这是一篇在知识共享署名许可(https://creativecommons.org/licenses/by/4.0/)下发布的开放获取文章,该许可允许在任何媒介上不受限制地使用、分发和复制,前提是原始作品首次发表在《医学互联网研究杂志》上,并适当引用。必须包括完整的书目信息,到//www.mybigtv.com/上原始出版物的链接,以及版权和许可信息。gydF4y2Ba
参与数字行为改变干预(dbci)的程度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参与量表旨在评估行为(即使用的数量、深度)和体验(即注意力、兴趣、享受)维度的参与。gydF4y2Ba
我们的目的是评估DBCI参与量表在减少酒精消费的智能手机应用程序用户中的心理测量特性。gydF4y2Ba
参与者(N=147)是通过在线研究平台招募的英国成年酗酒者。参加者下载了gydF4y2Ba
DBCI敬业度量表上的反应可以用与经验和行为相关的两个基本独立的子量表来表征。经验量表和行为量表的内信度分别为高信度(α= 0.78)和中等信度(α= 0.45)。总量表得分预测未来的行为参与(即随后的登录),无论是否调整用户减少饮酒的动机(调整优势比[OR])gydF4y2Ba邻接的gydF4y2Ba) = 1.14;95% ci 1.03-1.27;gydF4y2Ba
DBCI敬业度量表评估敬业度的行为和体验方面。行为子量表可能不是行为投入的有效指标。体验子量表可以预测随后使用一款减少酒精消费的应用程序的行为参与。需要在更大的样本和不同dbci中进一步改进和验证该量表。gydF4y2Ba
一定程度的参与数字行为改变干预(dbci)对于此类干预的有效性是必要的[gydF4y2Ba
心理学家和计算机科学家都很感兴趣的问题是,一个人与DBCI接触意味着什么。从广义上讲,心理学家将参与定义为技术使用的程度,被视为参与者接触DBCI的“有效成分”或成分行为改变技术的代理[gydF4y2Ba
因此,我们从理论上推断,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)是一个人从事DBCI的必要和充分条件。虽然类似,但与dbci的接触被认为在概念上不同于“流”和纯技术使用。虽然有几种衡量流动、沉浸和技术使用的方法可供使用(有关概述,请参阅[gydF4y2Ba
作为天平发展过程的一部分(详情载于[gydF4y2Ba
众所周知,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
DBCI敬业度量表的因素结构是什么?(建构效度)gydF4y2Ba
DBCI敬业度量表内部可靠吗?(内部可靠性)gydF4y2Ba
总量表得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参与(即随后的登录),无论是否对减少酒精消费的动机进行调整?(预测效度)gydF4y2Ba
是否有两种最好的方法可以预测未来的行为投入,无论是否调整减少饮酒的动机?(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,包含客观记录的参与行为指标和自我报告的参与体验指标的模型是否能解释未来行为参与(即随后的登录)的更多差异?(增量的有效性)gydF4y2Ba
总量表得分与心流状态量表得分是否显著相关?(的有效性)gydF4y2Ba
预先注册的研究方案可在开放科学架构[gydF4y2Ba
受试者年龄≥18岁才有资格参加本研究;报告酒精使用障碍鉴定测试(AUDIT)得分≥8,表明过度饮酒[gydF4y2Ba
参与者是通过在线研究平台多产[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)被认为是可取的[gydF4y2Ba
为了确定样本的资格和描述,收集了年龄方面的数据;性别(女性或男性);工作类型(手工、非手工或其他);由审计署计算的酒精消费模式[gydF4y2Ba
对于下载并探索了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
请回答以下关于您最近使用的问题gydF4y2Ba
你对以下情况的感受有多强烈?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
9.你认为你在应用上大概花了多少时间(以分钟为单位)?gydF4y2Ba
10.你记得访问过这个应用程序的哪些组件?(可选择多个选项)gydF4y2Ba
一)日历gydF4y2Ba
b)创建和查看目标gydF4y2Ba
c)什么有效,什么无效gydF4y2Ba
d)制定和查看行动计划gydF4y2Ba
e)你的宿醉和你gydF4y2Ba
f)检查你的饮酒习惯gydF4y2Ba
g)仪表板gydF4y2Ba
h)游戏gydF4y2Ba
i)喝+我gydF4y2Ba
j)有用信息gydF4y2Ba
k)其他gydF4y2Ba
l)不记得了gydF4y2Ba
在参与者第一次登录会话期间,记录了查看的应用程序屏幕数量,以获得客观记录gydF4y2Ba
在接下来的14天里,研究人员还记录了用户浏览应用程序屏幕的次数,以得出这个变量gydF4y2Ba
两个项目代表了作者gydF4y2Ba
流动状态量表中的两个项目[gydF4y2Ba
感兴趣的参与者通过招聘平台,多产,并获得0.5英镑的补偿完成筛选问卷,由Qualtrics调查软件(普罗沃,犹他州)主持。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
所有分析均在SPSS 20.0版(IBM Corporation, Armonk, New York)中进行。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,gydF4y2Ba
假设一个五因素解决方案(即,gydF4y2Ba
通过计算Cronbach alpha来评估内部一致性信度。大系数(即=。70或一个bove) was interpreted as evidence of strong item covariance [
通过计算参与者从第一次登录(即目标)开始自动记录的应用程序屏幕视图之间关系的Pearson相关系数来评估标准效度gydF4y2Ba
的变量gydF4y2Ba
的变量gydF4y2Ba
增量效度分两步评估。首先,我们评估了变量中的方差gydF4y2Ba
通过计算流动状态量表中流动状态的两个指标之间关系的Pearson相关系数来评估分歧效度[gydF4y2Ba
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选调查,其中266人符合参加资格。其中,147名(55%)参与者下载了gydF4y2Ba
参与者流程图。审核:酒精使用障碍鉴定测试;ID:识别。gydF4y2Ba
参与者的人口统计和饮酒特征。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 |
|
||
女性,n (%)gydF4y2Ba | 97 (66)gydF4y2Ba | 71 (60)gydF4y2Ba | 29gydF4y2Ba | ||
|
|
|
|
||
|
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(岁),平均(SD)gydF4y2Ba | 34.4 (10.4)gydF4y2Ba | 36.6 (11.8)gydF4y2Ba | 厚gydF4y2Ba | ||
|
|
|
|
||
|
|
|
|||
|
|
我不想少喝酒gydF4y2Ba | 14 (10)gydF4y2Ba | 26 (22)gydF4y2Ba |
|
|
|
我想我应该少喝酒,但我并不想这么做gydF4y2Ba | 43 (29)gydF4y2Ba | 25 (21)gydF4y2Ba |
|
|
|
我想少喝酒,但还没想好什么时候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 |
|
|
|
我想少喝酒,希望很快就能戒掉gydF4y2Ba | 23日(16)gydF4y2Ba | 17 (14)gydF4y2Ba |
|
|
|
我真的很想减少饮酒,并打算在未来3个月内做到这一点gydF4y2Ba | 11 (7)gydF4y2Ba | 4 (3)gydF4y2Ba |
|
|
|
我真的很想减少饮酒,并打算在下个月开始gydF4y2Ba | 20 (14)gydF4y2Ba | 19 (16)gydF4y2Ba |
|
|
酒精使用障碍鉴定测验,平均值(SD)gydF4y2Ba | 15.4 (5.1)gydF4y2Ba | 14.2 (5.7)gydF4y2Ba | 07gydF4y2Ba |
一个gydF4y2Ba组间差异采用卡方检验或gydF4y2Ba
量表项目的描述性统计报告于gydF4y2Ba
keizer - meier Olkin抽样充分性检验(0.70)和Bartlett球性检验(gydF4y2Ba
量表条目的描述性统计(N=147)。gydF4y2Ba
统计gydF4y2Ba | 范围gydF4y2Ba | 意思是(SD)gydF4y2Ba | 方差gydF4y2Ba | 偏态gydF4y2Ba | 峰度gydF4y2Ba | |
|
||||||
|
1.“你感受到的兴趣有多强烈?”gydF4y2Ba | 2 - 7日gydF4y2Ba | 5.30 (1.09)gydF4y2Ba | 1.18gydF4y2Ba | -0.30gydF4y2Ba | 0.06gydF4y2Ba |
|
2.“你对阴谋的感受有多强烈?”gydF4y2Ba | 1 - 7gydF4y2Ba | 5.39 (1.27)gydF4y2Ba | 1.61gydF4y2Ba | -0.85gydF4y2Ba | 0.50gydF4y2Ba |
|
3.“你的专注感有多强烈?”gydF4y2Ba | 2 - 7日gydF4y2Ba | 5.31 (1.18)gydF4y2Ba | 1.40gydF4y2Ba | -0.56gydF4y2Ba | 0.14gydF4y2Ba |
|
4.“你对注意力不集中的感觉有多强烈?”gydF4y2BabgydF4y2Ba | 1 - 7gydF4y2Ba | 5.61 (1.33)gydF4y2Ba | 1.76gydF4y2Ba | -1.24gydF4y2Ba | 1.47gydF4y2Ba |
|
5.“你感到分心的程度有多严重?”gydF4y2BabgydF4y2Ba | 1 - 7gydF4y2Ba | 5.47 (1.45)gydF4y2Ba | 2.10gydF4y2Ba | -1.12gydF4y2Ba | 0.86gydF4y2Ba |
|
6.“你的愉悦感有多强烈?”gydF4y2Ba | 1 - 7gydF4y2Ba | 4.46 (1.44)gydF4y2Ba | 2.07gydF4y2Ba | -0.10gydF4y2Ba | -0.48gydF4y2Ba |
|
7.“你感受到的快乐有多强烈?”gydF4y2Ba | 1 - 7gydF4y2Ba | 3.56 (1.64)gydF4y2Ba | 2.67gydF4y2Ba | 0.36gydF4y2Ba | -0.70gydF4y2Ba |
|
8.“你对烦恼的感受有多强烈?”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些组件?”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 |
|
||||||
|
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.客观记录的使用量(秒)gydF4y2Ba | 95.00 -3571gydF4y2Ba | 409.45 (360.71)gydF4y2Ba | 130116 .72点gydF4y2Ba | 5.13gydF4y2Ba | 40.34gydF4y2Ba |
|
||||||
|
13“使用时gydF4y2Ba |
1 - 5gydF4y2Ba | 2.76 (0.79)gydF4y2Ba | 0.62gydF4y2Ba | 0.11gydF4y2Ba | 0.10gydF4y2Ba |
|
14.“当使用gydF4y2Ba |
1 - 5gydF4y2Ba | 3.34 (1.16)gydF4y2Ba | 1.35gydF4y2Ba | -0.24gydF4y2Ba | -1.11gydF4y2Ba |
|
||||||
|
15.“你有多喜欢这个应用?”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(是与否),n (%)gydF4y2Ba | 67 (46)gydF4y2Ba | N/AgydF4y2BacgydF4y2Ba | N/AgydF4y2Ba | N/AgydF4y2Ba | N/AgydF4y2Ba |
一个gydF4y2BaDBCI:数字化行为改变干预。gydF4y2Ba
bgydF4y2Ba在计算描述性统计之前,对数值进行反向评分。gydF4y2Ba
cgydF4y2Ba不适用。gydF4y2Ba
项目间相关矩阵(N=147)。gydF4y2Ba
DBCI敬业度量表项目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 | |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
N/AgydF4y2BaogydF4y2Ba |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
<措施gydF4y2Ba | N/AgydF4y2Ba |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
<措施gydF4y2Ba | <措施gydF4y2Ba | N/AgydF4y2Ba |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
.027gydF4y2Ba | . 21gydF4y2Ba | <措施gydF4y2Ba | N/AgydF4y2Ba |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
.026gydF4y2Ba | 16gydF4y2Ba | 措施gydF4y2Ba | <措施gydF4y2Ba | N/AgydF4y2Ba |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
<措施gydF4y2Ba | <措施gydF4y2Ba | <措施gydF4y2Ba | .59gydF4y2Ba | .071gydF4y2Ba | N/AgydF4y2Ba |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
.025gydF4y2Ba | .30gydF4y2Ba | .079gydF4y2Ba | .019gydF4y2Ba | .003gydF4y2Ba | <措施gydF4y2Ba | N/AgydF4y2Ba |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
措施gydF4y2Ba | 07gydF4y2Ba | <措施gydF4y2Ba | 措施gydF4y2Ba | 04gydF4y2Ba | <措施gydF4y2Ba | 16gydF4y2Ba | N/AgydF4y2Ba |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
.028gydF4y2Ba | .97点gydF4y2Ba | .469gydF4y2Ba | 厚gydF4y2Ba | 综合成绩gydF4y2Ba | .019gydF4y2Ba | 02gydF4y2Ba | 13。gydF4y2Ba | N/AgydF4y2Ba |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
23)gydF4y2Ba | 口径。gydF4y2Ba | .681gydF4y2Ba | .33gydF4y2Ba | 只要gydF4y2Ba | 07gydF4y2Ba | <措施gydF4y2Ba | 。31gydF4y2Ba | <措施gydF4y2Ba | N/AgydF4y2Ba |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
点gydF4y2Ba | 只要gydF4y2Ba | .069gydF4y2Ba | 03gydF4y2Ba | .90gydF4y2Ba | .20gydF4y2Ba | 总收入gydF4y2Ba | .003gydF4y2Ba | <措施gydF4y2Ba | .051gydF4y2Ba | N/AgydF4y2Ba |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
<措施gydF4y2Ba | 03gydF4y2Ba | 措施gydF4y2Ba | .047gydF4y2Ba | 报gydF4y2Ba | .002gydF4y2Ba | .97点gydF4y2Ba | 02gydF4y2Ba | 口径。gydF4y2Ba | 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在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哪个应用程序的组件。gydF4y2Ba
kgydF4y2Ba花了多少时间。gydF4y2Ba
lgydF4y2Ba客观使用深度。gydF4y2Ba
米gydF4y2Ba用于测试量表的结构、标准和增量效度的变量。gydF4y2Ba
ngydF4y2Ba客观使用量。gydF4y2Ba
ogydF4y2Ba不适用。gydF4y2Ba
斜向旋转EFA。特征值表明,三因素解决方案最合适,占方差的61.2% (gydF4y2Ba
随后的倾斜旋转EFA显示双因素解决方案占方差的62.4% (gydF4y2Ba
使用自我报告的经验指标(即项目1、2、3和6)和自动记录的行为指标(即项目11和12)相结合的斜旋转EFA建议双因素解决方案,占方差的65.7%。经验指标明显加载到因子1上,行为指标明显加载到因子2上(gydF4y2Ba
解决方案2被选择用于随后的可靠性和有效性分析,因为它只包含自我报告的项目,并提供与解决方案3相似的良好数据拟合。计算每个参与者的总量表得分,每个保留的项目(即项目1、2、3、6、9和10)的权重相等。gydF4y2Ba
探索性因子分析中DBCI敬业度量表的因子负荷。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.哪个应用程序的组件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.目标使用量gydF4y2Ba | N/AgydF4y2Ba | N/AgydF4y2Ba | N/AgydF4y2Ba | N/AgydF4y2Ba | N/AgydF4y2Ba | 0.18gydF4y2Ba | 0.68gydF4y2BadgydF4y2Ba |
一个gydF4y2Ba倾斜旋转探索性因子分析,包括项目1-10。gydF4y2Ba
bgydF4y2Ba倾斜旋转的探索性因素分析,包括项目1、2、3、6、9和10。gydF4y2Ba
cgydF4y2Ba倾斜旋转的探索性因素分析,包括项目1、2、3、6、11和12。gydF4y2Ba
dgydF4y2Ba因子负荷≥0.40的值。gydF4y2Ba
egydF4y2Ba在分析前对数值进行反向评分。gydF4y2Ba
fgydF4y2Ba不适用。gydF4y2Ba
整体测量的内部一致性为0.67,表明内部信度中等[gydF4y2Ba
总量表得分与客观记录显著相关gydF4y2Ba
预测效度分析的结果见gydF4y2Ba
由于两个子量表(即,gydF4y2Ba
在未经调整和调整的分析中,询问用户他们认为应用的粘性如何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;gydF4y2Ba
预测变量与未来行为参与之间的关联的未调整和调整的比值比。gydF4y2Ba
预测变量gydF4y2Ba | 优势比(95% CI)gydF4y2Ba |
|
调整优势比gydF4y2Ba一个gydF4y2Ba(95%置信区间)gydF4y2Ba |
|
|
|
1.15 (1.05 - -1.27)gydF4y2Ba | .005gydF4y2Ba | 1.14 (1.03 - -1.27)gydF4y2Ba | .009gydF4y2Ba | |
|
量表1 -体验参与gydF4y2Ba | 1.19 (1.06 - -1.34)gydF4y2Ba | 04gydF4y2Ba | 1.19 (1.05 - -1.34)gydF4y2Ba | .006gydF4y2Ba |
|
量表2 -行为投入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?”gydF4y2Ba | 1.39 (1.05 - -1.83)gydF4y2Ba | 02gydF4y2Ba | 1.38 (1.03 - -1.84)gydF4y2Ba | 03gydF4y2Ba |
一个gydF4y2Ba根据减少饮酒量的动机调整优势比。gydF4y2Ba
bgydF4y2BaDBCI:数字化行为改变干预。gydF4y2Ba
增量效度分析的结果见gydF4y2Ba
预测变量与未来行为投入之间的比值比。gydF4y2Ba
模型gydF4y2Ba | 优势比(95% CI)gydF4y2Ba |
|
方差占比(%)gydF4y2Ba | |
|
|
|
||
|
客观记录的使用量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 |
|
|
|
|
||
|
客观记录的使用量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 |
|
总量表得分与第一个(“当使用gydF4y2Ba
DBCI敬业度量表被发现由两个基本独立的因素支撑,它们被标记为gydF4y2Ba
研究发现gydF4y2Ba
研究发现,参与者的总量表得分与未来的行为投入弱相关,即使在调整动机以减少饮酒时也是如此,这一发现初步证明,DBCI的投入状态在概念上与改变目标行为的动机不同。gydF4y2Ba
增量效度分析结果表明,行为和经验指标联合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的行为参与度独立相关的发现可以解释为,体验指标(尤其是用户兴趣)推动了初始和未来参与度之间的联系。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,对未来的参与很重要。目前尚不清楚为什么第一种(而不是第二种)短暂的参与度测量具有显著的预测能力;这个词gydF4y2Ba
这些结果也引出了一个问题,即未来的行为粘性是否是测试粘性量表最合适的标准变量。例如,正如说服的细化可能性模型(ELMP)所建议的那样,知识保留或技能获取可能在理论上更合理。[gydF4y2Ba
发现自我报告和客观记录的指标gydF4y2Ba
与第一项评估量表的研究一致,本研究没有提供证据表明DBCI敬业度量表偏离了心流状态量表。与dbci的接触与被标记的流维度之间存在概念上的重叠gydF4y2Ba
这项研究是有限的,因为它没有达到所需的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),因此在筛选了400多名参与者后,现有的参与者池已经耗尽。虽然参与者与项目的比率被认为是确定进行因素分析所需的最小样本量的关键,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
通过多产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,其流失率约为20%-25%,而不是45% [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,尝试部分排除由用户的人格特征(如大五人格模型中指定的那些)造成的方差将是有用的[gydF4y2Ba
参与者减少饮酒动机的调整应该会增加DBCI投入量表上的项目协方差,因此被认为是研究的优势。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”敬业度得分。gydF4y2Ba
最后,使用谷歌的截止时间(即30分钟的不活动时间)来识别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一个有用的启发式,以确定新的DBCI会话使用定量和定性方法。gydF4y2Ba
由于观察到组成DBCI敬业度量表的量表项目的非正态分布,决定使用z-score归一化。因此,DBCI投入量表的总分仅与特定DBCI产生的体验和行为投入的平均强度有关。这可能有助于开发跨dbci的“高”和“低”参与人的截止值,而不考虑其具体参数(例如,干预组件的数量和长度)。例如,分数落在高于或低于平均值的特定sd范围内的用户可能会被分类为“高”或“低”参与度,并且这些模式可能会在dbci中复制。通过在不同类型的DBCI(例如,戒烟或体育活动的网站或应用程序)中评估DBCI敬业度量表,敬业度分数的平均值和分布是否在DBCI中复制的问题值得探索。gydF4y2Ba
最初的体验参与(或应用的喜好)与未来的行为参与独立相关,这一发现表明,干预开发者应该仔细考虑如何让他们的dbci在首次使用时具有吸引力。DBCI参与度量表在迭代设计过程中可能很有用,可以比较不同设计的图形用户界面的用户体验。gydF4y2Ba
DBCI敬业度量表评估敬业度的行为和体验方面。行为子量表可能不是行为投入的有效指标。体验子量表可以预测随后使用一款减少酒精消费的应用程序的行为参与。需要在更大的样本和不同dbci中进一步改进和验证该量表。gydF4y2Ba
酒精使用障碍鉴定测试gydF4y2Ba
数字化行为改变干预gydF4y2Ba
OP由保柏与伦敦大学学院合作的博士奖学金资助。CG获得英国癌症研究中心(C1417/A22962)的工资支持。SM是由英国癌症研究中心和英国国立卫生研究院公共卫生研究学院资助的。我们感谢收到的所有资助。gydF4y2Ba
OP、JL、CG、AB、RW、SM设计研究。OP收集数据,进行统计分析,撰写论文初稿。所有作者都为稿件的最终版本做出了贡献,并同意将其提交给JMIR。gydF4y2Ba
OP, CG, AB, SM没有利益冲突需要申报。RW从事研究和咨询工作,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