Usability-Bewertung des KI-basierten Ernährungs-Chatbots für schwangere Frauen

Ziele: Diese Studie zielt in erster Linie darauf ab, die Benutzerfreundlichkeit eines Ernährung-KI-Chatbots für schwangere Frauen durch den Vergleich der System Usability Scale (SUS)-Werte zwischen Interventions- und Kontrollgruppe zu bewerten. Sekundäre Ziele umfassen die Bewertung der Technologieakzeptanz (Technology Acceptance Model), der Engagement-Muster, der Informationsqualität (Genauigkeit, Verständlichkeit, Konsistenz) und der Veränderungen im Ernährungswissen.

Design: Ein quasi-experimentelles Design mit zwei parallelen Gruppen (jeweils n=50) wird eingesetzt. Durch Selbstselektion wählen die Teilnehmerinnen, ob sie sich der Interventionsgruppe (Zugang zu einem KI-Chatbot plus Routinebetreuung) oder der Kontrollgruppe (Zugang zu einem standardisierten WeChat-Informationsdienst plus Routinebetreuung) anschließen. Die Routinebetreuung für alle Teilnehmerinnen umfasst Standard-Vorsorgeuntersuchungen in der Schwangerschaftsklinik und gedruckte Ernährungsmaterialien.

Der WeChat-Dienst für die Kontrollgruppe wird von einem geschulten Forschungsassistenten während zwei täglich festgelegten Zeitfenstern unter Verwendung eines vordefinierten Skripts betrieben und liefert Informationen, die aus den offiziellen Ernährungsbroschüren zitiert werden. Dadurch wird die Art der Informationsübermittlung (KI versus menschlich vermittelte Nachrichten) als primäre Variable isoliert.

Teilnehmerinnen: Einschlusskriterien: Schwangere Frauen im Alter von ≥18 Jahren, die einwilligungsfähig sind und ein internetfähiges Smartphone besitzen. Ausschlusskriterien: Teilnahme an anderen Ernährungsinterventionen oder schwerwiegende psychische Erkrankungen, die die Technologienutzung beeinträchtigen. Eine gezielte Teilstichprobe von 20 Teilnehmerinnen (10 pro Gruppe) wird qualitative Interviews durchführen.

Stichprobengröße: Basierend auf einem erwarteten mittleren SUS-Wert von 78 (SD=12) in der Interventionsgruppe und 65 (SD=15) in der Kontrollgruppe (Cohen's d=0,95) sind 23 Teilnehmerinnen pro Gruppe für eine Teststärke von 90% bei Alpha=0,05 erforderlich. Unter Berücksichtigung einer Ausfallrate von 50% werden 50 Teilnehmerinnen pro Gruppe rekrutiert. Propensity Score Matching wird angewendet, um die Selektionsverzerrung unter Verwendung von Variablen wie Alter, Gestationsalter, Parität, Bildung und Technologienutzung zu reduzieren.

Messungen: Das primäre Ergebnis, die Benutzerfreundlichkeit, wird nach 12 Wochen mithilfe der System Usability Scale (SUS) und des Chatbot Usability Questionnaire (CUQ) gemessen. Die Technologieakzeptanz wird mit dem Technology Acceptance Model (TAM) bewertet. Das Ernährungswissen wird zu Beginn und nach 12 Wochen mithilfe eines 15-Punkte-Fragebogens und der FIGO Nutrition Checklist bewertet. Die Informationsgenauigkeit und -konsistenz wird durch ein Expertengremium bewertet, das 150 Chatbot-Antworten bewertet und die wiederholte Einreichung von 20 Testfragen überprüft. Das Engagement wird über Anwendungsnutzungsprotokolle analysiert, die Adhärenz, Intensität und Persistenz messen. Semistrukturierte Interviews werden die Nutzererfahrungen vertiefend untersuchen.

Datenanalyse: Quantitative Daten werden nach dem Intention-to-treat-Prinzip analysiert. Die Primäranalyse vergleicht die mittleren SUS-Werte zwischen den Gruppen mithilfe von unabhängigen t-Tests, wobei Effektstärken als Cohen's d berechnet werden. Sekundäre Ergebnisse werden mit ähnlichen Ansätzen analysiert, mit Chi-Quadrat-Tests für Anteile und linearen gemischten Modellen für Veränderungswerte des Ernährungswissens. Fehlende Daten werden durch multiple Imputation behandelt. Transkripte der qualitativen Interviews werden mithilfe von thematischer Analyse mit doppelter unabhängiger Codierung analysiert.

Studienzeitplan: Die Teilnehmerinnen werden über einen Zeitraum von 6 Monaten rekrutiert, wobei jede Teilnehmerin eine 12-wöchige Interventions- und Nachbeobachtungsphase durchläuft.