一个移动干预,以减少大学生,教师和工作人员的焦虑:混合方法研究用户的经验
Sarah Livermon1, Audrey Michel2, Yiyang Zhang2
1Department of Systems and Information Engineering, University of Virginia, Charlottesville, United States of America.
PLOS digital health
|January 8, 2025
概括
数字心理健康干预措施,如解释认知偏差修改 (CBM-I),在减少大学社区焦虑方面表现出适度的有效性. 个性化是提高用户体验和不同学生和工作人员群体的接受度的关键.
科学领域:
- 心理学 心理学 心理学
- 数字心理健康数字心理健康
- 认知行为疗法是认知行为疗法.
背景情况:
- 焦虑是大学社区的一个重要问题,影响学生,教师和工作人员.
- 数字心理健康干预 (DMHI) 提供了可访问的解决方案,但用户体验和可接受性需要评估.
- 认知偏差修改解释 (CBM-I) 针对认知偏差来提高心理灵活性.
研究的目的:
- 评估大学社区成员对移动CBM-I应用程序 (Hoos Think Calmly) 的用户体验和接受度.
- 确定影响DMHIs在不同人口群体中的有效性和相关性的因素.
主要方法:
- 混合方法方法结合了问卷数据 (n=134) 和半结构面试 (n=22).
- 胡斯的Think Calmly应用程序提供了简短的CBM-I训练剂量.
- 从主题上分析的定性数据;从用户体验问卷中获得的定量数据.
主要成果:
- 43.30%的参与者认为该计划对焦虑/压力管理有所帮助.
- 研究生报告了最高的有效性和可联系性.
- 本科生,工作人员和教职员工报告了更多的混合到不那么积极的结果.
结论:
- 像CBM-I这样的DMHI显示出潜力,但需要加强定制和个性化,以获得更广泛的接受度.
- 研究结果表明,根据不同用户人口统计数据量身定制干预措施可以改善参与度和结果.
- 未来的DMHI开发应该优先考虑以用户为中心的设计和适应性.
