没有合适的资源?快使用搜索试试~ 我知道了~
互联网健康指导中的自动主题选择对话代理的微观随机试验
互联网干预27(2022)100502健康指导中与具体会话代理长期互动的自动主题选择:一项微观随机试验Tessa Beinemaa,b,*,Harm op den Akkera,b,c,Marian Hurmuza, b,Stephanie Jansen-Kosterinka, b,Hermie Hermensa,ba荷兰恩斯赫德Roessingh研究与开发电子健康集团b荷兰恩斯赫德特文特大学生物医学信号和系统小组cInnovation Sprint,布鲁塞尔,比利时A R T I C L EI N FO保留字:会话代理人主动性专题选择对话健康指导微观随机试验A B S T R A C T简介:嵌入式会话代理(ECA)可以作为虚拟教练包含在健康教练应用程序中。通过向用户呈现定制的指导对话,可以改善与这些虚拟教练的互动。在这篇文章中,我们调查了ECA自动定制主题的建议是否会导致用户更高的参与度,从而延长交互会话方法:进行了一项微随机试验(MRT),其中比较了与ECA的两种类型的交互:(a)教练建议讨论相关主题,以及(b)教练要求用户从一组选项中选择一个主题。每次用户与ECA交互时,都会随机选择其中一个条件。参与者在日常生活中与ECA互动,ECA是多代理健康教练应用程序的一部分,持续4-8周。结果:在两轮中,82名参与者与微随机教练共互动1011次。在-教练采取主动的互动被发现与允许用户选择主题的互动具有相同的长度,并且主题建议的接受度很高(总体为71.1%,教练主题为75.8%)。结论:通过让教练自动建议为用户量身定制的主题来定制与ECA的教练对话,被视为交互流中的自然变化。未来的研究可以集中在改进新的教练引擎组件,支持这些建议的主题选择过程中,或调查如何由非洲经委会的倡议和教练方法的量可以定制。1. 介绍数字行为改变干预措施(DBCI)越来越多地被研究(Brinkman,2016)作为支持人们健康行为改变过程的工具,无论是作为治疗健康状况的手段还是预防性的手段。这些应用程序可根据需要为用户提供支持,并且始终可用。然而,它们在依从性方面面临挑战(Wangberg等人 , 2008; Nijland , 2011; Crutzen 等 人 , 2011; Kohl 等 人 , 2013;Yardley等人,2016年)。目前正在积极研究这种缺乏遵守的潜在原因。似乎起作用的因素是缺乏医疗保健专业人员的直接参与(没有社会激励)和内容并不总是适合用户的个人情况(内容的相关性)(例如,Andersson等人(2009年);Buimer等人(2017))。两个方向的研究,旨在提高这些应用程序的互动和参与,因此,会话代理(ECA)和剪裁。ECA是用于与用户通信的实施例”(Ruttkay等人, 2004年)。在DBCI中,这些代理可以扮演教练的角色(Kramer等人, 2020),并且它们给出了系统的社交能力,这对于维持协作关系是重要的(Bickmore等人,2010; Kam-phorst,2017; Bickmore等人,2018年)。ECA使健康应用程序的使用更容易,更令人满意,不那么令人沮丧(和r'e和Pelachaud,2010年; Bickmore等人,2016)和潜在更有效(Ma等人,2019年)。此外,它们总是可用的,并且它们的对话可以动态地为用户定制,例如通过缩略语:ECA,对话代理; MRT,微型随机试验。* 通讯作者:荷兰恩斯赫德特文特大学生物医学信号和系统组电子邮件地址:t.c. utwente.nl(T.Beinema)。https://doi.org/10.1016/j.invent.2022.100502接收日期:2021年7月26日;接收日期:2022年1月27日;接受日期:2022年2月2日在线预订2022年2月6日2214-7829/©2022的自行发表通过ElsevierB.V.这是一个开放接入文章下的CCby-NC-ND 许 可 证(http://creativecommons.org/licenses/by-nc-nd/4.0/)中找到。可在ScienceDirect上获得目录列表互联网干预期刊主页:www.elsevier.com/locate/inventT. Beinema等人互联网干预27(2022)1005022必要时详细阐述某些讨论主题(Bickmore和Giorgino,2006年)。在健康指导应用中,ECA可以是主要组件(例如,Sebastian andRichards(2017); op den Akker et al. (2018))或者它们可以是更广泛应用的一部分(例如,van Velsen等(2020))。最终,无论其具体特征和能力如何,健康应用程序都需要在更长的时间内参与,以影响用户的行为变化(Yardley等人, 2016; Perski等人, 2017; Cole-Lewis等人,2019年)。或者,正如Bickmore等人(2010)在ECA的背景下所述:” 他们还强调,“大E”依赖于“小E”。一般来说,对于与应用程序的交互,短期参与往往被表征为流(Nakamura和Csikszentmihalyi,2002; Hamari等人, 2016年)或享受(O'Brien和Toms,2013年),而长期参与可以被视为随着时间的推移系统使用的持续时间和深度(Couper等人,2010年)。对于长期参与有几个客观的测量,例如用户选择的自愿交互的数量,登录的数量以及使用的内容的数量和类型(Perski等人, 2017; Trinh等人, 2018年)。Tailoring(op den Akker et al.,2014)被调查以使数字健康应用的内容(诸如与ECA的对话)与特定用户更加个人相关(例如,Wangberg等人(2008);Krebs等人(2010);Ryan等人(2019))。然而,大多数关于定制辅导内容的研究都集中在呈现信息的最后步骤上(例如,插入定制的目标或调整句子的措辞)。通常,在具有ECA的健康指导应用中,参与者要么全部遵循相同的指导程序,要么人类专家手动定义要呈现的内容的高级结构(例如,Abdullah等人(2018);Benítez-Guijarro等人(2019);Fadhil等人(2019))。第一种方法是向所有参与者提供同样的对话,第二种方法则需要卫生专业人员的持续参与。或者,可以允许参与者选择他们想要讨论的内容,这可以导致更多的参与,因为用户感觉他们在控制中(Perski等人,2017年)。然而,这种方法确实将主动权交给了用户,而教练应该是专家“电子辅导系统应该是可信和积极主动的“。 所以我们我认为,通过让ECA自动建议相关主题进行讨论(立即和长期),同时允许用户做出最终决定,将第一种和第二种方法结合起来,可能会改善与虚拟教练的互动1.1. 研究旨在在这篇文章中,我们提出了一项研究,参与者在日常生活环境中与ECA进行了较长时间的互动。本研究调查了在主题级别上自动定制指导对话对用户与应用程序交互的影响具体来说,我们让一个教练ECA采取主动,建议一个相关的主题进行讨论,我们比较这与一个更传统的方法,用户选择自己的主题。如果这种相关主题的建议因此,我们的研究问题是:RQ:自动定制的主题建议对与ECA互动的时间长度ECA的使用、个人相关性和定制都被发现会影响与DBCI的互动(例如,Wangberg等人(2008); Krebs等人(2008)(2010);Kra¨meretal. (2010);Perskiet al. (2017);Ryan等人(2019))。此外,手动定制辅导主题或模块也受到人类专家的赞赏(Abdullah等人,2018; Benítez-Guijarro等人,2019; Fadhil等人,2019年)。因此,我们假设相关主题的建议将导致与ECA的接触增加,从而延长互动时间:H1。自动定制主题的建议将导致与ECA的互动时间更长。此外,我们还仔细研究了用户对ECA主动提出的主题的接受程度,这表明了这些建议的质量或相关性。我们还对可能影响接受这些建议的潜在人口统计数据进行了初步探索,因为已经发现各种人口统计数据会影响DBCI的参与和欣赏(例如,例如,在一个实施例中,如Hardiker和Grant(2011);Perski等人(2017);vanVelsen等人(2019);Beinema等 人 ( 2021 ) ) 和 ECA ( 例 如 , Payne 等 ( 2013 ) ;Pezzullo 等 人(2017))。这两项调查可以为未来自动定制谈话主题的工作提供起点。因此,我们的第二和第三个假设如下:H2。参与者通常会接受建议的主题。H3.参与者的人口统计影响他们对建议主题的接受程度。在下面的部分中,我们将首先提供一些关于多智能体健康教练应用、虚拟教练中的主动性和微观随机试验方法的背景。然后,我们将详细介绍微观随机试验的设计和实施,以及我们进行试验和分析的方法。最后,我们将展示结果并讨论我们的发现和结论。2. 背景2.1. 多智能体健康指导改变行为可以预防或缓解健康状况,但长期改变往往很困难(Bouton,2014年)。如前所述,具有ECA的健康教练应用程序可以在此过程中为用户提供大多数ECA应用程序都将单个ECA作为具有特定专业知识的教练身体活动(Watson等人,2012; King等人,2017))。然而,健康往往需要多个领域的支持(世界卫生组织,1946年; Huber等人,2016年)。这导致了多个领域的单一ECA辅导(Gardiner等人, 2017; Klaassen等人,2018年)和最近的多个教练教练多个领域(op den Akker等人, 2018; Das等人, 2019; Kramer等人, 2021年)。同时拥有多个教练提供了替代说服的机会(Kantharaju等人,2018)和参与(和r'e和Rist,2001)。 每个代理可以具有特定的专业知识和角色-例如,营养师或私人教练-并且可以呈现多个观点,而不会出现ECA自相矛盾(Hayashi和Ogawa,2012 ;Kantharaju等人,2019年)。我们在存在多个ECA并与用户交互的设置中执行我们的实验,使得结果可以被并入针对广泛的ECA健康教练应用的定制方法中。2.2. 虚拟教练主 动 或 积 极 主 动 , 是 虚 拟 教 练 的 重 要 属 性 。 正 如 Kamphorst(2017)之前所述,电子教练系统需要,例如,邀请用户反思他们对目标的承诺,或者在怀疑的弱点时刻警告他们。这就要求系统足够灵活,可以对新的需求做出响应,并可以开始就这些主题进行交流当涉及到开始互动时,发现主动的ECA在提供支持方面更好(例如,孤独对老年人T. Beinema等人互联网干预27(2022)1005023成年人(Ring等人,2013))。主动代理也可以被认为是更有帮助的,即使他们的主动性不会立即改善任务性能(Xiao et al., 2002年)。 然而,在积极主动时使用正确的语气是很重要的,例如,在工作时间提醒用户时(Bickmore等人,2007年)。此外,虽然积极主动的教练可以在正确的时刻提供正确的指导,但最终,虚拟教练应该支持用户,而不仅仅是决定他们应该如何表现(Brinkman,2016)。因此,关于虚拟教练的主动性的研究可以从共享决策研究中的关于促进者和障碍(Joseph-Williams等人,2014))以及人类和ECA之间的差异(Zhang和Bickmore,2018)。2.3. 微型随机试验正确评估技术支持的卫生服务在现实世界环境中的有效性是具有挑战性的,需要务实的研究设计(Ekeland et al.,2010,2012; Kairy等人,2009年; LaPlante和Peng,2011年)。微型随机试验(MRT)是一种评估干预措施的方法,最初由Klasnja等人提出。(2015)用于评价及时适应性干预(JITAIs)。他们发现,传统的方法,如随机试验,不适合评估这些JITAI。在微观随机试验中,在每个相关决策点(例如,是否发送通知)。此外,在MRT中,通过类似于预期长期效果的短期参数,在每次干预后测量效果。在我们的评估中,每次用户与教练互动时,选择主题的主动性都是随机的,我们测量了紧随其后的互动时间。3. 方法我们进行了MRT,以比较用户对教练提出主题(教练主动性)的响应与更传统的教练对话实现(用户可以自己选择主题)的响应。微随机试验被嵌入在教练委员会申请的最终评估中(opdenAkker等人,2018年),其中包括两个独立的回合与参与者。该评估的完整协议在一篇文章中描述Hurmuz et al.(2020).因为地铁的参与者 作为全面评估,我们将只总结与MRT相关的整个程序的重要方面,同时详细说明MRT本身的设计和实施。3.1. 多代理eHealth应用程序在教练委员会的申请中(op den Akker等人,2018; Hurmuz等人,2020年),用户可以与多个ECA进行交互。每个出口信贷机构都有自己的角色、专长和背景。有六个教练在以下领域的专业知识:体育活动,营养,社会活动,认知,慢性疼痛和糖尿病。此外,还有一个提供对等支持的代理和一个引导用户通过应用程序的代理(助手)。在与助理的摄入量,用户可以选择他们的教练委员会。体力活动教练和营养教练是强制性的,糖尿病和慢性疼痛教练只提供给那些在摄入量中表明有这些条件的人在图1中可以找到与应用的示例交互。用户可以通过点击他们选择的教练开始与应用程序中的教练之一进行交互。这种交互中的主要参与者是用户和特定教练,但是其他教练也可以加入以提供他们自己关于正在进行的对话的观点。交互遵循语音气泡和回复按钮范例,如图所示。1.一、3.2. 研究设计MRT是专门为两个强制性教练之一,体育活动教练(奥利维亚)。在MRT中,我们随机化了两种类型的交互。第一个是交互,用户决定他们想要讨论什么第二种是交互,其中教练根据当前用户参数自动建议要讨论的主题(详细信息请参见第3.3.4因此,图1.一、 在多代理电子健康应用程序中与体育活动教练(Olivia)的交互示例。T. Beinema等人互联网干预27(2022)1005024“你想谈什么?““让我们谈谈(话题)。“两个条件:条件1:用户获得主动权并选择会话主题(用户主动)。条件2:ECA采取主动,并建议谈话的主题(教练主动)。每次用户点击身体活动教练(以开始交互)时,系统将微随机地选择两个条件之一;两者都有50%的机会(见图2)。这两个条件之间的区别在于通过前面的菜单对话和“开始[主题]”对话开始交互3.3. 执行健康指导应用程序被实现为使用客户端-服务器设置在平板电脑、笔记本电脑或台式机上使用。WOOL对话平台(Beinema等人,2022)用于对话创作和执行。为了便于在MRT中实现这两个条件,我们将可以讨论的主题构建为层次树。 这棵树可以在图中找到。3.第三章。3.3.1. 内容对话内容是为主题树中的八个主题创建的,即:导论.教练和用户之间的对话,其中教练向用户介绍自己,并提供关于她的背景和用户可能期望从她那里获得的教练内容类型的一些信息。背景故事社交对话,其中教练与用户分享她的背景故事的一部分。例如,一个关于奥利维亚的狗讨论传感器。对话涵盖子主题,如“连接您的活动跟踪器。为什么我应该使用活动跟踪器?“,以及”我的传感器不工作,为什么?“目标设定用户可以在对话框中设置新的长期和短期目标,或更改当前目标。反馈允许用户查看其测量活动数据的对话框。在这些对话中,教练还可以向用户展示他们的收集信息。教练向用户询问可用于定制或个性化所提供的指导的信息的对话。例如,“你有狗吗?”’告诉我为什么。对话中,教练解释了为什么身体活动是好的。例如,“积极运动会增加血液流动,这对你的大脑是健康的”。告诉教练就如何更积极地锻炼身体给出建议的对话。例如,“走楼梯而不是电梯”。为每个主题编写了对话脚本,有荷兰语和英语两种版本。此外,对于用户主动性条件,创建了一个菜单对话框,用户可以使用它来选择一个主题。图二. MRT中程序的示意图此外,对于教练主动性条件,在每个主题之前创建我们将在下面的小节中详细阐述这一点。3.3.2. 用户主动性在用户主动的情况下,用户可以选择一个主题进行讨论。我们定义了一个“菜单”对话框,促进了这一点。当用户点击身体活动教练并且还没有完成介绍对话时,菜单对话中的第一步将引导他们进入介绍对话。对于随后的每一次互动,教练都会说:“嘿,很高兴再次见到你!有什么可以帮你的吗?’ 然后用户可以回答:“我只是想聊天。”(导致社会),“让我们谈谈教练。’ 如果用户点击“让我们谈谈教练”,教练会说“让我们开始谈正事,谈谈教练。”你今天想讨论什么?’ ’ 以这种方式,菜单对话框将允许用户根据如图1所示的主题结构朝向关于他们偏好的主题的对话框导航。3.第三章。3.3.3. 教练员主动性在教练主动的情况下,教练会提出一个话题来讨论。这个建议的主题是由我们的教练引擎组件选择的(Beinema等人的原始概念。(2018))。该辅导引擎应用了一种主题选择算法,该算法考虑了对话可用性、完成日期和数据先决条件等参数。在这种情况下,不同主题的对话之前将有一个简短的一步对话,其中教练建议主题。例如,这样的陈述可以是:“你想让我告诉你一些关于你如何才能更积极的事情吗?”“的。然后用户可以用(一种变体)’ ’在第二轮研究中,用户还可以选择回答“我想讨论其他事情”。’3.3.4. 主题选择算法对于coach-initiative条件,主题模型被实现为树(以主题为节点)。每个主题都被分配了一组选择参数,这些参数与有助于该主题相关性(积极或消极)的方面相似。这些参数各自具有分配给它们的权重,并且它们的值取决于为特定用户存储的信息(例如,他们的年龄,以前完成的对话,或可用的数据)。除了这些选择参数外,还为主题分配了先验权重和值。在第一轮中,所有主题的评分均设为0.5和0.5对于第二轮,所有主题的评分均改为0.0和0.0。这样做的同时也增加了各轮之间的额外对话内容,因为降低专题的剩余相关性似乎是对所产生建议的改进。举一个具体的例子,“目标设置”主题的这将导致当跟踪器连接时,主题最适合讨论,没有设定目标,并且主题尚未讨论。主题的相关性通过使用以下公式(其中p是主题的选择参数的数量)对参数的权重和值进行加权平均来用户主动条件开始菜单对话框教练员主动性条件选择开始[主题]相关主题对话参与者点击P.A. 教练T. Beinema等人互联网干预27(2022)1005025基线使用应用申请的任意使用∑i1=开始社会教练介绍*1分享一个背景故事目标设定讨论传感器*2个反馈健康教育*3收集信息告知“为什么”告知“如何”图三. 主题模型,其特征在于可以与身体活动教练进行对话的主题。*1 第二轮研究增加了背景故事主题,*2扩展了反馈主题。* 3收集信息主题仅在教练主动条件下可用。相关性=pwa-prioriva-priori+wiviP=wa-priori+∑i1wi(一)的t01周4周T14周T2每当必须建议一个主题时,选择算法从树的顶部开始(开始),计算所有直接子主题的相关性,然后选择其中一个子主题(在这种情况下是社交或教练)。根据勘探和开发之间的平衡,基线问卷日志数据在为算法设置的最高相关性的主题中,选择是从加权分布(越相关的主题具有被选择的越高的机会)或通过选择具有最高相关性的主题来进行的。在本研究的第一轮和第二轮之间,探索概率从0%增加到25%,因为如果参数在相关性方面接近,则它提供了所选主题的更多变化。选择过程将继续,直到选择了一个没有其他子主题的主题。3.4. 参与者该研究针对老年人(55岁或以上)。入选标准是他们必须能够阅读和讲荷兰语或英语,家中有WiFi连接,能够提供知情同意书,并且能够清楚地看到智能手机/平板电脑屏幕。最终,由于招募困难,苏格兰第二轮的年龄要求略有放宽。参与者是通过荷兰和苏格兰当地报纸和社交媒体上的广告招募的。参与者被告知,他们将收到一份小礼物,以感谢他们的参与,无论他们参与的积极程度如何。招募工作分两轮进行,每一轮都在研究的相应一轮之前。3.5. 程序MRT分两轮进行,教练委员会申请的总体评估程序也是如此(Hurmuz等人, 2020年(见图) 4)。出于务实的原因,在现实生活环境中进行了两轮评估,以确保有足够的人力支持和设备(例如,片剂)。在T0时,研究人员与参与者会面,为他们提供技术,创建一个帐户并与助理代理完成摄入,并让参与者完成基线问卷(关于人口统计学和健康状况)。在接下来的一周基线阶段,参与者戴上了活动跟踪器,但他们还没有使用教练应用程序。包括此阶段是为了确保活动见图4。 显示微随机试验程序的时间轴。当他们开始使用应用程序时,数据将出现,并允许跟踪器的新奇效果逐渐消失。在这周之后,参与者被要求按照他们的意愿使用应用程序四周(他们没有收到频率的指示)。在T1时,对参与者进行了访谈(在第二轮中增加了MRT的其他问题),他们可以表明他们是否希望将应用程序再使用四周(临时使用阶段)。如果参与者不想继续使用该应用程序,则研究将在T1结束,否则将在T2结束。由于新冠肺炎和我们的目标人群是老年人,第二轮研究遵循了相同的整体程序,但研究人员和参与者之间的直接接触有限。通过邮寄向参与者发送材料,通过电话进行解释,并通过电话进行访谈3.6. 成果和衡量本研究的主要结果是相互作用的长度(即,对话步骤的数目),用户对教练的主题建议的接受接受/拒绝教练建议的主题)和人口统计学对建议接受的影响。次要结果是用户对教练建议主题的体验(即,注意到它,如果他们是积极的,中立的或消极的)。MRT收集了三种类型的数据。第一类数据来自于T0时基线问卷中包含的人口统计学问题。参与者被要求提供他们的性别(男性/女性)、年龄、最高教育水平(小学教育、中学教育、继续教育或高等教育)和生活状况(单身、已婚/同居、与我的照顾者同居、其他)。他们还被问及Chew等人(2004年)健康素养量表的三个项目(五分制李克特量表),对技术的态度的四个项目(Agarwal和Prasad,1998年)(七分制李克特量表),他们健康生活的动机问题(vanT. Beinema等人互联网干预27(2022)1005026Velsen等人,2019年)(根据7分制李克特量表)和他们自我报告的身体活动水平(完全没有,完全没有,但考虑开始,每周少于2.5小时,过去6个月每周超过2.5小时,超过6个月每周超过2.5小时)。第二类数据来自系统的交互日志。这些日志包括与教练开始的每一次对话的记录。每个对话的存储信息包括:对话步骤。教练的每一句话或用户的每一个回复都被算作一个对话步骤。• ‘Cancellation’ boolean对话是否通过点击教练讲话气泡的“‘Completed’ boolean对话是否完成,也就是说,对话结束是因为它完成了,还是用户通过用“再见”回复来结束对话。条件指示实验条件:用户主动或教练主动。推荐人如果对话是因为用户从另一个对话中引用而启动的(如果是,是哪一个)。对话步骤的数量是我们用来量化交互长度的参数,因为它为与代理的交互量提供了一个明确的短期参数。“取消”和“完成”的布尔值和第一个用户对建议的第三类数据是参与者对访谈问题的回答。我们将这些问题添加到第二轮T1这些问题如下:“你和体育教练有互动吗?“,以及(如果是”yes")“你有没有注意到体育教练有时会带着一个话题的建议来?”(如果是“你”)“你觉得这个怎么样?“的。3.7. 测井数据我们用来确定互动时间长度的结果参数是对话步骤的数量。当用户点击教练时,交互开始用户选择“Goodbye”)、取消(用“X”按钮关闭语音气泡)或当它没有完成或取消,但记录了新的对话(例如,当浏览器被刷新时)。用户主动交互开始于没有提示符的菜单对话,教练主动交互开始于“我们讨论X吧”对话之一。我们应用了以下预处理步骤:1. 我们排除了“双击”错误导致的对话的日志也就是说,两个对话在1秒内启动,第一个日志只包括代理的第一条语句。2. 成功连接探头后,系统启动的我们手动重新标记了此事件后的对话框,其标签与前面的“连接传感器”对话框相同3. 当系统出现以下情况时,它可以检索数据。在某些情况下,在参与者从外部连接页面返回后,对话的开始会有延迟。有时候,参与者已经开始与教练进行新的对话,然后被打断。如果这些中断的对话只有一个对话步骤长,我们将其删除。如果新的对话长于一个步骤,我们将删除干扰对话和被干扰对话,因为两者都不能达到其全部对话步骤数(在某些情况下,两个对话属于不同的条件)。为了结束预处理,我们汇总了作为一个交互的一部分的对话的信息。所得到的数据集包含每个交互的一行信息,例如参与者标识符、实验条件、对话步骤的数量、交互中的最后一个对话是完成还是取消以及陈述和回答的记录。3.8. 分析使用IBM SPSS Statistics 25版进行数据分析。由于我们在两轮评估之间对可用内容和选题算法的设置进行了调整,因此除了调查人口统计学对接受度的影响的分析外,我们分别对两轮进行了分析。尽管我们分别分析了两轮,但我们确实比较了两轮参与者的人口统计数据,以了解这两组的比较情况。对于连续的人口统计数据,年龄,健康素养,对技术的态度,内在动机,外部调节和a-动机,我们进行了独立样本t检验。对于分类人口统计学性别和国家,我们进行了Pearson卡方检验,但对于生活状况,我们进行了Fisher精确检验,因为有些单元格包含的项目少于5个。最后,对于教育和自我报告的身体活动的顺序人口统计学水平,我们进行了Mann-WhitneyU检验。为了检验我们的第一个假设,即教练主动条件下的交互比用户主动条件下的交互更长(就对话步骤而言),进行了广义估计方程(GEE)分析。在Klasnja等人(2015)在介绍MRT的论文中命名的两种方法(GEE和MLM)中,GEE对分布的假设不太明确,可以更好地处理较小的集群。添加受试者数量作为受试者变量。选择可交换结构作为工作相关矩阵。我们检查了预期的因变量(步数)的正态性,并决定将其包括在应用的自然对数转换中。条件(用户主动性或教练主动性)被纳入我们的模型作为主要的预测因素。所有其他设置都设置为标准选项。第二轮新增问题的访谈数据分析了这些数据,以深入了解用户对举措变化的体验。完整的访谈被记录并转录用于更大的评估(Hurmuz等人,2020年)。我们为这项研究增加的三个访谈问题的具体答案列在一个EX cel文件中。在该文件中,我们计算了’ ’ 两位作者(TB和HO)将参与者对“你对此有何看法?”’讨论了类别分配的差异(25%),并分配了最终类别为了评估在教练主动性条件下(与我们的第二个假设相关)教练建议的主题的接受程度,我们创建了一个概览表,列出了每个参与者每个主题的接受和拒绝建议的数量。然后,我们从该表中计算了被接受的建议的总数(用户同意通过选择“是的,那就好了”来讨论该主题)。’ 我们还计算了用户主动交互的百分比,其中教练只做了一个陈述,以了解在这种情况下的拒绝率。最后,为了探索某些用户特征是否可能与接受或拒绝建议的主题(我们的第三个假设)有关,我们观察了单个用户的反应。我们纳入了来自两轮的参与者,他们在教练主动条件下总共有10次以上的互动。一个非参数肯德尔的Tau相关性进行有序和连续的人口统计和百分之接受的建议。具体而言,这些人口统计数据是:····T. Beinema等人互联网干预27(2022)1005027==-=-=-=-年龄、自我报告的身体活动、健康素养、教育、对技术的态度、内在动机、外部调节和a-动机。进行Mann-WhitneyU检验,以检验国家(NL、SC)和性别(男性、女性)的可接受性是否存在差异。我们在测试中没有包括生活状况人口统计学,因为几乎所有的参与者都已婚和/或同居。3.9. 伦理批准如前所述,微随机试验被包括在更大的评价中(Hurmuz等人,2020年)。该评价根据赫尔辛基宣言(第64届WMA大会,巴西福塔莱萨,2013年10月)的原则和《涉及人类受试者的医学研究法》(荷兰法律:Wet medisch-wetenschappelijk onderzoek mensen(WMO))进行。根据世界气象组织的说法,这项研究在荷兰进行不需要正式的医学伦理批准。这由MREC CMO Arnhem-Nijmegen(文件编号:2019-5555)进行了检查。对于苏格兰,邓迪大学科学与工程研究伦理委员会(SSEREC)的伦理批准。每位参与者事先在纸上签署了知情同意书4. 结果4.1. 参与者在第一轮中,44名参与者创建了一个账户,40名参与者与体现MRT的ECA进行了互动(23名荷兰人,17名SC人)。所有人口统计数据的完整概述见表1。这些MRT参与者的平均年龄为65.35岁(SD=7.35)。大部分都是表1MRT参与者的人口统计学女性(67.5%)。 健康素养较好(M4.35,SD0.67),对技术态度略积极(M4.46,SD1.17)。在健康生活方面,他们的内在动机水平很高,而外部调节或a-motivation水平相对较低。大多数(57.5%)受过高等职业教育或大学教育。大多数人已婚或同居(75%),他们相当活跃,52.5%的人每周活动超过2.5小时在第二轮中,46名参与者创建了一个账户,42名参与者与体现MRT的ECA进行了互动(24名NL,18名SC)。参与者的平均年龄为62.12岁(SD8.68)。虽然目标人群为55岁及以上的成年人,但纳入了4名参与者,分别为40岁、42岁、47岁和54岁。我们决定把这些参与者包括在内 。 大 多 数 参 与 者 是 女 性 (71.4% ) 。 健 康 素 养 较 好 ( M4.32 ,SD0.62),对技术态度略积极(M4.57,标准差1.53)。该第二组也有很高的内在动机和相对较低的外部调节或A-动机,当谈到生活健康。受教育程度高(61.9%为高等职业或大学),他们大多已婚或同居(76.2%),他们相当活跃,59.5%每周活动超过2.5小时分析表明,在平均水平上没有显著差异。在两轮选举之间的投票人数4.2. 所收集的日志数据在第一轮中,为所有参与者收集了6077个记录的对话,并且对于第二轮,为所有参与者收集了6222个对话。对这些记录的对话进行预处理后,与体现MRT的ECA进行了2384和2210次对话。这些对话在第一轮中有568次互动,在第二轮中有443次互动。 图 5示出了说明两轮的这些步骤的流程图。人口统计学类别第1轮(N=40)M(SD)或N(%)年龄65.35(SD第2轮(N=42)M(SD)或N(%)62.12(标准差4.3. 比较相互作用长度两轮中两种条件的对话步骤分布见表2。GEE表明,在用户主动和性别男=7.35)=8.68)两轮比赛中任何一轮的教练主动性条件(见表3)。女性国家荷兰13人(32.5%)12人(28.6%)27(67.5%)30(71.4%)23(57.5%)24(57.1%)因此,我们不能接受我们的假设,即教练采取主动将导致更长的互动(H1)。用户主动性和教练-苏格兰17(42.5%)18(42.9%)主动互动的时间是一样长的。健康素养4.35(SD=0.67)4.32(标准差=0.62)技术态度健康生活的动力4.46(SD=1.17)内在动机5.19(SD=1.11)EX内部调节2.82(SD=4.57(SD=(1.53)5.07(SD=0.92)3.14(标准差=A动机1.26)2.28(SD=(1.45)1.19)2.19(SD=1.06)教育程度高等普通中等教育、大学预科教育高等职业教育,大学8人(20.0%)3人(7.1%)9(22.5%)13(31.0%)23人(57.5%)26人(61.9%)已婚/同居30人(75%)32人(76.2%)单独9例(22.5%)和10例(23.8%)其他1(2.5%)0(0.0%)自我报告完全没有4(10.0%)1(2.4%)身体活动一点也不,但是考虑开始1(2.5%)3(7.1%)<每周2.5小时14(35.0%)13(31.0%)在过去六个月内每周超过每周>2.5小时,持续6个月以上12(30.0%)14(33.3%)9(22.5%)11(26.2%)图五. 两个流程图说明了收集的对话、预处理后的对话以及两种条件下的交互的数量。请注意,多个对话链接在一起形成一个交互。记录的对话总数(N=6077)预处理对话(N= 2384)相互作用(N= 568)用户-教练-主动性主动性互动互动(N=295)(N= 273)第1记录的对话总数(N=6222)预处理对话(N= 2210)相互作用(N= 443)用户-教练-主动性主动性互动互动(N=238)(N= 205)第2T. Beinema等人互联网干预27(2022)1005028==表2两轮中两种条件下交互中对话步骤数的分布,以及对话步骤数的自然对数变换(用于GEE)。轮倡议N步Ln(N步)M(标准差)M(标准差)1用户25.29(22.53)2.70(1.21)教练22.09(19.25)2.47(1.36)2用户28.47(28.47)2.90(1.14)教练24.91(20.29)2.72(1.20)表3两轮。圆形β标准品误差pWaldχ21.239.1272.060 3.531(1)1.290(1)我和其他教练在几个场合。’ 一位与会者说,这刺激了人们讨论某件事,并表明有些人(包括他自己)需要这样做。三位与会者对建议不感兴趣(例如,“我对自己的进步更感兴趣。’与会者的意见似乎也反映在他们的答复例如,对于建议,认为这是令人愉快的惊喜并且喜欢交互的人接受了14个建议中的13个,而对他们的进展感兴趣的人接受了12个建议中的5个,选择了在两个案例中,记录的对建议的反应与参与者表达的意见之间存在明显的差异。例如,一个人不喜欢教练的建议,并通过声明她想要直接和具体的教练建议而不是社交对话来激发这一点。然而,她的日志数据确实显示,她同意讨论75%的建议的题目。另一个人说,她心里一直有一个话题,她想讨论,因此她不接受建议,4.4. 面试成绩第二轮面试包括三个面试问题。图6示出了提供如本节中所描述的参与者编号的概述的流程图。在42名参与者中,有5名参与者没有接受采访(11.9%)。两名参与者表示他们没有与体现MRT的ECA进行互动(4.8%),两名参与者表示他们只与她完成了介绍对话(4.8%),一名参与者表示他们没有与教练进行互动,但实际上根据日志进行了两次互动(2.4%)。其他32名参与者与体育教练进行了互动。几乎所有的被试都接触过教练主动对话条件(N30,71.4%),大多数被试也接受并与教练讨 论 了 一 个 建 议 的 话 题 ( N28 , 66.7% ) 。 然 而 , 只 有 16 人(38.1%)表示他们注意到教练有时会采取主动。在注意到主动性变化的16名参与者中,8名对用户或教练主动性没有偏好,5名似乎喜欢教练的建议(例如,我觉得这很好还指示见图6。一个流程图证明了参与者人数的概述,为面试。(Q1、Q2和Q3分别指第一、第二和第三次面试的问题。)从教练那里。然而,她同意讨论所有关于教练的建议话题,只拒绝了所有社会话题。4.5. 接受建议的专题在第一轮中,教练主动提出了一个话题,在273次互动中讨论。从表4可以看出,这些建议的总体接受率很高,有213个接受(78.0%)。在60例(22.0%)中,建议的主题未被用户接受。我们必须注意,然而,从16 '再见。’总的来说,大多数建议的主题在第一轮中受到好评。接受率较高的主题是介绍(38个中的26个; 68.4%),目标设定(35个中的32个;91.4%),收集信息(35个中的20个22例; 90.9%)和告知(79例中的69例; 87.4%)。 传感器主题是参与者接受较少(99人中的66人; 66.7%)。在这33个拒绝中,有15个是因为连接传感器的建议而取消的;大多数是在后来的提示下同意讨论这个话题的参与者。在第二轮中,教练主动提出了一个话题,在205次互动中讨论。从表4
下载后可阅读完整内容,剩余1页未读,立即下载
cpongm
- 粉丝: 5
- 资源: 2万+
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- 李兴华Java基础教程:从入门到精通
- U盘与硬盘启动安装教程:从菜鸟到专家
- C++面试宝典:动态内存管理与继承解析
- C++ STL源码深度解析:专家级剖析与关键技术
- C/C++调用DOS命令实战指南
- 神经网络补偿的多传感器航迹融合技术
- GIS中的大地坐标系与椭球体解析
- 海思Hi3515 H.264编解码处理器用户手册
- Oracle基础练习题与解答
- 谷歌地球3D建筑筛选新流程详解
- CFO与CIO携手:数据管理与企业增值的战略
- Eclipse IDE基础教程:从入门到精通
- Shell脚本专家宝典:全面学习与资源指南
- Tomcat安装指南:附带JDK配置步骤
- NA3003A电子水准仪数据格式解析与转换研究
- 自动化专业英语词汇精华:必备术语集锦
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功