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 22gydF4y2Ba];居住在联合王国;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

参与者是通过在线研究平台多产[gydF4y2Ba 23gydF4y2Ba]。通过在线平台参与研究的个人主要是受经济激励的驱使，而不一定对改变健康行为感兴趣[gydF4y2Ba 24gydF4y2Ba]。因此，我们期望多产能够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能代表英国过量饮酒者一般人群的样本。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 25gydF4y2Ba]。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 22gydF4y2Ba];减少饮酒的动机，用戒酒动机量表衡量[gydF4y2Ba 26gydF4y2Ba-gydF4y2Ba 28gydF4y2Ba];居住国(英国或其他国家);拥有iPhone(是或否);愿意下载和探索一个减少酒精的应用程序(是或否)。gydF4y2Ba

对于下载并探索了gydF4y2Ba 少喝酒gydF4y2Ba应用程序，在首次使用该应用程序时收集位置数据(家庭，工作，车辆，公共交通，餐厅/酒吧/咖啡馆，其他人的家，其他或不记得)和10项DBCI参与量表[gydF4y2Ba 14gydF4y2Ba]，它捕获了与dbci的瞬间行为(即使用的数量、深度)和体验(即注意力、兴趣、享受)参与(gydF4y2Ba 文本框1gydF4y2Ba）.以前的一项研究详细说明了量表项目是如何在一组专家和非专家中开发和测试的[gydF4y2Ba 14gydF4y2Ba]。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

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 少喝酒gydF4y2Ba应用程序从苹果应用程序商店。参与者被要求探索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，评估他们感兴趣的内容。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当被问及他们为什么使用gydF4y2Ba 少喝酒gydF4y2Ba应用程序和启用推送通知。当参与者在完成应用程序的探索后点击手机的home键时，他们会收到一条推送通知，其中包含研究调查的链接。随后，参与者被要求输入他们的多产识别号码，这使得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(根据他们在多产平台上的回复状态显示，该状态要么被标记为“超时”，要么被标记为“提交返回”)会收到一条提醒信息。完成任务后，参与者获得1.25英镑的报酬。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 zgydF4y2Ba-正偏斜数据的得分归一化)。对每个量表项目和感兴趣的标准变量计算描述性统计(如平均值、极差、方差)，以确定因子分析的适用性。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 少喝酒gydF4y2BaApp完成任务(gydF4y2Ba 图1gydF4y2Ba）.由于资金限制，我们无法延长招聘时间。因此，250名参与者的预期目标样本量没有达到。参与者的人口统计和饮酒特征报告于gydF4y2Ba 表1gydF4y2Ba．我们没有发现在完成和没有完成人口统计学特征评估任务的合格参与者之间有任何显著差异。gydF4y2Ba

量表项目的描述性统计报告于gydF4y2Ba 表2gydF4y2Ba．大多数参与者在家中(118/147,80.3%)或工作场所(19/147,12.9%)完成了量表。为了解释观察到的偏度，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z得分归一化。标准化量表项目的项目间相关性报告于gydF4y2Ba 表3gydF4y2Ba．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 体验参与gydF4y2Ba和gydF4y2Ba 行为参与。gydF4y2Ba量表具有中等的内部信度，但发散度和效度较低。重要的是，行为子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)的关系很弱gydF4y2Ba 随后登录gydF4y2Ba)，经验子量表和其中一个gydF4y2Ba 最好的赌注gydF4y2Ba对于用户粘性的短期衡量(即询问参与者他们有多喜欢该应用)。行为分量表与未来的行为投入并无独立关联。此外，包括自我报告的经验和客观记录的参与行为指标的模型(与只包括客观记录的行为指标的模型相比)在未来的行为投入中占更大的方差比例。这些发现与DBCI敬业度量表的第一次评估结果不一致，在第一次评估中，DBCI敬业度量表被发现是由单一因素支撑的[gydF4y2Ba 14gydF4y2Ba]。然而，这些差异可能至少部分是由本研究的小样本量造成的。gydF4y2Ba

研究发现gydF4y2Ba 体验参与gydF4y2Ba和gydF4y2Ba 行为参与gydF4y2Ba本研究中各子量表之间的相关性不显著，这支持了用户可以在DBCI上花费时间而不一定对其内容感兴趣或关注的观点，反之亦然[gydF4y2Ba 14gydF4y2Ba]。然而，这一发现也引发了一个问题，即体验和行为投入是否属于同一高阶结构的一部分。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 喜欢gydF4y2Ba可能比这个词更容易理解gydF4y2Ba 引人入胜的gydF4y2Ba．初始体验和行为投入与未来行为投入之间关系的潜在机制(即变量)gydF4y2Ba 随后登录gydF4y2Ba)应该在最初的应用粘性后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 36gydF4y2Ba]。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 37gydF4y2Ba]。ELMP认为，当个人关注(或参与)健康信息时，就会发生深度信息处理，从而增加知识保留。与行为投入相比，最初的行为投入和体验投入在预测知识保留方面具有更强的预测能力，这似乎是合理的。此外，评估时刻对时刻(或类似状态)参与的新措施是否能够预测以后时间点的干预效果也很有用。gydF4y2Ba

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敬业度量表可能不是行为敬业度的有效指标。然而，尽管gydF4y2Ba 使用量gydF4y2Ba(即，花费的时间以分钟或秒为单位)通常被用作行为投入的金标准或基本事实，我们的结果显示客观记录gydF4y2Ba 使用量gydF4y2Ba与许多经验指标(如兴趣、兴趣)显著相关。虽然探索性因素分析并没有表明gydF4y2Ba 使用量gydF4y2Ba与参与的经验指标相同，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础真实状态。因此，有必要进行进一步的研究，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

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 忘记时间gydF4y2Ba．应指出，建议的“参与”定义部分是根据“流动”的概念制订的[gydF4y2Ba 14gydF4y2Ba]。因此，将来使用概念上更不同的测量方法来评估量表的分歧效度可能会更有成效。缺乏证据表明DBCI敬业度量表偏离了心流状态量表，这也可以作为参与者自我报告的合理解释gydF4y2Ba 使用量gydF4y2Ba与他们的客观记录没有显著相关gydF4y2Ba 使用量gydF4y2Ba;他们可能在与人交往时忘记了时间gydF4y2Ba 少喝酒gydF4y2Ba这一发现表明，自我报告和客观记录的DBCI时间指标可能涉及不同的结构;未来的研究需要检查哪一个与感兴趣的关键结果更密切相关。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 38gydF4y2Ba]。考虑到本研究中有限的参与者-项目比例和每个因素的项目数量较少，应谨慎解释双因素解决方案，并在未来的研究中值得在更大的样本中复制。第二个限制是，市场研究表明，iOS用户平均比Android用户更富有。gydF4y2Ba 39gydF4y2Ba]。随着gydF4y2Ba 少喝酒gydF4y2Ba应用程序目前只适用于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 40gydF4y2Ba]。因此，在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，小的经济奖励可能不值得下载一个应用程序的努力。事实上，一项研究评估了定期通过亚马逊的Mechanical Turk在线平台(类似于多产)完成研究任务的参与者的人口统计学和心理特征，发现大多数被调查的参与者报告说，赚钱是参与研究的主要动机。gydF4y2Ba 24gydF4y2Ba]。还应该指出的是，财政激励可能干扰了参与者的自然参与，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反应率[gydF4y2Ba 41gydF4y2Ba]。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 42gydF4y2Ba]，以确保DBCI敬业度量表检测到的是高责任心或低神经质之外的东西。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