Design av Chatbot-persona for brystkreftscreening blant svarte kvinner

Målet med denne studien er å bestemme den optimale leveringen av innledende chatbot-meldinger for kulturelt skreddersydd brystkreftscreening. Mistillit til det medisinske systemet har blitt identifisert som en betydelig barriere for mammografiscreening blant svarte kvinner. Likevel, mens skreddersydde intervensjoner for screening av brystkreft eksisterer, er den optimale utformingen av en skreddersydd intervensjon for å skape tillit ukjent. Chatbots har vist seg å øke tilliten til nettbasert informasjon, selv om bruk av chatbots kan avhenge av chatbot-egenskaper. Etterforskerne foreslår å bruke Multiphase Optimization Strategy (MOST), et rammeverk for å utvikle effektive, effektive, skalerbare og kostnadseffektive intervensjoner, for å vurdere ytelsen til chatbot-intervensjonskomponenter og deres interaksjoner.

Levering av chatbot-meldinger vil systematisk varieres på tvers av to komponenter, som hver er representert av en egen faktor i 2x2x1 faktoriell studiedesign med en kontrollarm. Nærmere bestemt vil hver deltaker bli tilfeldig tildelt en av fem separate eksperimentelle forhold. Betingelsene inkluderer: (1) chatbot med en legepersonlighet og direkte kommunikasjonsstil; (2) chatbot med en brystkreftoverlevende persona og direkte kommunikasjonsstil; (3) chatbot med en primærlegepersonlighet og indirekte kommunikasjonsstil; og (4) chatbot med en brystkreftoverlevende persona og indirekte kommunikasjonsstil. Alle deltakere vil fullføre en undersøkelse angående deres oppfatninger om de første oppsøkende meldingene fra chatboten.

Hovedeffektene vil bli estimert av de to eksperimentelle faktorene og deres interaksjoner på studiens primære resultater - tillit til chatbot-systemet som skal brukes til utdanning og planlegging av brystkreftscreening, og intensjon om bruk. Denne informasjonen vil lede utformingen av en optimalisert chatbot-persona som oppnår de primære resultatene.

Deltakere vil bli påmeldt hvis de er svarte individer som kvalifiserer for brystkreftscreening bosatt i USA som er mellom 40-74 år. Rekruttering vil bli utført på Prolific, en nettbasert deltakerpoolingsplattform, og Amazon Mechanical Turk (MTurk), en crowdsourcing-plattform som brukes til forskningsrekruttering. Prolific vil bli brukt gitt plattformens evne til å velge deltakerpopulasjon. Men på grunn av det begrensede antallet individer innenfor inkluderingskriteriene på Prolific, og om nødvendig vil deltakere også rekrutteres på MTurk. Deltakerne vil bli bedt om å se chatbot-meldingene og svare på spørsmål for å vurdere tilliten, engasjementet og direkteheten til chatboten.