增加学生身体活动的移动应用程序

研究人员开发了一款名为 DIAMANTE 应用程序的智能手机应用程序，该应用程序使用机器学习生成自适应文本消息，从日常参与者数据中学习以个性化消息的频率和动机类型。 在目前的研究中，研究人员将把伯克利大学本科生和研究生的这个应用程序与随机选择的短信进行比较。 这项研究将深入了解这种智能手机应用程序对增加大学生体育活动的有效性。 此外，它将提供有关调节干预有效性的工作机制和变量的初步知识。

本研究的特点是因子设计，共有 3 个因素，分别代表激励消息 (M)、反馈消息 (F) 和消息发送时的时间范围 (T)，分别为 4、5 和 4 个水平。 M 和 F 的一个级别对应于控制处理，即没有发送消息。 每个参与者每天都会收到一种不同的 M、F 和 T 组合。

自适应随机组和统一随机组都将收到相同类型的消息：反馈（4 个活动类别加无消息）和动机（3 个活动类别加无消息）。 然而，消息类别、时间和频率将在自适应组中通过强化学习算法进行优化，并在均匀随机组中以等概率传递（服从均匀随机分布）。

对于强化学习者组，算法训练数据由所有参与者的历史数据（上下文变量）组成，其中包括之前发送了哪些消息以及在哪些时间段内发送，并选择临床/人口统计数据（例如年龄，周和抑郁分数）以提高预测能力。 随后，根据消息的预测有效性并结合抽样方法来选择消息。 因此，它经常从最有价值的消息中挑选出来，偶尔会探索奖励不确定的消息。

本研究的目的是：

1. 评估强化学习政策的参与者在六周的随访后是否显示出比接受均匀随机分布消息的参与者更多的每日步数
2. 评估社会人口统计学、基线身体活动行为/态度和心理因素是否影响适应性干预的效果。
3. 评估哪些信息对增加身体活动最有益。