代开发和Beta测试对新型即时自适应数字物理活动干预措施的可用性和可接受性的影响
Corneel Vandelanotte1, Carol Maher2, Danya Hodgetts1
1Appleton Institute, Central Queensland University, Rockhampton, QLD, Australia.
Journal of physical activity & health
|June 4, 2025
概括
机器学习物理活动数字助理MoveMentor在测试中显示出良好的可用性,但有用性较低. 代测试提高了参与度,但技术问题需要进一步关注.
科学领域:
- 数字健康干预措施 数字健康干预措施
- 机器学习在健康中的应用
- 促进体育活动 促进体育活动
背景情况:
- 持续需要具有成本效益的,基于人口的体育活动干预措施.
- 开发MoveMentor,这是一款由机器学习驱动的新型即时自适应数字助理.
- 测试对评估数字健康工具的技术性能和用户接受度的重要性.
研究的目的:
- 通过代测试测试评估MoveMentor应用程序的可用性和可接受性.
- 评估MoveMentor应用程序的技术性能.
- 确定内容和用户参与功能需要改进的领域.
主要方法:
- 两轮的贝塔测试与不够活跃的成年人 (n=112在第1轮,n=41在第2轮).
- 参与者在手机上使用该应用程序12周 (第1轮) 或4周 (第2轮).
- 通过在线调查收集的数据评估可用性和可接受性,以及应用程序使用指标和描述性统计数据.
主要成果:
- 该应用程序获得了良好的整体可用性评分 (系统可用性评分:75.3/100),但报告的有用性很低.
- 第二轮参与者对行动计划,教育内容和个性化功能的参与度增加.
- 持续存在的技术问题包括数据同步问题和聊天限制; 通知反是混合的,但随着定制而改善.
结论:
- 移动导师应用程序表现出良好的用户可接受性和可用性,尽管它的实用性需要增强.
- 代beta测试有效地确定了需要改进的领域,从而带来了更好的内容和参与功能.
- 测试提供了一个明确的路线图,以解决持续的技术挑战和优化数字助理.
