Bitte benutzen Sie diese Kennung, um auf die Ressource zu verweisen: https://hdl.handle.net/20.500.14123/1743
OriginaltitelSupplementary Material for the Paper "The Promise and Challenges of Computer Mouse Trajectories in DMHIs - A Feasibility Study on Pre-Treatment Dropout Predictions"
Handle20.500.14123/1743
Datenart / TypProgramme und Anwendungen
Kontext- / Begleitmaterialien
RessourcentypDatensatz
Autor* in / Erzeuger* inZantvoort, Kirsten  0000-0001-9876-054X (Institut für Wirtschaftsinformatik (IIS), Leuphana Universität Lüneburg  02w2y2t16)
Matthiesen, Jennifer  0000-0003-0344-9682 (Institut für Wirtschaftsinformatik (IIS), Leuphana Universität Lüneburg  02w2y2t16)
Bjurner, Pontus  0000-0002-4967-9128 (Karolinska Institutet  056d84691)
Bendix, Marie  0000-0001-8901-166X (Karolinska Institutet  056d84691)
Funk, Burkhardt  0000-0001-5855-2666 (Institut für Wirtschaftsinformatik (IIS), Leuphana Universität Lüneburg  02w2y2t16)
Kaldo, Viktor  0000-0002-6443-5279 (Karolinska Institutet  056d84691)
Beschreibung des DatensatzesEmpirical evidence suggests that how one moves their mouse holds information on motivation and attention, both valuable aspects otherwise difficult to measure at scale. Further, mouse trajectories can already be collected on pre-treatment questionnaires, making them a promising candidate for early predictions informing treatment allocation. Therefore, this study investigates how to gather and process mouse trajectory data on questionnaires in Digital Mental Health Interventions (DMHI). As a feasibility study, the researchers collected mouse trajectory data from 183 patients filling out a pre-intervention depression questionnaire.
Angewandte MethodenBeschreibungen
Programmierung / Scriptbasierte Datenerhebung
SchlagwörterData Science; Computermaus; Nutzerverhalten; Prognose; Digitale Gesundheit; Mentale Gesundheit; Intervention; Motivation; Aufmerksamkeit; Algorithmus; Data Science; Computer Mouse; User Behavior; Prediction; Digital Health; Mental Health; Intervention; Motivation; Attention; Algorithm
Thematische EinordnungNutzerverhalten
Veröffentlicht durchMedien- und Informationszentrum, Leuphana Universität Lüneburg
Übergeordneter Datenbestand Supplementary Material PhD Kirsten Zantvoort
Zugehörige Ressourcen Beziehungen des Datensatzes

Alle Ressourcen in diesem Repository sind urheberrechtlich geschützt, soweit nicht anderweitig angezeigt.

Ansichten
Zitationsformate