝酒gydF4y2Ba应用程序和启用推送通知。当参与者在探索完应用程序后点击手机的home键时,他们会收到一个推送通知,其中有一个研究调查的链接。随后,参与者被要求输入他们的“多产者”识别号码,这使研究人员能够将参与者的调查回答与他们的应用程序屏幕视图相匹配。发起但未完成研究调查的参与者(如他们在高产平台上的响应状态所示,标记为“超时”或“提交已返回”)会收到一条提醒消息。完成任务后,参与者得到1.25英镑的报酬。gydF4y2Ba
数据分析gydF4y2Ba
所有分析均采用SPSS 20.0版本(IBM公司,阿蒙克,纽约)。评估参数检验的假设(即残差分布的正态性),当违反时,应用归一化(即,gydF4y2BazgydF4y2Ba正倾斜数据的-分数归一化)。为每个量表项目和感兴趣的标准变量计算描述性统计数据(如均值、极差、方差),以确定是否适合进行因子分析。gydF4y2Ba
建构效度gydF4y2Ba
假设一个五因素解决方案(即,gydF4y2Ba使用量gydF4y2Ba,gydF4y2Ba使用深度gydF4y2Ba,gydF4y2Ba注意gydF4y2Ba,gydF4y2Ba感兴趣gydF4y2Ba,gydF4y2Ba享受gydF4y2Ba)可提供与观测数据的最佳拟合[gydF4y2Ba
].采用主轴因子估计和斜向旋转进行了一系列探索性因子分析。通过检验Cattell 's scree plot和Kaiser准则(即特征值为>1的因子)来确定保留因子的数量[gydF4y2Ba ].首先,我们测试了包括自我报告项目在内的解决方案的适合性。这与一种解决方案进行了比较,该解决方案包括经验投入的自我报告指标和客观记录的行为投入指标(即客观投入)的组合gydF4y2Ba使用量gydF4y2Ba而且gydF4y2Ba使用深度gydF4y2Ba).gydF4y2Ba内部可靠性gydF4y2Ba
通过计算Cronbach alpha来评估内部一致性信度。较大的系数(即=。70 or above) was interpreted as evidence of strong item covariance [
].gydF4y2Ba效标效度gydF4y2Ba
通过计算参与者自第一次登录(即目标)以来自动记录的应用程序屏幕视图之间的Pearson相关系数来评估标准有效性gydF4y2Ba使用量gydF4y2Ba而且gydF4y2Ba使用深度gydF4y2Ba)和他们的自我报告gydF4y2Ba使用量gydF4y2Ba而且gydF4y2Ba使用深度gydF4y2Ba以及他们的总分。gydF4y2Ba
预测效度gydF4y2Ba
的变量gydF4y2Ba随后登录gydF4y2Ba回归到参与者的总量表得分,包括和不包括减少饮酒动机的调整。gydF4y2Ba
的变量gydF4y2Ba随后登录gydF4y2Ba都回归到这两个上了吗gydF4y2Ba最好的赌注gydF4y2Ba用于短期的粘性测量(例如,“应用程序的粘性如何?”以及“你有多喜欢这个应用程序?”),这两种情况下,有或没有调整减少饮酒的动机。gydF4y2Ba
增量的有效性gydF4y2Ba
增量效度评估分为两个步骤。首先,我们评估变量中的方差gydF4y2Ba随后登录gydF4y2Ba通过客观记录的行为投入指标。这与变量中的方差进行了比较gydF4y2Ba随后登录gydF4y2Ba在将自我报告的体验投入指标添加到客观记录的行为投入指标之后。gydF4y2Ba
不同的有效性gydF4y2Ba
通过计算流动状态量表中两个流动状态指标之间关系的Pearson相关系数来评估发散效度[gydF4y2Ba
以及整体的参与度。gydF4y2Ba结果gydF4y2Ba
参与者gydF4y2Ba
在研究期间(31天;2018年7月23日至2018年8月22日),401名参与者完成了在线筛查调查,其中266名有资格参加。其中,147名(55%)参与者下载了gydF4y2Ba少喝酒gydF4y2BaApp完成任务(gydF4y2Ba
).由于资金限制,我们无法将招聘时间延长到这个时间点之后。因此,250名参与者的预期样本量没有达到。参与者的人口统计和饮酒特征报告在gydF4y2Ba .我们没有发现符合条件的参与者在完成和没有完成评估的人口特征任务之间有任何显著差异。gydF4y2Ba人口特征gydF4y2Ba | 完成量表(n=147)gydF4y2Ba | 符合条件但未完成量表(n=119)gydF4y2Ba | PgydF4y2Ba价值gydF4y2Ba一个gydF4y2Ba | ||
女性,n (%)gydF4y2Ba | 97 (66)gydF4y2Ba | 71 (60)gydF4y2Ba | 29gydF4y2Ba | ||
工作类型,n (%)gydF4y2Ba | .57gydF4y2Ba | ||||
手动,n (%)gydF4y2Ba | 19 (13)gydF4y2Ba | 16 (13)gydF4y2Ba | |||
非手动,n (%)gydF4y2Ba | 89 (61)gydF4y2Ba | 78 (66)gydF4y2Ba | |||
其他,n (%)gydF4y2Ba | 39 (27)gydF4y2Ba | 25 (21)gydF4y2Ba | |||
年龄(年),平均值(SD)gydF4y2Ba | 34.4 (10.4)gydF4y2Ba | 36.6 (11.8)gydF4y2Ba | 厚gydF4y2Ba | ||
喝特点gydF4y2Ba | |||||
停止动机量表,n (%)gydF4y2Ba | 。08gydF4y2Ba | ||||
我不想少喝酒gydF4y2Ba | 14 (10)gydF4y2Ba | 26 (22)gydF4y2Ba | |||
我想我应该少喝酒,但我真的不想这么做gydF4y2Ba | 43 (29)gydF4y2Ba | 25 (21)gydF4y2Ba | |||
我想戒酒,但还没想过什么时候戒酒gydF4y2Ba | 19 (13)gydF4y2Ba | 17 (14)gydF4y2Ba | |||
我真的很想少喝酒,但我不知道什么时候能做到gydF4y2Ba | 17 (12)gydF4y2Ba | 11 (9)gydF4y2Ba | |||
我想戒酒,希望很快就能戒掉gydF4y2Ba | 23日(16)gydF4y2Ba | 17 (14)gydF4y2Ba | |||
我真的很想在接下来的3个月里减少饮酒gydF4y2Ba | 11 (7)gydF4y2Ba | 4 (3)gydF4y2Ba | |||
我真的很想戒酒,而且打算在下个月就戒酒gydF4y2Ba | 20 (14)gydF4y2Ba | 19 (16)gydF4y2Ba | |||
酒精使用障碍鉴定试验,平均值(SD)gydF4y2Ba | 15.4 (5.1)gydF4y2Ba | 14.2 (5.7)gydF4y2Ba | 07gydF4y2Ba |
一个gydF4y2Ba两组间的差异采用卡方检验或gydF4y2BatgydF4y2Ba适当的测试。gydF4y2Ba
描述性统计gydF4y2Ba
中报告刻度项的描述性统计信息gydF4y2Ba
.大多数参与者在家中(118/147,80.3%)或在工作中(19/147,12.9%)完成量表。为了解释所观察到的偏度,对10个量表项目和用于测试量表标准效度的两个项目应用了z-score归一化。标准化量表项目的项目间相关性报告在gydF4y2Ba .gydF4y2Ba规模评估gydF4y2Ba
建构效度gydF4y2Ba
抽样充分性的Keiser-Meier Olkin检验(0.70)和球度的Bartlett检验(gydF4y2BaPgydF4y2Ba<.001)表示数据适合进行因子分析。测试了三种EFA解决方案,以获得最合适的解决方案。gydF4y2Ba
统计gydF4y2Ba | 范围gydF4y2Ba | 意思是(SD)gydF4y2Ba | 方差gydF4y2Ba | 偏态gydF4y2Ba | 峰度gydF4y2Ba | |
DBCIgydF4y2Ba一个gydF4y2Ba参与量表项目gydF4y2Ba | ||||||
1.“你的兴趣有多强烈?”gydF4y2Ba | 2 - 7日gydF4y2Ba | 5.30 (1.09)gydF4y2Ba | 1.18gydF4y2Ba | -0.30gydF4y2Ba | 0.06gydF4y2Ba | |
2.“你对阴谋的体验有多强烈?”gydF4y2Ba | 1 - 7gydF4y2Ba | 5.39 (1.27)gydF4y2Ba | 1.61gydF4y2Ba | -0.85gydF4y2Ba | 0.50gydF4y2Ba | |
3.“你的专注力有多强?”gydF4y2Ba | 2 - 7日gydF4y2Ba | 5.31 (1.18)gydF4y2Ba | 1.40gydF4y2Ba | -0.56gydF4y2Ba | 0.14gydF4y2Ba | |
4.“你有多强烈地感受到注意力不集中?”gydF4y2BabgydF4y2Ba | 1 - 7gydF4y2Ba | 5.61 (1.33)gydF4y2Ba | 1.76gydF4y2Ba | -1.24gydF4y2Ba | 1.47gydF4y2Ba | |
5.“你有多强烈地感受到注意力分散?”gydF4y2BabgydF4y2Ba | 1 - 7gydF4y2Ba | 5.47 (1.45)gydF4y2Ba | 2.10gydF4y2Ba | -1.12gydF4y2Ba | 0.86gydF4y2Ba | |
6.“你有多强烈地体验到快乐?”gydF4y2Ba | 1 - 7gydF4y2Ba | 4.46 (1.44)gydF4y2Ba | 2.07gydF4y2Ba | -0.10gydF4y2Ba | -0.48gydF4y2Ba | |
7.“你有多强烈地感受到快乐?”gydF4y2Ba | 1 - 7gydF4y2Ba | 3.56 (1.64)gydF4y2Ba | 2.67gydF4y2Ba | 0.36gydF4y2Ba | -0.70gydF4y2Ba | |
8.“你有多强烈地感受到烦恼?”gydF4y2BabgydF4y2Ba | 1 - 7gydF4y2Ba | 5.59 (1.39)gydF4y2Ba | 1.93gydF4y2Ba | -1.09gydF4y2Ba | 1.08gydF4y2Ba | |
9.“你访问了应用程序的哪个组件?”gydF4y2Ba | 14.29 - -100.00gydF4y2Ba | 58.70 (22.00)gydF4y2Ba | 484.01gydF4y2Ba | -0.12gydF4y2Ba | -0.67gydF4y2Ba | |
10.“你大概认为自己在这款应用上花了多少时间?”(秒)gydF4y2Ba | 120 - 1200gydF4y2Ba | 520.82 (237.21)gydF4y2Ba | 56267 .82gydF4y2Ba | 0.93gydF4y2Ba | 0.96gydF4y2Ba | |
用于测试量表结构、标准和增量有效性的变量gydF4y2Ba | ||||||
11.客观记录使用深度gydF4y2Ba | 28.57 - -100.00gydF4y2Ba | 66.66 (20.50)gydF4y2Ba | 420.28gydF4y2Ba | -0.23gydF4y2Ba | -0.85gydF4y2Ba | |
12.客观记录的使用时间(秒)gydF4y2Ba | 95.00 -3571gydF4y2Ba | 409.45 (360.71)gydF4y2Ba | 130116 .72点gydF4y2Ba | 5.13gydF4y2Ba | 40.34gydF4y2Ba | |
用于测试量表发散效度的项目gydF4y2Ba | ||||||
13“使用时gydF4y2Ba少喝酒gydF4y2Ba在美国,时间的流逝似乎与平常不同。”gydF4y2Ba | 1 - 5gydF4y2Ba | 2.76 (0.79)gydF4y2Ba | 0.62gydF4y2Ba | 0.11gydF4y2Ba | 0.10gydF4y2Ba | |
14.“当使用gydF4y2Ba少喝酒gydF4y2Ba我并不担心别人会怎么看我。”gydF4y2Ba | 1 - 5gydF4y2Ba | 3.34 (1.16)gydF4y2Ba | 1.35gydF4y2Ba | -0.24gydF4y2Ba | -1.11gydF4y2Ba | |
用于测试量表预测效度的变量/项目gydF4y2Ba | ||||||
15.“你有多喜欢这个应用程序?”gydF4y2Ba | 1 - 7gydF4y2Ba | 5.14 (1.29)gydF4y2Ba | 1.66gydF4y2Ba | -0.80gydF4y2Ba | 0.82gydF4y2Ba | |
16.“这款应用有多吸引人?”gydF4y2Ba | 1 - 7gydF4y2Ba | 5.20 (1.17)gydF4y2Ba | 1.37gydF4y2Ba | -0.65gydF4y2Ba | 0.66gydF4y2Ba | |
17.后续登录(是vs否),n (%)gydF4y2Ba | 67 (46)gydF4y2Ba | N/AgydF4y2BacgydF4y2Ba | N/AgydF4y2Ba | N/AgydF4y2Ba | N/AgydF4y2Ba |
一个gydF4y2BaDBCI:数字行为改变干预。gydF4y2Ba
bgydF4y2Ba数值在计算描述性统计之前进行反向评分。gydF4y2Ba
cgydF4y2Ba不适用。gydF4y2Ba
DBCI参与量表项目gydF4y2Ba |
1gydF4y2Ba一个gydF4y2Ba | 2gydF4y2BabgydF4y2Ba | 3.gydF4y2BacgydF4y2Ba | 4gydF4y2Bad、egydF4y2Ba | 5gydF4y2Bae, fgydF4y2Ba | 6gydF4y2BaggydF4y2Ba | 7gydF4y2BahgydF4y2Ba | 8gydF4y2Ba艾凡,我gydF4y2Ba | 9gydF4y2BajgydF4y2Ba | 10gydF4y2BakgydF4y2Ba | 11gydF4y2Bal, mgydF4y2Ba | 12gydF4y2Bam, ngydF4y2Ba | |
1.感兴趣gydF4y2Ba | 1gydF4y2Ba | ||||||||||||
P值gydF4y2Ba | N/AgydF4y2BaogydF4y2Ba | ||||||||||||
2.阴谋gydF4y2Ba | 0.44gydF4y2Ba | 1gydF4y2Ba | |||||||||||
P值gydF4y2Ba | <措施gydF4y2Ba | N/AgydF4y2Ba | |||||||||||
3.焦点gydF4y2Ba | 0.65gydF4y2Ba | 0.46gydF4y2Ba | 1gydF4y2Ba | ||||||||||
P值gydF4y2Ba | <措施gydF4y2Ba | <措施gydF4y2Ba | N/AgydF4y2Ba | ||||||||||
4.注意力不集中gydF4y2BaegydF4y2Ba | 0.18gydF4y2Ba | 0.10gydF4y2Ba | 0.31gydF4y2Ba | 1gydF4y2Ba | |||||||||
P值gydF4y2Ba | .027gydF4y2Ba | . 21gydF4y2Ba | <措施gydF4y2Ba | N/AgydF4y2Ba | |||||||||
5.分散注意力gydF4y2BaegydF4y2Ba | 0.18gydF4y2Ba | 0.12gydF4y2Ba | 0.28gydF4y2Ba | 0.43gydF4y2Ba | 1gydF4y2Ba | ||||||||
P值gydF4y2Ba | .026gydF4y2Ba | 16gydF4y2Ba | 措施gydF4y2Ba | <措施gydF4y2Ba | N/AgydF4y2Ba | ||||||||
6.享受gydF4y2Ba | 0.48gydF4y2Ba | 0.31gydF4y2Ba | 0.44gydF4y2Ba | -0.05gydF4y2Ba | -0.15gydF4y2Ba | 1gydF4y2Ba | |||||||
P值gydF4y2Ba | <措施gydF4y2Ba | <措施gydF4y2Ba | <措施gydF4y2Ba | .59gydF4y2Ba | .071gydF4y2Ba | N/AgydF4y2Ba | |||||||
7.快乐gydF4y2Ba | 0.19gydF4y2Ba | 0.09gydF4y2Ba | 0.15gydF4y2Ba | -0.19gydF4y2Ba | -0.24gydF4y2Ba | 0.54gydF4y2Ba | 1gydF4y2Ba | ||||||
P值gydF4y2Ba | .025gydF4y2Ba | .30gydF4y2Ba | .079gydF4y2Ba | .019gydF4y2Ba | .003gydF4y2Ba | <措施gydF4y2Ba | N/AgydF4y2Ba | ||||||
8.烦恼gydF4y2BaegydF4y2Ba | 0.28gydF4y2Ba | 0.15gydF4y2Ba | 0.37gydF4y2Ba | 0.27gydF4y2Ba | 0.24gydF4y2Ba | 0.29gydF4y2Ba | 0.12gydF4y2Ba | 1gydF4y2Ba | |||||
P值gydF4y2Ba | 措施gydF4y2Ba | 07gydF4y2Ba | <措施gydF4y2Ba | 措施gydF4y2Ba | 04gydF4y2Ba | <措施gydF4y2Ba | 16gydF4y2Ba | N/AgydF4y2Ba | |||||
9.应用程序的哪个组件gydF4y2Ba | 0.18gydF4y2Ba | 0.00gydF4y2Ba | 0.06gydF4y2Ba | 0.13gydF4y2Ba | -0.03gydF4y2Ba | 0.19gydF4y2Ba | 0.19gydF4y2Ba | 13。gydF4y2Ba | 1gydF4y2Ba | ||||
P值gydF4y2Ba | .028gydF4y2Ba | .97点gydF4y2Ba | .469gydF4y2Ba | 厚gydF4y2Ba | 综合成绩gydF4y2Ba | .019gydF4y2Ba | 02gydF4y2Ba | 13。gydF4y2Ba | N/AgydF4y2Ba | ||||
10.花了多少时间gydF4y2Ba | 0.10gydF4y2Ba | 0.10gydF4y2Ba | -0.03gydF4y2Ba | 0.08gydF4y2Ba | 0.11gydF4y2Ba | 0.15gydF4y2Ba | 0.33gydF4y2Ba | 0.09gydF4y2Ba | 0.29gydF4y2Ba | 1gydF4y2Ba | |||
P值gydF4y2Ba | 23)gydF4y2Ba | .22gydF4y2Ba | .681gydF4y2Ba | .33gydF4y2Ba | 只要gydF4y2Ba | 07gydF4y2Ba | <措施gydF4y2Ba | 。31gydF4y2Ba | <措施gydF4y2Ba | N/AgydF4y2Ba | |||
11.客观使用深度gydF4y2Ba米gydF4y2Ba | 0.13gydF4y2Ba | 0.11gydF4y2Ba | 0.15gydF4y2Ba | 0.18gydF4y2Ba | 0.01gydF4y2Ba | 0.11gydF4y2Ba | -0.01gydF4y2Ba | 0.24gydF4y2Ba | 0.51gydF4y2Ba | 0.16gydF4y2Ba | 1gydF4y2Ba | ||
P值gydF4y2Ba | 点gydF4y2Ba | 只要gydF4y2Ba | .069gydF4y2Ba | 03gydF4y2Ba | .90gydF4y2Ba | .20gydF4y2Ba | 总收入gydF4y2Ba | .003gydF4y2Ba | <措施gydF4y2Ba | .051gydF4y2Ba | N/AgydF4y2Ba | ||
12.客观使用量gydF4y2Ba米gydF4y2Ba | 0.31gydF4y2Ba | 0.18gydF4y2Ba | 0.28gydF4y2Ba | 0.16gydF4y2Ba | 0.06gydF4y2Ba | 0.25gydF4y2Ba | 0.00gydF4y2Ba | 0.19gydF4y2Ba | 0.10gydF4y2Ba | 0.10gydF4y2Ba | 0.52gydF4y2Ba | 1gydF4y2Ba | |
P值gydF4y2Ba | <措施gydF4y2Ba | 03gydF4y2Ba | 措施gydF4y2Ba | .047gydF4y2Ba | 报gydF4y2Ba | .002gydF4y2Ba | .97点gydF4y2Ba | 02gydF4y2Ba | .22gydF4y2Ba | 23)gydF4y2Ba | <措施gydF4y2Ba | N/AgydF4y2Ba |
一个gydF4y2Ba的兴趣。gydF4y2Ba
bgydF4y2Ba阴谋。gydF4y2Ba
cgydF4y2Ba的焦点。gydF4y2Ba
dgydF4y2Ba注意力不集中。gydF4y2Ba
egydF4y2Ba分析前对数值进行反向评分。gydF4y2Ba
fgydF4y2Ba分心。gydF4y2Ba
ggydF4y2Ba享受。gydF4y2Ba
hgydF4y2Ba快乐。gydF4y2Ba
我gydF4y2Ba烦恼。gydF4y2Ba
jgydF4y2Ba应用程序的哪个组件。gydF4y2Ba
kgydF4y2Ba花了多少时间。gydF4y2Ba
lgydF4y2Ba客观使用深度。gydF4y2Ba
米gydF4y2Ba用于测试量表结构、标准和增量有效性的变量。gydF4y2Ba
ngydF4y2Ba客观的使用量。gydF4y2Ba
ogydF4y2Ba不适用。gydF4y2Ba
解决方案1gydF4y2Ba
进行了斜向旋转的EFA。特征值表明,占方差61.2%的三因素解是最合适的(gydF4y2Ba
).负载表明,第二个因素包括两个消极措辞的指标(即第4和5项)。第三个因素包括两个行为指标(即第9和10项)和一个经验指标(即第7项),这在理论上没有什么意义[gydF4y2Ba ].第8项(也是一个消极措辞的项目)对因素1的负荷是适度的。因此,在进行第二次EFA之前,消极措辞的项目(即项目4、5和8)和项目7被丢弃。gydF4y2Ba解决方案2gydF4y2Ba
随后的倾斜旋转EFA表明,双因素解决方案占方差的62.4% (gydF4y2Ba
).体验性指标清楚地反映在因素1上,行为性指标清楚地反映在因素2上,没有交叉负荷(即在两个或多个因素上负荷为0.32或更高的项目)[gydF4y2Ba ].对这两个潜在因素进行了标记gydF4y2Ba体验参与gydF4y2Ba而且gydF4y2Ba行为参与gydF4y2Ba,分别。gydF4y2Ba解决方案3gydF4y2Ba
利用自我报告的经验指标(即第1、2、3和6项)和自动记录的行为指标(即第11和12项)组合的斜旋转EFA提出了一个双因素解决方案,占方差的65.7%。经验指标清楚地载入因子1,行为指标清楚地载入因子2 (gydF4y2Ba
).gydF4y2Ba选择方案2用于后续的信度和效度分析,因为它只包含自我报告的项目,并且提供了与方案3相似的良好数据拟合。为每个参与者计算总量表得分,对每个保留项目(即项目1、2、3、6、9和10)给予相同的权重。gydF4y2Ba
项目规模gydF4y2Ba | 解决方案1gydF4y2Ba一个gydF4y2Ba | 解决方案2gydF4y2BabgydF4y2Ba | 解决方案3gydF4y2BacgydF4y2Ba | ||||
因子1gydF4y2Ba | 因子2gydF4y2Ba | 因子3gydF4y2Ba | 因子1gydF4y2Ba | 因子2gydF4y2Ba | 因子1gydF4y2Ba | 因子2gydF4y2Ba | |
1.感兴趣gydF4y2Ba | 0.75gydF4y2BadgydF4y2Ba | 0.14gydF4y2Ba | 0.25gydF4y2Ba | 0.80gydF4y2BadgydF4y2Ba | 0.26gydF4y2Ba | 0.82gydF4y2BadgydF4y2Ba | 0.28gydF4y2Ba |
2.阴谋gydF4y2Ba | 0.51gydF4y2BadgydF4y2Ba | 0.09gydF4y2Ba | 0.11gydF4y2Ba | 0.55gydF4y2BadgydF4y2Ba | 0.09gydF4y2Ba | 0.55gydF4y2BadgydF4y2Ba | 0.18gydF4y2Ba |
3.焦点gydF4y2Ba | 0.87gydF4y2BadgydF4y2Ba | 0.28gydF4y2Ba | 0.09gydF4y2Ba | 0.83gydF4y2BadgydF4y2Ba | 0.02gydF4y2Ba | 0.80gydF4y2BadgydF4y2Ba | 0.27gydF4y2Ba |
4.注意力不集中gydF4y2BaegydF4y2Ba | 0.25gydF4y2Ba | 0.61gydF4y2BadgydF4y2Ba | 0.14gydF4y2Ba | N/AgydF4y2BafgydF4y2Ba | N/AgydF4y2Ba | N/AgydF4y2Ba | N/AgydF4y2Ba |
5.分散注意力gydF4y2BaegydF4y2Ba | 0.21gydF4y2Ba | 0.68gydF4y2BadgydF4y2Ba | 0.06gydF4y2Ba | N/AgydF4y2Ba | N/AgydF4y2Ba | N/AgydF4y2Ba | N/AgydF4y2Ba |
6.享受gydF4y2Ba | 0.66gydF4y2BadgydF4y2Ba | -0.35gydF4y2Ba | 0.43gydF4y2BadgydF4y2Ba | 0.57gydF4y2BadgydF4y2Ba | 0.31gydF4y2Ba | 0.57gydF4y2BadgydF4y2Ba | 0.23gydF4y2Ba |
7.快乐gydF4y2Ba | 0.31gydF4y2Ba | -0.48gydF4y2Ba | 0.56gydF4y2BadgydF4y2Ba | N/AgydF4y2Ba | N/AgydF4y2Ba | N/AgydF4y2Ba | N/AgydF4y2Ba |
8.烦恼gydF4y2BaegydF4y2Ba | 0.41gydF4y2BadgydF4y2Ba | 0.23gydF4y2Ba | 0.25gydF4y2Ba | N/AgydF4y2Ba | N/AgydF4y2Ba | N/AgydF4y2Ba | N/AgydF4y2Ba |
9.应用程序的哪个组件gydF4y2Ba | 0.16gydF4y2Ba | 0.01gydF4y2Ba | 0.43gydF4y2BadgydF4y2Ba | 0.15gydF4y2Ba | 0.55gydF4y2Ba | N/AgydF4y2Ba | N/AgydF4y2Ba |
10.花了多少时间gydF4y2Ba | 0.10gydF4y2Ba | 0.03gydF4y2Ba | 0.64gydF4y2BadgydF4y2Ba | 0.09gydF4y2Ba | 0.53gydF4y2Ba | N/AgydF4y2Ba | N/AgydF4y2Ba |
11.客观使用深度gydF4y2Ba | N/AgydF4y2Ba | N/AgydF4y2Ba | N/AgydF4y2Ba | N/AgydF4y2Ba | N/AgydF4y2Ba | 0.37gydF4y2Ba | 0.77gydF4y2BadgydF4y2Ba |
12.客观使用量gydF4y2Ba | N/AgydF4y2Ba | N/AgydF4y2Ba | N/AgydF4y2Ba | N/AgydF4y2Ba | N/AgydF4y2Ba | 0.18gydF4y2Ba | 0.68gydF4y2BadgydF4y2Ba |
一个gydF4y2Ba斜向旋转探索性因子分析,包括1-10项。gydF4y2Ba
bgydF4y2Ba斜向旋转探索性因子分析,包括第1、2、3、6、9、10项。gydF4y2Ba
cgydF4y2Ba斜转探索性因子分析,包括第1、2、3、6、11、12项。gydF4y2Ba
dgydF4y2Ba因子负荷≥0.40的值。gydF4y2Ba
egydF4y2Ba分析前对数值进行反向评分。gydF4y2Ba
fgydF4y2Ba不适用。gydF4y2Ba
内部可靠性gydF4y2Ba
整体测量的内部一致性为0.67,表明内部信度中等[gydF4y2Ba
].的gydF4y2Ba体验参与gydF4y2BaSubscale的内部一致性为0.78gydF4y2Ba行为参与gydF4y2BaSubscale的内部一致性为0.45。两个分量表均与总体测量显著相关(gydF4y2BargydF4y2Ba145gydF4y2Ba= 0.90,gydF4y2BaPgydF4y2Ba<措施而且gydF4y2BargydF4y2Ba145gydF4y2Ba= 0.56,gydF4y2BaPgydF4y2Ba<措施,respectively). However, the subscales were not significantly correlated with each other (rgydF4y2Ba145gydF4y2Ba= 0.15,gydF4y2BaPgydF4y2Ba= . 07)。gydF4y2Ba效标效度gydF4y2Ba
量表总分与客观记录显著相关gydF4y2Ba使用深度gydF4y2Ba(gydF4y2BargydF4y2Ba145gydF4y2Ba= 0.32,gydF4y2BaPgydF4y2Ba<.001),客观记录gydF4y2Ba使用量gydF4y2Ba(gydF4y2BargydF4y2Ba145gydF4y2Ba= 0.33,gydF4y2BaPgydF4y2Ba<措施)。自我报告的gydF4y2Ba使用深度gydF4y2Ba是否与客观记录显著相关gydF4y2Ba使用深度gydF4y2Ba(gydF4y2BargydF4y2Ba145gydF4y2Ba= 0.51,gydF4y2BaPgydF4y2Ba<措施)。自我报告的gydF4y2Ba使用量gydF4y2Ba是否与客观记录无显著相关性gydF4y2Ba使用量gydF4y2Ba(gydF4y2BargydF4y2Ba145gydF4y2Ba= 0.10,gydF4y2BaPgydF4y2Ba= 23)。gydF4y2Ba
预测效度gydF4y2Ba
预测效度分析的结果在gydF4y2Ba
.在未经调整的分析中,总量表得分与未来的行为投入(即变量)显著相关gydF4y2Ba随后登录gydF4y2Ba(优势比[OR]=1.15, 95% CI 1.05-1.27,gydF4y2BaPgydF4y2Ba= . 01)。在对减少饮酒动机进行调整的模型中,这种关联仍然显著(调整后的或[或])gydF4y2Ba邻接的gydF4y2Ba]=1.14, 95% ci 1.03-1.27,gydF4y2BaPgydF4y2Ba= . 01)。gydF4y2Ba两个分量表(即gydF4y2Ba行为参与gydF4y2Ba而且gydF4y2Ba体验参与gydF4y2Ba)之间没有显著相关,进行了计划外分析,以评估每个子量表与未来行为投入的独立关联。在未调整和调整的分析中,gydF4y2Ba体验参与gydF4y2Ba与未来的行为投入(ORgydF4y2Ba邻接的gydF4y2Ba=1.19, 95% ci 1.05-1.34,gydF4y2BaPgydF4y2Ba= .006)。在未调整和调整的分析中,gydF4y2Ba行为参与gydF4y2Ba与未来的行为投入(ORgydF4y2Ba邻接的gydF4y2Ba=1.31, 95% ci 0.38-4.59,gydF4y2BaPgydF4y2Ba=正)。gydF4y2Ba
在未经调整和调整的分析中,询问用户对应用的粘性并不能显著预测未来的行为粘性(OR)gydF4y2Ba邻接的gydF4y2Ba=1.34, 95% ci 0.98-1.84,gydF4y2BaPgydF4y2Ba= . 07)。在未经调整和调整的分析中,询问用户对应用的喜爱程度可以显著预测未来的行为粘性(OR)gydF4y2Ba邻接的gydF4y2Ba=1.38, 95% ci 1.03-1.84,gydF4y2BaPgydF4y2Ba= 03)。gydF4y2Ba
预测变量gydF4y2Ba | 优势比(95% CI)gydF4y2Ba | PgydF4y2Ba价值gydF4y2Ba | 调整优势比gydF4y2Ba一个gydF4y2Ba(95%置信区间)gydF4y2Ba | PgydF4y2Ba价值gydF4y2Ba | |
总DBCIgydF4y2BabgydF4y2Ba敬业度量表得分gydF4y2Ba | 1.15 (1.05 - -1.27)gydF4y2Ba | .005gydF4y2Ba | 1.14 (1.03 - -1.27)gydF4y2Ba | .009gydF4y2Ba | |
分量表1 -体验性参与gydF4y2Ba | 1.19 (1.06 - -1.34)gydF4y2Ba | 04gydF4y2Ba | 1.19 (1.05 - -1.34)gydF4y2Ba | .006gydF4y2Ba | |
子量表2 -行为参与gydF4y2Ba | 1.11 (0.90 - -1.36)gydF4y2Ba | 点gydF4y2Ba | 1.08 (0.87 - -1.35)gydF4y2Ba | 的相关性gydF4y2Ba | |
“这款应用有多吸引人?”gydF4y2Ba | 1.28 (0.96 - -1.71)gydF4y2Ba | .097gydF4y2Ba | 1.34 (0.98 - -1.84)gydF4y2Ba | 07gydF4y2Ba | |
“你有多喜欢这个应用程序?”gydF4y2Ba | 1.39 (1.05 - -1.83)gydF4y2Ba | 02gydF4y2Ba | 1.38 (1.03 - -1.84)gydF4y2Ba | 03gydF4y2Ba |
一个gydF4y2Ba优势比调整动机减少酒精消费。gydF4y2Ba
bgydF4y2BaDBCI:数字行为改变干预。gydF4y2Ba
增量的有效性gydF4y2Ba
增量效度分析的结果报告在gydF4y2Ba
.自动记录的敬业度行为指标(即项目11和12;模型1占变量方差的15.9%gydF4y2Ba随后登录gydF4y2Ba.自动记录的行为指标与自我报告的敬业度体验指标相结合(即项目1、2、3和6;模型2占变量方差的21.1%gydF4y2Ba随后登录gydF4y2Ba.gydF4y2Ba模型gydF4y2Ba | 优势比(95% CI)gydF4y2Ba | PgydF4y2Ba价值gydF4y2Ba | 方差占(%)gydF4y2Ba | |
模型1gydF4y2Ba | 15.9gydF4y2Ba | |||
客观记录使用量gydF4y2Ba | 3.46 (1.58 - -7.57)gydF4y2Ba | .002gydF4y2Ba | ||
客观记录使用深度gydF4y2Ba | 0.91 (0.58 - -1.42)gydF4y2Ba | 正gydF4y2Ba | ||
模型2gydF4y2Ba | 21.1gydF4y2Ba | |||
客观记录使用量gydF4y2Ba | 2.86 (1.25 - -6.55)gydF4y2Ba | .013gydF4y2Ba | ||
客观记录使用深度gydF4y2Ba | 0.95 (0.60 - -1.50)gydF4y2Ba | 总共花掉gydF4y2Ba | ||
感兴趣gydF4y2Ba | 1.72 (1.03 - -2.85)gydF4y2Ba | .04点gydF4y2Ba | ||
焦点gydF4y2Ba | 0.82 (0.50 - -1.35)gydF4y2Ba | 无误gydF4y2Ba | ||
享受gydF4y2Ba | 0.93 (0.61 - -1.40)gydF4y2Ba | 开市gydF4y2Ba | ||
阴谋gydF4y2Ba | 1.17 (0.78 - -1.76)gydF4y2Ba | 。45gydF4y2Ba |
不同的有效性gydF4y2Ba
量表总分与第一项显著相关(“当使用gydF4y2Ba少喝酒gydF4y2Ba,时间流逝的方式似乎与正常不同”),而不是第二个(“当使用时gydF4y2Ba少喝酒gydF4y2Ba我不担心别人会怎么看我”)心流指标(gydF4y2BargydF4y2Ba145gydF4y2Ba= 0.25,gydF4y2BaPgydF4y2Ba<。01和gydF4y2BargydF4y2Ba145gydF4y2Ba= -0.01,gydF4y2BaPgydF4y2Ba=。95,respectively). The two items tapping flow were not significantly correlated with one another in this sample (rgydF4y2Ba145gydF4y2Ba= -0.06,gydF4y2BaPgydF4y2Ba=)。gydF4y2Ba
讨论gydF4y2Ba
主要研究结果gydF4y2Ba
DBCI敬业度量表由两个基本独立的因素支撑,并进行了标记gydF4y2Ba体验参与gydF4y2Ba而且gydF4y2Ba行为参与。gydF4y2Ba量表内部信度中等,但发散度和效度较低。重要的是,行为分量表可能不是行为投入的有效指标。总量表得分与未来的行为投入(即变量)有微弱的关联gydF4y2Ba随后登录gydF4y2Ba),经验分量表和其中一个gydF4y2Ba最好的赌注gydF4y2Ba为了衡量用户粘性(即询问参与者他们有多喜欢应用程序)。行为分量表与未来的行为投入没有独立的联系。此外,包括自我报告的经验和客观记录的敬业度行为指标的模型(与只包括客观记录的行为指标的模型相比)在未来的行为敬业度中占更大比例的方差。这些发现与DBCI参与量表的第一次评估结果不一致,在第一次评估中,该量表被发现由单一因素支撑[gydF4y2Ba
].然而,这些差异至少可以部分解释为本研究的小样本量。gydF4y2Ba建构效度gydF4y2Ba
研究发现gydF4y2Ba体验参与gydF4y2Ba而且gydF4y2Ba行为参与gydF4y2Ba子量表彼此之间没有显著相关性,本研究支持了这样一种观点,即用户可以在DBCI上花费时间,而不一定对其内容感兴趣或关注,反之亦然[gydF4y2Ba
].然而,这一发现也引发了一个问题,即体验性投入和行为投入是否属于同一个高阶结构。gydF4y2Ba研究发现,即使在调整减少饮酒的动机时,参与者的总量表得分也与未来的行为参与弱相关,这是初步证据,表明与DBCI的参与状态在概念上不同于改变目标行为的动机。gydF4y2Ba
增量有效性和预测有效性gydF4y2Ba
增量效度分析结果表明,行为指标和经验指标串联使用比单独使用行为指标具有更强的预测能力。然而,体验而非行为子量表与未来行为参与度独立相关的发现可以解释为,体验指标(特别是用户的兴趣)推动了初始参与度和未来参与度之间的关联。潜在的解释这些发现是更多的密集接触,在第一次登录会话可能会让用户的内存的应用程序更突出,可能会让他们更容易记住回到应用程序。作为一个订婚的短期措施(例如,项目问多少用户喜欢app)还发现预测未来的接触,可能不仅突出的应用,但一个突出的记忆喜欢应用,对未来的合作很重要。目前尚不清楚为什么第一种(而不是第二种)短期参与测量具有显著的预测能力;这个词gydF4y2Ba喜欢gydF4y2Ba可能比字面意思更容易理解gydF4y2Ba引人入胜的gydF4y2Ba.初始体验和行为投入与未来行为投入(即变量)之间关系的潜在机制gydF4y2Ba随后登录gydF4y2Ba)应在最初应用用户粘性的几个小时内使用体验抽样技术进行进一步探索;这包括在用户的自然环境中实时重复测量心理过程[gydF4y2Ba
].gydF4y2Ba这些结果也提出了一个问题,即未来的行为投入是否是测试投入量表的最合适的标准变量。例如,知识保留或技能习得可能在理论上更可靠,正如说服力的精化似然模型(ELMP)所建议的[gydF4y2Ba
].ELMP认为,当一个人关注(或参与)一条健康信息时,就会发生深度信息处理,这将导致知识记忆的增加。与行为投入相比,初始行为投入和体验投入在预测知识留存时具有更好的预测能力,这似乎是合理的。此外,评估即时(或类似于国家)参与的新措施是否能够在以后的时间点预测干预有效性将是有用的。gydF4y2Ba效标效度gydF4y2Ba
研究发现,自我报告和客观记录的指标gydF4y2Ba使用量gydF4y2Ba在本样本中没有显著相关,这表明DBCI参与量表可能不是行为参与的有效指标。然而,尽管gydF4y2Ba使用量gydF4y2Ba(即以分钟或秒为单位的花费时间)通常被用作行为投入的黄金标准或基本事实,我们的结果表明,客观地记录gydF4y2Ba使用量gydF4y2Ba与许多经验指标(如兴趣、阴谋)显著相关。虽然探索性因素分析没有表明gydF4y2Ba使用量gydF4y2Ba与参与性的经验指标相同的因素,观察到的相关性模式使我们质疑花在DBCI上的时间是否值得它的基本事实地位。因此,有必要进行未来的研究,以调查自我报告和客观记录的指标之间差异的来源gydF4y2Ba使用量gydF4y2Ba.gydF4y2Ba
不同的有效性gydF4y2Ba
与第一项评估量表的研究一致,这项研究没有提供DBCI参与量表与心流状态量表背离的证据。在与dbci的接触和被标记的流维度之间存在概念上的重叠gydF4y2Ba忘记时间gydF4y2Ba.值得注意的是,所提议的参与定义在某种程度上是基于流的概念[gydF4y2Ba
].因此,将来使用概念上更明确的衡量方法来评估该比额表的不同效度可能更有成效。缺乏证据表明DBCI参与量表与心流状态量表不同,这也可能是参与者自我报告的合理解释gydF4y2Ba使用量gydF4y2Ba是否与他们的客观记录没有显著相关gydF4y2Ba使用量gydF4y2Ba;他们可能在玩游戏时忘记了时间gydF4y2Ba少喝酒gydF4y2Ba这一发现表明,自我报告和客观记录的DBCI时间指标可能会使用不同的结构;未来的研究需要检验其中哪一个与感兴趣的关键结果更密切相关。gydF4y2Ba限制gydF4y2Ba
这项研究是有限的,因为它没有达到预期的250名参与者的样本量。由于多产是一个新颖的平台,只有一小部分人符合研究资格标准(即过度饮酒、愿意下载酒精减少应用程序、拥有iPhone),在筛选了400多名参与者后,现有的参与者库已经耗尽。虽然参与者与项目的比例被认为是确定进行因素分析所需的最低样本量的关键,但模拟研究的结果表明,其他因素,包括每个因素的项目数量和项目之间的共同性水平,也影响样本量要求[gydF4y2Ba
].鉴于本研究参与者与项目的比例有限,且每个因素的项目数量较少,应谨慎解释双因素解决方案,并值得在未来的研究中在更大的样本中复制。第二个限制是,市场研究表明,iOS用户平均而言比Android用户更富裕。gydF4y2Ba ].随着gydF4y2Ba少喝酒gydF4y2Ba这款应用目前仅适用于iOS用户,我们的研究结果可能不适用于Android用户。gydF4y2Ba通过多产网站进行的研究,包括初步筛选研究,然后邀请符合条件的参与者完成实际研究,其流失率往往约为20%-25%,而不是45% [gydF4y2Ba
].因此,完成任务的合格参与者和没有完成任务的参与者之间可能存在系统差异。例如,小额的经济奖励可能被认为不值得花精力下载一个应用程序。事实上,一项评估通过亚马逊的Mechanical Turk在线平台(类似于多产)定期完成研究任务的参与者的人口统计和心理特征的研究发现,大多数被调查的参与者报告说赚钱是参与研究的关键动力[gydF4y2Ba ].还应该注意到,经济激励可能干扰了参与者的自然主义参与,从而限制了研究结果的普遍性。先前的研究发现,在DBCI研究中,金钱可以成为一个重要的激励因素,并在纵向研究中提高应答率[gydF4y2Ba ].gydF4y2Ba我们不想让用户负担过重;因此,我们没有评估可能影响用户量表得分的关键特征变量。例如,尝试将用户的性格特征(如大五人格模型中指定的性格特征)所导致的方差分出来是有用的。gydF4y2Ba
],以确保DBCI敬业度量表检测到的不是高尽责性或低神经质。gydF4y2Ba对参与者减少饮酒动机的调整应该增加了DBCI参与量表上的项目协方差,因此被认为是一项研究的优势。然而,应该注意的是,参与者的动机可能与他们的参与水平相互作用。因此,尽管对参与者的改变动机进行了调整,但量表得分可能不能完全代表参与者的“真实”投入得分。gydF4y2Ba
最后,使用谷歌的截止时间(即30分钟不活动)来确定用户是否进行了后续登录的决定,据我们所知,并不是基于会话长度的证据。未来的研究应该探索这是否构成了一种有用的启发式方法,用于使用定量和定性方法识别新的DBCI会话。gydF4y2Ba
未来研究方向gydF4y2Ba
由于观察到共同构成DBCI参与度量表的量表项的非正态分布,因此决定使用z-score归一化。因此,DBCI参与量表的总分仅与特定DBCI产生的体验和行为参与的平均强度相关。这可能有助于在dbci中为“高”和“低”参与者制定界限,而不考虑他们的具体参数(例如,干预成分的数量和长度)。例如,分数落在高于或低于平均值的特定SDs范围内的用户可能被有效地归类为“高”或“低”参与者,这些模式可能在dbci中复制。通过评估不同类型的DBCI(例如,戒烟或体育活动的网站或应用程序)的DBCI参与量表,值得探索参与评分的平均值和分布是否在DBCI之间复制。gydF4y2Ba
最初的体验参与(或对应用程序的喜爱)与未来的行为参与独立相关的发现表明,干预开发者应该仔细考虑如何让他们的dbci在第一次使用时具有吸引力。在迭代设计过程中,比较不同设计图形用户界面的用户体验,DBCI参与量表可能是有用的。gydF4y2Ba
结论gydF4y2Ba
DBCI敬业度量表评估敬业度的行为和体验方面。行为分量表可能不是行为投入的有效指标。体验子量表可以预测后续使用减少酒精消费的应用程序的行为参与度。需要在更大的样本和不同的dbci中进一步细化和验证量表。gydF4y2Ba
致谢gydF4y2Ba
OP由保柏与伦敦大学学院合作的博士生资助。CG获得英国癌症研究中心(C1417/A22962)的工资支持。SM由英国癌症研究中心和NIHR公共卫生研究学院资助。我们感谢收到的所有资金。gydF4y2Ba
作者的贡献gydF4y2Ba
OP, JL, CG, AB, RW和SM设计了这项研究。OP收集数据,进行统计分析,撰写初稿。所有作者都对手稿的最终版本做出了贡献,并同意将其提交给JMIR。gydF4y2Ba
利益冲突gydF4y2Ba
OP、CG、AB和SM没有需要声明的利益冲突。RW负责研究和咨询,并从开发和生产戒烟药物的公司收取演讲费用。JL是多产公司的员工。gydF4y2Ba
参考文献gydF4y2Ba
- Donkin L, Christensen H, Naismith S, Neal B, Hickie I, Glozier N.依从性对电子疗法有效性影响的系统综述。J Med Internet Res 2011 Aug 05;13(3):e52 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- Michie S, Yardley L, West R, Patrick K, Greaves F.开发和评估促进健康和医疗保健行为改变的数字干预:来自国际研讨会的建议。J Med Internet Res 2017 Jun 29;19(6):e232 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- Kelders S, Kok R, Ossebaard H, van Gemert-Pijnen JEWC。有说服力的系统设计确实很重要:系统地回顾基于网络的干预措施的依从性。J Med Internet Res 2012 11月14日;14(6):e152 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- Cobb NK, Graham AL, Bock BC, Papandonatos G, Abrams DB。一个真实世界的互联网戒烟系统的初步评估。尼古丁含量决议2005年4月;7(2):207-216 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- Alexander GL, McClure JB, Calvi JH, Divine GW, Stopponi MA, Rolnick SJ,等。一项随机临床试验评估在线干预措施改善水果和蔬菜消费。中国公共卫生杂志2010年2月;100(2):319-326 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- 亚德利L, Spring B, Riper H, Morrison L, Crane D, Curtis K,等。理解和促进有效参与数字化行为改变干预。Am J Prev Med 2016年11月;51(5):833-842 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- Perski O, Blandford A, West R, Michie S.数字行为改变干预的概念化参与:使用批判性解释综合原则的系统回顾。Transl Behav Med 2017 Jun;7(2):254-267 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- 薛文杰,张文杰,张文杰。明确坚持电子健康技术的概念:当使用成为坚持的系统回顾。J Med Internet Res 2017 Dec 06;19(12):e402 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- Milward J, Drummond C, finchamp - campbell S, Deluca P.是什么使在线物质使用干预引人入胜?系统回顾和叙述综合。数字健康2018;4:2055207617743354 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- Michie S, Richardson M, Johnston M, Abraham C, Francis J, Hardeman W,等。93个层次聚类技术的行为改变技术分类(v1):为报告行为改变干预建立国际共识。Ann Behav Med 2013 Aug;46(1):81-95。[gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- 杨晓东,李志强,李志强,等。提高健康行为改变研究中的治疗保真度:来自NIH行为改变联盟的最佳实践和建议。健康心理学2004;23(5):443-451。[gydF4y2BaCrossRefgydF4y2Ba]gydF4y2Ba
- 心流:最佳表现的心理学。纽约:剑桥大学出版社;1990.gydF4y2Ba
- 凯恩斯。ACM数字图书馆。2004。关于游戏沉浸感的调查。URL:gydF4y2Bahttps://dl.acm.org/citation.cfm?doid=985921.986048gydF4y2Ba[2019-11-12]访问gydF4y2Ba
- Perski O, Blandford A, Garnett C, Crane D, West R, Michie S.参与数字行为改变干预(DBCI)的自我报告测量:“DBCI参与量表”的开发和心理测量评估。Transl行为医学2019年3月30日。[gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- Short CE, DeSmet A, Woods C, Williams SL, Maher C, Middelweerd A,等。衡量电子健康和移动健康行为改变干预措施的参与度:方法学观点。J Med Internet Res 2018年11月16日;20(11):e292。[gydF4y2BaCrossRefgydF4y2Ba]gydF4y2Ba
- 范Q, Graham G, Carrion C,森田PP, Seto E, Stinson JN,等。评估消费者移动健康应用程序对慢性疾病的有效参与的分析指标库:范围审查JMIR移动健康Uhealth 2019年1月18日;7(1):e11941。[gydF4y2BaCrossRefgydF4y2Ba]gydF4y2Ba
- 李志强,李志强,李志强,等。分析和测量数字干预中使用和参与数据的框架:观点。J Med Internet Res 2019 2月15日;21(2):e10966。[gydF4y2BaCrossRefgydF4y2Ba]gydF4y2Ba
- Murray E, White IR, Varagunam M, Godfrey C, Khadjesari Z, McCambridge J.在一项基于网络的酒精试验中,流失率再认识:依从性和保留率。中国医学杂志,2013;15(8):e162 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- Postel M, de Haan HA, ter Huurne ED, van der Palen J, Becker E, de Jong CAJ。基于网络的问题饮酒者治疗的减员。J Med Internet Res 2011年12月27日;13(4):e117 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- Radtke T, Ostergaard M, Cooke R, Scholz U.基于网络的酒精干预:重度饮酒者系统性流失研究。J Med Internet Res 2017 Jun 28;19(6):e217 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- Perski O, Lumsden J, Garnett C, Blandford A, West R, Michie S. DBCI参与量表的第二次评估。开放科学框架2019 [gydF4y2Ba免费全文gydF4y2Ba]gydF4y2Ba
- Babor T, Higgins-Biddle J, Saunders J, Monteiro M.酒精使用障碍鉴定测试:初级保健使用指南,第二版,日内瓦:世界卫生组织;2001.gydF4y2Ba
- Peer E, Brandimarte L, Samat S, Acquisti A.超越土耳其:众包行为研究的替代平台。实验社会心理学杂志2017年5月;70:153-163。[gydF4y2BaCrossRefgydF4y2Ba]gydF4y2Ba
- Paolacci G, Chandler J, Ipeirotis P.在亚马逊土耳其机器人上进行实验。判断与决策2010;5(5):411-419 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- 科斯特洛A,奥斯本JW。探索性因素分析的最佳实践:从分析中获得最大收益的四个建议。实践考核,研究与评价,2005;10:173-178。gydF4y2Ba
- Kotz D, Brown J, West R.戒烟动机量表(MTSS)的预测效度:戒烟动机的单项测量。药物酒精依赖2013 Feb 01;128(1-2):15-19 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- Hummel K, Brown J, Willemsen MC, West R, Kotz D.戒烟动机量表(MTSS)的外部验证:来自国际烟草控制(ITC)荷兰调查的结果。欧洲公共卫生2017年2月1日;27(1):129-134。[gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- 德沃希特F,布朗J,比尔德E,安格斯C,布伦南A,米基S,等。英国酒精消费的时间模式和减少酒精摄入的尝试。BMC Public Health 2016 Sep 01;16:917 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- Crane D, Garnett C, Michie S, West R, Brown J.减少过度饮酒的智能手机应用程序:在一项析因随机对照试验中确定干预成分的有效性。科学通报2018年3月12日;8(1):4384 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- 谷歌分析帮助。2017。在分析中如何定义web会话。URL:gydF4y2Bahttps://support.google.com/analytics/answer/2731565gydF4y2Ba[2018-02-06]访问gydF4y2Ba
- 钎杂志。2016年春季移动客户保留报告。URL:gydF4y2Bahttps://www.braze.com/blog/app-customer-retention-spring-2016-report/gydF4y2Ba[2019-09-09]访问gydF4y2Ba
- CISION上线。2015.鼓励患者使用智能手机健康应用程序。URL:gydF4y2Bahttp://www.prweb.com/releases/2011/04/prweb5268884.htmgydF4y2Ba[2015-08-10]访问gydF4y2Ba
- Jackson S, Marsh H.衡量最佳体验的量表的开发和验证:流状态量表。J体育运动精神1996;18:35 [gydF4y2Ba免费全文gydF4y2Ba]gydF4y2Ba
- Wiebe E, Lamb A, Hardy M, Sharek D.基于电子游戏环境的用户粘性测量:用户粘性量表调查计算人类行为2014;32:32。[gydF4y2BaCrossRefgydF4y2Ba]gydF4y2Ba
- Hinkin T.关于在调查问卷中使用的测量方法的开发的简要教程。器官测定方法1998;1(1):121。[gydF4y2BaCrossRefgydF4y2Ba]gydF4y2Ba
- 行为医学中的生态瞬间评估(Ema)。行为医学年鉴1994;16(3):199-202。[gydF4y2BaCrossRefgydF4y2Ba]gydF4y2Ba
- 陈晓明,陈晓明。说服的精化似然模型。Adv Exp Soc Psychol 1986;19:205。[gydF4y2BaCrossRefgydF4y2Ba]gydF4y2Ba
- Mundfrom DJ, Shaw DG, Ke TL.进行因子分析的最小样本量建议。国际测试杂志2005;5(2):159-168。[gydF4y2BaCrossRefgydF4y2Ba]gydF4y2Ba
- Berg M. Statista, 2014。iPhone用户赚得更多URL:gydF4y2Bahttps://www.statista.com/chart/2638/top-line-platform-stats-for-app-usage-in-the-us/gydF4y2Ba[2019-01-28]访问gydF4y2Ba
- Palan S, Schitter c,多产。一个c—A subject pool for online experiments. Journal of Behavioral and Experimental Finance 2018 Mar;17:22-27 [免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba]gydF4y2Ba
- Khadjesari Z, Murray E, Kalaitzaki E, White I, McCambridge J, Thompson S,等。在线试验中减少人员流失的激励措施的影响和成本:两项随机对照试验。J Med Internet Res 2011 Mar 02;13(1):e26 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- John OP, Donahue EM, Kentle RL。《五大库存》1991年。URL:gydF4y2Bahttp://www.sjdm.org/dmidi/Big_Five_Inventory.htmlgydF4y2Ba[2019-09-09]访问gydF4y2Ba
gydF4y2Ba
缩写gydF4y2Ba
审计:gydF4y2Ba酒精使用障碍鉴定测试gydF4y2Ba |
DBCI:gydF4y2Ba数字行为改变干预gydF4y2Ba |
G·艾森巴赫(G Eysenbach)编辑;提交09.09.19;S Miller, J Thrul同行评审;对作者17.10.19的评论;修订本收到30.10.19;接受11.11.19;发表20.11.19gydF4y2Ba
版权gydF4y2Ba©Olga Perski, Jim Lumsden, Claire Garnett, Ann Blandford, Robert West, Susan Michie。最初发表于《医疗互联网研究杂志》(//www.mybigtv.com), 2019年11月20日。gydF4y2Ba
这是一篇开放获取的文章,根据创作共用署名许可(https://creativecommons.org/licenses/by/4.0/)的条款发布,允许在任何媒介上无限制地使用、分发和复制,前提是正确引用最初发表在《医学互联网研究杂志》上的原创作品。必须包括完整的书目信息,//www.mybigtv.com/上的原始出版物的链接,以及此版权和许可信息。gydF4y2Ba