Informații despre articol

Gabrielle M Turner-McGrievy, Departamentul pentru Promovarea Sănătății, Educație și Comportament, Școala Arnold de Sănătate Publică, Universitatea din Carolina de Sud, 915 Greene Street, Camera 529, Columbia, SC 29208, SUA. E-mail: [e-mail protejat]; Twitter: @briemcgrievy

pentru

Abstract

fundal

Fotografia cu smartphone-uri și feedback-ul crowdsourcing ar putea reduce sarcina participanților pentru auto-monitorizare dietetică.

Obiective

Pentru a evalua dacă indivizii neantrenați pot colecta cu precizie evaluări ale calității dietei fotografiilor cu alimente folosind abordarea Dieta Semaforă (TLD).

Metode

Participanții au fost recrutați prin Amazon Mechanical Turk și au citit o descriere de o pagină pe TLD. Studiul a examinat scorul de acuratețe al participanților (numărul total de alimente clasificate corect ca roșu, galben sau verde pe persoană), scorul de acuratețe al alimentelor (acuratețea cu care a fost clasificat fiecare aliment) și dacă acuratețea evaluărilor a crescut atunci când au fost mai mulți utilizatori incluse în crowdsourcing. Pentru fiecare dintr-o gamă de dimensiuni posibile ale mulțimii (n = 15, n = 30, etc.), au fost extrase 10.000 de probe bootstrap și un interval de încredere de 95% (CI) pentru precizie construit folosind percentilele 2.5 și 97.5.

Rezultate

Participanți (n = 75; indicele de masă corporală 28,0 ± 7,5; vârsta 36 ± 11; 59% au încercat să piardă în greutate) au evaluat 10 alimente ca roșii, galbene sau verzi. Evaluatorii au demonstrat o precizie ridicată roșu/galben/verde (> 75%) examinând toate alimentele. Scorul mediu de acuratețe per participant a fost de 77,6 ± 14,0%. Fotografiile individuale au fost evaluate cu precizie în majoritatea timpului (interval = 50% -100%). Au existat puține variații în IC 95% pentru fiecare dintre cele cinci dimensiuni diferite ale mulțimii, indicând faptul că este posibil să nu fie nevoie de un număr mare de indivizi pentru a alimenta cu precizie alimentele.

Concluzii

Utilizatorii începători în nutriție pot fi instruiți cu ușurință pentru a evalua alimentele folosind TLD. Deoarece feedback-ul de la crowdsourcing se bazează pe acordul majorității, această metodă este promițătoare ca o abordare cu sarcină redusă pentru a oferi feedback de calitate a dietei.

Introducere

O opțiune pentru furnizarea feedbackului de auto-monitorizare dietetică este utilizarea crowdsourcing-ului, care utilizează aportul mai multor utilizatori pentru a oferi feedback. Crowdsourcing-ul poate prelua mai multe roluri, inclusiv strângerea colectivă de bani (crowdfunding), îndeplinirea sarcinilor (crowd crowd), efectuarea de cercetări (crowd research) și generarea de noi produse și idei (crowdsourcing creativ). 14 Informațiile dietetice de tip crowdsourcing ar fi un hibrid între munca mulțimii și cercetarea mulțimii, permițând utilizatorilor să ofere feedback colectiv rapid asupra alimentelor și băuturilor consumate, oferind astfel utilizatorilor o evaluare generală a dietelor lor. Această abordare a feedback-ului dietetic crowdsourcing are, de asemenea, potențialul de a reduce povara și de a crește gamificarea auto-monitorizării 14, ceea ce ar putea ajuta la auto-monitorizarea mai atrăgătoare și plină de satisfacții pentru utilizatori.

Prezentul studiu a avut cinci obiective principale, inclusiv examinarea: 1) dacă utilizatorii ar putea colecta cu precizie fotografii de alimente sub formă de roșu, galben sau verde după ce au primit o scurtă instruire cu privire la TLD; 2) dacă acuratețea evaluărilor alimentelor clasificate drept roșu, galben sau verde diferă una de alta; 3) dacă precizia categoriilor de alimente crowdsourced a crescut prin adăugarea mai multor participanți la crowdsource alimentele; 4) care caracteristici demografice, utilizarea tehnologiei și/sau factori de cunoștințe nutriționale au fost asociați cu clasificarea corectă a alimentelor; și 5) modul în care utilizatorii au perceput nivelul de dificultate al utilizării diferitelor metode dietetice de auto-monitorizare.

Metode

Participanții au fost recrutați prin intermediul Amazon Mechanical Turk (MTurk; www.mturk.com) pentru a completa un sondaj (www.surveygizmo.com). MTurk este un sistem online care permite solicitanților să trimită sarcini de inteligență umană (HIT) pentru ca lucrătorii online să le finalizeze în schimbul unei compensații monetare. 26 Caracteristicile demografice ale lucrătorilor MTurk tind să fie mai diverse decât populația medie a sondajelor pe internet. 26 Pentru studiul de față, eșantionul nostru de participanți eligibili a fost limitat la cetățenii americani cu vârsta peste 18 ani, care erau MTurk Masters - un grup de lucrători care au demonstrat o fiabilitate constantă în finalizarea HIT-urilor, așa cum a determinat MTurk. Participanților li s-au plătit 0,50 USD pentru finalizarea sondajului, care este similar sau mai mare decât ratele de compensare utilizate în studiile anterioare MTurk. 26-28 Studiul a fost aprobat de un comitet de revizuire instituțională al universității, iar participanții au acordat consimțământul informat înainte de începerea sondajului.

Au fost calculate două scoruri diferite de precizie. Fiecare participant a primit un scor de acuratețe (scor de acuratețe al participantului), care reflecta numărul total de alimente clasificate corect (ca roșu, galben sau verde) per persoană din cele 10 alimente vizualizate (interval de scor de precizie posibil 0% –100%). Fiecare alimente a primit și un scor de precizie. Scorurile de acuratețe a alimentelor au fost calculate din imaginile produsului alimentar care au fost corect clasificate dintr-un posibil 75 de ratinguri de participanți pentru acel aliment (interval de scor posibil 0% -100%).