设计一个视觉分析工具来支持数字心理健康干预的数据分析任务:案例研究
Gyuwon Jung1, Heejeong Lim2, Kyungsik Han3,4
1School of Computing, KAIST, Daejeon, Republic of Korea.
JMIR human factors
|July 2, 2025
概括
本研究引入了一种新的模型和视觉分析工具,用于分析数字健康干预数据,改善对研究人员用户参与和干预有效性的洞察力.
科学领域:
- 数字健康数字健康
- 医疗信息学 医疗信息学
- 人与计算机的交互
背景情况:
- 数字健康干预 (DHI) 产生了有价值的用户数据,以改善健康管理.
- 目前的DHI数据分析实践是分散的,阻碍了全面的理解.
- 数据驱动的洞察力对于后部署干预改进至关重要.
研究的目的:
- 为整体DHI数据分析提出分析任务模型.
- 根据该模型开发一个交互式视觉分析工具.
- 评估模型的适用性和工具对DHI研究的任务支持.
主要方法:
- 构建了一个DHI数据分析模型,包含用户特征,参与度和有效性组件.
- 设计了Maum健康分析,这是一个视觉分析工具原型,将特征映射到模型中.
- 通过使用现实世界的DHI数据和采访,与15名研究人员进行了用户研究.
主要成果:
- 研究人员发现,分析模型和工具积极支持识别需要护理的用户,并提供建议.
- 该工具促进了针对用户特征和参与度的干预有效性的分析.
- 参与者强调了该工具在简化分析和改善多学科沟通方面的作用.
结论:
- 拟议的模型和视觉分析工具为DHI数据分析提供了一个整体的方法.
- 该工具简化了复杂的分析任务,并加强了研究人员之间的合作.
- 这种综合方法满足了日益增长的DHI数据分析需求,并提高了效率.
关键词:
数据分析任务数据分析任务数字健康干预措施的数字健康干预有效性 有效性.人与数据的交互心理健康 心理健康观察数据 观察数据 观察数据用户特点 用户特点用户参与度用户参与度用户体验用户体验视觉分析 视觉分析更多相关视频
10:43Eye-tracking Technology and Data-mining Techniques used for a Behavioral Analysis of Adults engaged in Learning Processes
Published on: June 10, 2021
5.5K
08:25Polar Histogram Visualization of Acute Stress Disorder Scale Scores for Comprehensive Clinical Assessment
Published on: December 6, 2024
525
