学生の身体活動を増やすモバイルアプリ

調査官は、機械学習を使用してアダプティブ テキスト メッセージを生成し、毎日の参加者データから学習して、メッセージの動機の頻度と種類をパーソナライズするスマートフォン アプリケーション、DIAMANTE アプリを開発しました。 現在の研究では、研究者は、バークレー大学の学部生と大学院生におけるこのアプリケーションを、ランダムに選択されたテキスト メッセージと比較します。 この研究では、大学生の身体活動を増やすためのこのスマートフォン アプリケーションの有効性についての洞察を提供します。 さらに、介入の有効性を調整する作用メカニズムと変数に関する予備知識を提供します。

この研究は、動機付けメッセージ (M)、フィードバック メッセージ (F)、およびメッセージが送信されたときの時間枠 (T) をそれぞれ 4、5、および 4 レベルで表す合計 3 つの要因による要因計画によって特徴付けられます。 M と F の 1 つのレベルは、制御処理、つまりメッセージが送信されないことに対応します。 各参加者は、毎日、M、F、および T の 1 つの異なる組み合わせを受け取りました。

適応ランダム グループと一様ランダム グループの両方が同じ種類のメッセージを受け取ります: フィードバック (4 つのアクティブなカテゴリとメッセージなし) と動機 (3 つのアクティブなカテゴリとメッセージなし)。 ただし、メッセージのカテゴリ、タイミング、および頻度は、適応グループの強化学習アルゴリズムによって最適化され、一様ランダム グループに等しい確率で配信されます (一様ランダム分布に従います)。

強化学習者グループの場合、アルゴリズム トレーニング データは、すべての参加者の履歴データ (コンテキスト変数) で構成されます。これには、以前に送信されたメッセージと期間が含まれ、選択された臨床/人口統計データ (年齢、日付など) が含まれます。週間およびうつ病スコア) を使用して、予測能力を向上させます。 その後、メッセージは、サンプリング方法と組み合わせて、メッセージの予測された有効性に基づいて選択されます。 そのため、最もやりがいのあるメッセージから頻繁に選択し、ときどき報酬が不確実なメッセージを調査します。

この研究の目的は次のとおりです。

1. 強化学習ポリシーの参加者が、一様ランダム分布でメッセージを受信した参加者よりも、6週間のフォローアップ後に毎日の歩数の増加を示すかどうかを評価する
2. 社会人口学的、ベースラインの身体活動行動/態度、および心理的要因が適応介入の効果に影響を与えるかどうかを評価します。
3. どのメッセージが身体活動の増加に最も有益であるかを評価します。