评估心理健康从业人员经验采样数据的视觉反
Maarten Piot1, Egon Dejonckheere1,2, Anke Tuinstra1
1Faculty of Psychology and Educational Sciences, KU Leuven, Leuven, Belgium.
Internet interventions
|October 6, 2025
概括
经验采样方法 (ESM) 数据的可视化,在包括不确定性的文字描述时,可以改善心理健康护理决策. 这提高了从业人员的信心和准确性,在解释患者反方面提高了治疗计划的准确性.
科学领域:
- 心理学 心理学 心理学
- 心理健康 心理健康
- 数据可视化 数据可视化
背景情况:
- 经验采样方法 (ESM) 收集日常经验,思想和行为的现实世界数据.
- 对于心理健康从业者来说,ESM数据可视化通常是复杂的,这限制了它们的临床实用性.
- 在临床决策中ESM数据可视化的有效性尚不清楚.
研究的目的:
- 调查ESM数据可视化中的不确定性信息如何影响心理健康从业人员的决策.
- 评估交互功能,错误条和文本描述对数据解释的影响.
主要方法:
- 在40名心理健康从业者和学生中进行了一项实验.
- 参与者使用ESM反与操纵可视化变量 (悬停函数,错误条,文本描述) 解释了临床病例.
- 使用均衡因数设计来分析每个变量对解释准确性的影响.
主要成果:
- 与单独的错误条相比,对效果大小和置信区间的文字描述显著提高了从业者的准确性和信心.
- 实践者表示希望将ESM反纳入治疗计划.
- 对ESM反的信心水平影响了决策:低信心导致了进一步的探索,高信心导致了以行动为导向的干预.
结论:
- 文本描述对于提高ESM可视化在心理健康护理中的解释性至关重要.
- 通过有效的可视化改进数据解释可以显著帮助从业人员的决策过程.
- 整合ESM反,特别是具有明确的不确定性指标,可以优化治疗向和患者护理.
更多相关视频
07:12Protocol for Data Collection and Analysis Applied to Automated Facial Expression Analysis Technology and Temporal Analysis for Sensory Evaluation
Published on: August 26, 2016
9.9K
06:02Evaluating Usability Aspects of a Mixed Reality Solution for Immersive Analytics in Industry 4.0 Scenarios
Published on: October 6, 2020
2.6K
