根据语言定制的健康信息鼓励青少年选择植物性食物

这项研究是一项针对英国和爱尔兰 11-15 岁青少年的五组随机对照试验（图 1）。 在干预组中，参与者将在两周内从周一到周五每天收到推广植物性饮食的信息。 第一组作为被动对照组，参与者在整个研究过程中没有收到任何消息。 在第二组中，参与者将在整个两周内每天收到非定制消息。 在第 3 组中，参与者将收到根据语言定制的消息。 第 4 组的参与者将各接收一周非定制和定制消息：第 1 周为定制消息，第 2 周为非定制消息（第 4a 组），第 1 周为非定制消息，第 2 周为定制消息（第 4b 组） 。 该设计支持受试者内比较（定制与非定制）和受试者间比较（例如，对照与干预）。

在项目开始时，参与者将玩一个聊天游戏来收集聊天数据以分析他们的语言风格。 这些数据将用于使用大语言模型 (LLM) 对干预消息执行文本样式传输。 此后，为期两周的干预将在第一个周末进行基线调查。 在工作日（周一至周五），干预组（第 2、3 和 4 组）的参与者将每天通过研究应用程序 Avicenna 收到推广植物性饮食的消息。 此外，所有参与者，包括被动对照组的参与者，都将收到有关午餐食物选择的每日调查。 干预组的参与者还将收到有关信息感知的问题。 在每个干预周之后的周末，参与者将完成全面调查（中点调查和最终调查）。 这些调查与基线调查一起评估所有结果指标，包括饮食行为、行为决定因素、对消息来源的看法、消息处理和文本风格特征。

样本量 预期效果大小基于对在线健康促进研究的两项荟萃分析，其中包括一般定制（Krebs 等人，2010 年；Lustria 等人，2013 年）。 这些研究报告的总体平均效应大小为 0.08（Cohen's f），特别是与饮食相关的干预措施的平均效应大小为 0.112。 基于 0.1 的假设效应大小和 80% 的受试者间比较功效，需要 592 名参与者的样本量。 由于受试者内部比较通常会产生更高的统计功效，因此我们的目标样本量为 600 名参与者（每组 150 名）且有完整的答复。

参与者招募 参与者将通过英国和爱尔兰的研究小组（Norstat）招募。 有符合条件的儿童的小组成员将被邀请参加该研究。 作为招募调查的一部分，家长将首先回答预筛选问题，以确认他们的孩子符合纳入标准。 如果符合条件，家长可以继续参与招募调查，其中进一步包括有关研究的信息，以及为孩子报名并同意孩子参与的机会。 一旦获得父母同意，我们将联系儿童参加研究。 参与者将因完成研究的每个阶段而获得研究小组的学分（即经济补偿）：玩聊天游戏、完成基线、每日、中点调查和最终调查）。

随机化 区块随机化将用于在干预组中分配参与者。 臂 4a 和 4b 将组合成一个块，因为它们具有相同的条件，但只是平衡的。 这总共产生四个块。 我们的目标样本量为 600，每个区块有 150 名参与者。 参与者将通过 Qualtrics 中的自动区块随机化功能分配到四个区块之一，并整合到招聘调查中。

聊天游戏：BetweenUs 我们开发了一款名为 BetweenUs 的基于网络的聊天游戏，用于收集聊天数据，同时满足道德、安全和隐私标准。 这个游戏的目的是生成真实的短信样本，从中我们可以了解每个参与者的个人语言风格。 该游戏是定制的（即不需要第三方软件）并托管在伊拉斯谟大学的 Microsoft Azure 服务器上。 可以在这里访问：(https://movez.ecda.ai/chat/test1)。

BetweenUs 是由孩子们在共同创作会议上共同设计的。 孩子们提供了关于游戏应该是什么样子、应该使用什么类型的化身、游戏时长以及他们想谈论哪些主题的意见。 该游戏的灵感来自流行的冒名顶替者游戏，例如“Among Us”。 该游戏还在儿童中进行了试点，以获得最终反馈。

在游戏中，玩家将在聊天室中随机配对，每组 4 人。 游戏开始时，玩家将受到五个说明屏幕说明的指导，其中解释了游戏规则。 之后，玩家可以开始游戏，他需要回答两个问题：1）玩家喜欢还是不喜欢所呈现的主题（例如 看足球），2）玩家在扮演冒名顶替者时是否感到舒服。 然后，每个玩家的角色（调查员或冒名顶替者）将被随机分配。 调查人员需要谈论他们对所提出主题的实际喜欢/不喜欢，而冒名顶替者则被指示扮演与他们实际偏好相反的角色（例如，“我不喜欢看足球，尽管我实际上喜欢它”），而不是被告知。被其他玩家抓住。

比赛分为三轮，每轮8分钟的一对一对话，最后以5分钟的小组对话结束。 通过这种方式，我们可以捕获一对一设置以及群组设置中的对话动态，反映现实世界的聊天。 聊天过程中。 游戏以投票结束，要求调查人员猜测小组中的冒名顶替者。 如果调查员猜对了冒名顶替者，则调查员获胜；而如果冒充者没有获得多数票，则冒名顶替者获胜。

聊天游戏是完全匿名的。 玩家由类似动物的化身代表。 游戏过程中不会收集任何个人或可识别信息，并且指示玩家不要分享任何个人详细信息。 如果出于任何原因，聊天中出现个人或敏感详细信息（例如姓名、年龄等），这些信息将被删除/散列。 此外，游戏主题是由研究人员精心选择的（考虑共同创作会议的建议），以确保避免敏感主题。 玩家还可以选择在游戏中扮演冒名顶替者的角色来表达自己的不适。 最后，数据只能由研究人员访问并保存在大学服务器上。

干预信息 制定了十项干预信息，以自主支持的方式宣传植物性饮食的好处。 每条信息都针对植物性饮食的三个最常提及的动机之一（Miki 等人，2020），即健康动机、环境动机和动物福利动机。 我们在工作日中保持消息动机的顺序不变，这样每一天都会解决两周内的三个动机之一。 信息的创建是根据青少年对干预信息的偏好来指导的。 所有信息均设计真实（包括基于科学的统计数据）、简洁（4-5 句话）、与青少年相关（例如，解决痤疮等健康问题）和支持自主性（提供建议和技巧而不是指示）（Hingle等人，2013）。 这些消息有意以中性语言风格创建，避免使用高度情绪化的语言、非标准语法或表情符号。 这些构成了非定制消息，并作为使用法学硕士通过文本样式转换开发定制消息的基础。 非定制消息以主动、对话的语气编写，以便与定制版本进行公平比较，定制版本也有望在风格转换后具有主动语态。 消息中立性通过专家人工评估和语言查询字数 2022 (LIWC22) 工具进行验证，该工具跨 22 个语言维度评估每条消息，评分从 0（中性）到 100（极高）（Boyd 等人，2022）。 为了确保信息准确、可信、清晰、对青少年有吸引力，并且语言风格基本真实，由具有青少年传播专业知识的高级研究人员进行了多轮校对。

大语言模型 法学硕士将用于在语言上定制干预信息。 法学硕士的主要任务是使用从聊天游戏收集的数据来了解每个参与者的对话风格，并相应地调整干预消息。 这将为每个参与者生成 10 条语言定制的消息，而消息的内容和事实在非定制和定制消息中保持不变。

Mistral-large 法学硕士是根据其当前的总体表现分数和开源可用性而选择的。 在另一项研究中，我们评估了各种法学硕士（Mistral 和 GPT）在定制干预信息方面的表现，重点关注文本风格转换的准确性、内容保留（即含义相似性）和流畅性（即可理解性）（手稿正在准备中） 。 所有评估的模型都在捕捉用户对话风格方面表现出了良好的能力，并且在内容保留和流畅性方面得分非常高。 Mistral-large 被认为是目前最适合这项研究的模型。

首先，Mistral-large 将生成风格中立的聊天数据等价物，为每个参与者创建并行数据集。 为了保持相关性，仅包含超过参与者字数中位数的消息，从而排除简短或无意义的消息，例如“嗨”。 该并行数据集将作为模型的训练输入。 之后，法学硕士被明确提示充当语言专家，分析并行数据集中反映的对话风格。 具体而言，法学硕士应考虑：1) 参与者对功能词的使用（例如，“我”、“我们”、“你”等代词），2) 他们喜欢的语气（例如，正式或非正式、分析或分析）叙述），3）常用的文体词（例如短语、填充词），以及 4）例句中表情符号或表情符号的使用。 法学硕士还被要求提供文本风格转换的解释。

研究应用程序 每日消息和调查将通过名为 Avicenna 的智能手机研究应用程序提供。 参与者必须在计划开始前下载并使用唯一 ID 注册此应用程序。 该应用程序可确保匿名参与研究计划。 每个上课日，参与者都会收到早上推送通知，提示他们通过打开应用程序查看新消息。 此外，只要有新消息，该应用程序就会显示红色徽章。 消息可以在同一上课日的午夜之前访问，之后消息将从应用程序中消失，任何未读消息将被标记为当天的缺失数据。 阅读消息后，参与者将直接在应用程序内完成日常测量。 在周末，参与者将收到通知，提醒他们完成周末调查（即基线、中点和最终调查）。