飲酒量を抑制するモバイルアプリの予備的評価（日本語参考訳）

この記事について 本記事は、下記の学術論文（オープンアクセス・CC BY 4.0 ライセンス）の非公式な日本語参考訳です。原著者および出版社（MDPI）は翻訳に関与しておらず、訳の正確性を保証するものではありません。正確な内容は原文をご確認ください。読みやすさのため原文の体裁を整理し、訳者による補足（「訳注」と明記）を加えています。原著作物に加えた変更：日本語への翻訳・体裁の整理・訳注の追加。

本文中の 表2（アプリ別の MARS スコア） は、原文の表から正確に書き起こして反映しています。

書誌情報

• 原題: A Preliminary Evaluation of Mobile Phone Apps to Curb Alcohol Consumption
• 著者: Omar Mubin, Billy Cai, Abdullah Al Mahmud, Isha Kharub, Michael Lwin, Aila Khan（連絡先: A.Khan@westernsydney.edu.au）
• 所属:
  1. Western Sydney University, School of Computer, Data and Mathematical Sciences（オーストラリア・Penrith）
  2. Swinburne University of Technology, Centre for Design Innovation（オーストラリア・Melbourne）
  3. Western Sydney University, School of Business（オーストラリア・Penrith）
• 掲載誌: International Journal of Environmental Research and Public Health（Int. J. Environ. Res. Public Health）2022, 19, 135
• DOI: https://doi.org/10.3390/ijerph19010135
• 担当エディタ: Paul B. Tchounwou
• 日付: 受領 2021-11-02 / 受理 2021-12-20 / 公開 2021-12-23
• ライセンス: © 2021 著者ら。MDPI（スイス・バーゼル）よりオープンアクセスとして公開。Creative Commons 表示（CC BY 4.0）ライセンスの条件のもとで配布。

要旨（Abstract）

モバイルアプリは現代社会でますます一般的な存在となり、説得的技術（persuasive technology）はかつてないほど大きな市場を持つようになりました。モバイル端末向けの断酒支援アプリは、利用者の前向きな行動変容を促し、社会全体の健康を向上させ得るものです。本研究の目的は、利用者がどのような機能に反応するのかを理解し、断酒支援アプリの設計上の推奨事項を示すことにあります。本論文では、Google Play ストア上の断酒支援アプリ20本について得られた3種類のフィードバック（利用者の星評価、利用者レビュー、MARS によるアプリ品質スコア）を報告します。分析の結果、セルフコントロール型のアプリは、モチベーション型のアプリよりもはるかに肯定的なレビューを得ていることが示唆されました。一方で、この傾向は数値による星評価には現れませんでした。あわせて、飲酒量の抑制を意図したアプリの設計上の推奨事項についても考察します。

キーワード: モバイルアプリ；利用者ニーズ；説得的設計（persuasive design）；モバイルアプリ評価尺度（MARS）；断酒（alcohol cessation）

1. はじめに

飲酒は、世界の死亡の4分の1、障害調整生存年数（DALY）の5分の1の原因となる、5大リスク要因の一つです[1]。飲酒は年間2億8,800万人の死亡につながり、15〜49歳の人々における早死と障害の最大のリスク要因でした[2]（※原典の表記をそのまま訳出。原典の数値表現に留意）。飲酒による健康被害は女性よりも男性で格段に大きくなります。さらに、飲酒は、がん・外傷・感染症のリスクと強い相関があります。したがって、飲酒に関する規制政策や健康プログラムを見直し、断酒に向けた提言を検討すべきだという声が上がっています[3]。

過度な飲酒は公衆衛生上の懸念であり、その土壌は私たちの社会に広く根を張り、多くの年齢層にわたって見て取れます。飲酒は本人だけでなく、友人や家族、職場にも悪影響を及ぼします。Antai と Lopez [4] は、飲酒量を「頻度」または「1回あたりの杯数」のいずれで測っても、男性の方が女性よりも飲酒関連の害を報告しやすいことを明らかにしました。加えて、過剰飲酒（binge drinking）は身体的・精神的健康の悪化と正の関連があります。社会は概して飲酒に寛容ですが、過剰飲酒・飲酒運転・無防備な性行為・暴力など、さまざまな問題が生じ得ます[5]。

過度な飲酒はアルコール離脱（withdrawal）などの合併症を招き、多くの人が飲酒のコントロールに苦しみます。重度の飲酒の症状は通常、コントロールの喪失と身体的依存として現れます。ここ数十年で、アルコール依存症の治療は十分に研究され、利用しやすくなってきました[6]。

2008年にモバイル端末向けアプリストアが登場して以降、スマートフォンアプリは現代社会のますます重要な一部となりました。これらのアプリはゲーム・ライフスタイル・金融など幅広いカテゴリーをカバーし、働く人々の多くが日常的に頼るツールとなっています。モバイルアプリの影響力は登場以来着実に高まり、情報を発信・収集する主流の手段となりました。これは、ソーシャルネットワーキングが、あらゆる年齢層の人々を現在のテクノロジーの日常的な利用へと導いた、まぎれもなく大きな影響によるところが大きいといえます。

新興のアプリカテゴリーの一つに、強制や欺瞞ではなく、説得と社会的影響を通じて利用者の態度や行動を変えようとするものがあります。これらは説得的技術（persuasive technology）に分類され、利用者に前向きな行動変容を引き起こすために特定の機能や原則を用います[7]。こうしたアプリは主に2つの方法で機能します。(a) 利用者の行動の自己モニタリング、(b) ソーシャルサポートの提供です[8]。自己モニタリングとは、摂取量・摂取時刻・支出など、消費に関する情報を定期的に記録することを指します。飲酒に問題を抱える人の多くは、けっして助けを求めません[9]。セルフヘルプ（自助）のツールは、多くの事例で効果的に機能することが示されています[10]。

Cunningham と Blomqvist [11] は、治療サービスを利用するのはアルコール依存者の少数派にとどまるが、利用する人は同じ年のうちに複数の異なる治療サービスを使う傾向があることを見いだしました。治療を求めない主な理由は、問題そのものを認めていないことでした。その他の理由としては、スティグマ（偏見・烙印）[1]、治療が効果的だと信じられない、または治療の選択肢を知らない[12]、といったものが挙げられます。さらに、治療を受けるには完全な断酒・ジスルフィラム（抗酒薬）による治療・入所治療が必要になる、という理由もありました。これらの選択肢は魅力的でないと受け止められ、知識の不足が受診の障壁となっていました。受診の障壁を下げるためには、治療の選択肢に関する認知を高めることが不可欠です[13]。

これまでの研究の知見をふまえると、デジタルな日記形式での記録は、利用者が自分の飲酒行動をモニタリングするための効果的なツールとなり得ます。一方で、知覚されるソーシャルサポートは、全体としての飲酒量の低下と関連しています[14]。[15] のようなアプリは、同じ志を持つ人々が経験を共有し、飲酒問題への対処を互いに励まし合うためのプラットフォームとして機能します。

モバイルアプリのような説得的技術は、その説得力において人間よりも優位な点があります。こうした技術の大きな利点の一つは、利用者に保証される匿名性の高さです[16]。さらに、技術は「スケーラブル（拡張可能）」であり、容易にアップグレードできます[17]。人間のサービス提供者と異なり、モバイルアプリは大量の利用者に同時に対応できます。

アプリのレビューの有用性は、2つの観点から評価できます。第一に、アプリのレビューは他の利用者にとって役立ち、肯定的なレビューは新規の顧客・利用者による利用増加につながり得ます。顧客によるオンラインレビューは、個人的な推薦と同程度に信頼できるとランク付けされていると報告されています。第二に、レビューはアプリ開発者にとって不可欠です。新しい設計や機能は、レビューに反映された利用者の要望を考慮できるからです[18]。

本研究では、Android プラットフォーム上の現行の断酒支援アプリを、利用者レビュー・ストア内の星評価・研究者による評価（モバイルアプリ評価尺度 MARS [19] を用いた評価）に基づいて分析することを試みます。

MARS は、健康関連のモバイルアプリの品質評価に広く用いられてきました[20,21]。MARS は3つのセクションから構成されます。すなわち、アプリ分類、アプリ品質評価、主観的アプリ品質です。アプリ分類のセクションでは、アプリに関する記述的・技術的な情報を収集します。アプリ品質評価のセクションには4つの次元（エンゲージメント、機能性、美しさ、情報）があり、それぞれが5段階（1＝不十分〜5＝優秀）で評価されます。総合的なアプリ品質は、4次元の平均スコアとして示されます。

あわせて、利用者がどの戦略や機能を最も有用と感じたかを明らかにし、この分野の今後のアプリが検討すべき機能を提案することも試みます。本論文の構成は次のとおりです。まず、入手可能なアプリのレビューを示し、続いてアプリの機能と設計について論じます。その後、本研究で採用した方法論と知見を述べ、最後に今後の研究の方向性を示して締めくくります。

1.1. 市場における現行アプリ

インターネットの普及とスマートデバイスの増加に伴い、アルコール使用障害（alcohol use disorder）に立ち向かうのを助けるさまざまなアプリが利用可能になっています。開発の初期段階では、健康介入は電話をかけることやショートメッセージサービス（SMS）の利用に限られていました。現在では、それ以外の機能を用いる方向へと大きくシフトしています。アプリは今や、豊富なオンライン資源を活用して使いやすい情報を届けることができます。個別化されたリマインダーを設定したり、目標設定や進捗管理のための自己評価ツールを使ったりすることも可能です。とりわけ、位置情報サービスを使えば、利用者の同意のもとで「ハイリスク」な場所を特定して知らせることもできるようになりました[22]。

飲酒関連アプリに関する最近の研究[23]は、それらを2つのカテゴリー、すなわち飲酒運転防止とアルコール管理に分類しました。この研究では、飲酒運転防止アプリはもう一方のタイプより3.5倍多くダウンロードされていたものの、エンゲージメントが著しく低いことが明らかになりました。さらに重要なことに、運転前に血中アルコール濃度（BAC）を計算するアプリの一部は、不正確であることが分かりました。

ある研究は、大学生の飲酒習慣に対するモバイル介入の影響を調査しました[24]。この研究は、アプリが多数の学生にアクセス手段を提供できると結論づけた一方で、用いられたアプリが飲酒量に影響を与えたようには見えませんでした。しかし、インターネットを用いた過去の研究では、ウェブベースの介入がアルコール依存の低減に成功したことが示されています[25]。このことは、この分野でモバイルアプリが成功する可能性は存在するものの、どの機能が必要なのかは依然として未確定であることを示唆しています。

主要な機能を決める前に、市場における断酒支援アプリの現状を考慮することが重要です。この分野で最も初期の研究の一つは、iTunes ストアで入手可能なアルコール関連アプリを調査し[26]、利用者の前向きな行動変容というテーマに取り組んでいるアプリはごくわずかであることを見いだしました。この見方は、その後の多くの研究にも引き継がれています。David Crane [27] による同様の研究では、飲酒量の低減を試みるアルコール関連アプリはわずかで、大半は暗黙的または明示的に飲酒を推奨していることが分かりました。これらの知見は、先行研究[28]の結論を裏づけるものです。すなわち、このカテゴリーの人気アプリの大半が飲酒を助長しており、血中アルコール濃度（BAC）測定アプリは信頼できない情報を提供しがちであることも明らかにされていました。その研究に含まれた384本のアプリのうち、利用者の健全な飲酒習慣の促進を明確に意図していたのはわずか11%（44本）でした。これらの研究は、飲酒習慣の克服を助けるうえでのモバイルアプリの可能性と影響が、なお大きく未解明であること、そしてアルコール関連アプリが現在のアプリ市場で総じてかなり軽視されていることを示しています。これはおそらく、こうしたアプリが実際に存在するという認知が限られていることにも一因があり、その結果、助けを求める人がこうした支援を提供するアプリを探そうとも考えない、という事態を生んでいます。これは、ほとんどのスマートフォン所有者が存在を認識し、実際に使っている運動アプリとは際立った対照をなしています[29]。

1.2. アプリの機能と設計上の検討事項

効果的なアプリがどのような機能を備えるべきかを見極める必要があります。第一に、アルコール問題の治療に関するガイドラインはすでに存在します[30]。しかし、アプリがこれらのガイドラインに従っているかどうかは分かっていません。関連研究では、禁煙アプリの内容分析が行われ、これらのアプリが禁煙に関するガイドラインにほとんど従っていないことが明らかになっています[31]。これらのガイドラインは長年にわたる検証の集大成であり、研究の蓄積がまだ限られているこの黎明期の分野においては、ガイドラインに従うことが不可欠です。さらに、ガイドラインを完全に無視すると、さまざまな問題を招きかねません。こうしたアプリを設計する際に考慮すべき一例が、正しい情報を提供することの重要性です。たとえば「1日にグラス1杯を超えて飲酒するとがんになり寿命が20年縮む」といった虚偽の主張は、利用者の飲酒量を減らすかもしれませんが、これは明らかに利用者を欺くものと受け取られ、説得的技術の原則を損なってしまいます[17]。むしろアプリは、利用者を説得するために研究に基づく確かな根拠を提供すべきです[32]。これに加えて、利用者を教育するという名目で欺瞞を用いた場合には、多くの倫理的懸念や問題が生じます。

どのような機能が利用者の心をつかむのかを明らかにすることに焦点を当てた研究もいくつかあります。研究によれば、利用者は、よりエンゲージメントの高いアプリでより良い進捗を示しました[33]。ここから、利用者は自分にとってより魅力的なアプリでより大きな進捗を示す、と推測できます。したがって、より良いアプリを生み出すには、利用者がどの機能を好むのかを見極めることが不可欠です。しかし、利用者レビューがこれほど重要な要素であるにもかかわらず、特定のアプリに対するアンケートや調査を実施する以外では、フィードバックの大半はアプリの評価とコメントを通じてしか集められません。加えて、これらのレビューから適切な洞察を得るのは難しいものです。アプリにはスパムや無益なコメントが寄せられる可能性が高いため、適切な洞察を得ることは必須でありながら困難なのです[34]。

飲酒習慣を対象とするアプリはごく最近になって登場し始めたばかりであるため、これらのアプリが社会に与えている現在の影響を理解することが重要です。同様に、これらのアプリが備えるべき機能を定義する確たる枠組みは、まだ開発されていません。これらのアプリは、薬物療法やアルコホーリクス・アノニマス（AA）のグループといった従来のアルコール治療に反応しない患者に、追加の治療プラットフォームを提供するため、不可欠なものです。

2. 材料と方法

本研究は、先行研究[35]からその方法論を引き継いでいます。当該研究では、セルフコントロールを用いるアプリが、モチベーション戦略を用いるアプリと比較して、ユーザーインターフェース（UI）と設計上の特徴ゆえに利用者により好まれることが分かっていました。ただしその研究は iTunes ストアのアプリのみを対象としており、利用者層は Apple 製品の利用者に限られ、結論は利用者レビューのみに依拠していました。Android プラットフォームの人気[36]を考えると、Android ベースの断酒支援アプリ全体にわたって利用者体験を綿密に調査することが不可欠です。さらに、先行研究[35]とは対照的に、本研究は利用者レビューのみに依拠するのではなく、他の2つのデータソース、すなわち利用者の星評価と、自己報告／個人による MARS スコアによって結果を三角測量（トライアンギュレーション）することを目指します。この評価には、世界標準でアプリ品質を適切に評価する資源が現状不足していることから近年開発されたモバイルアプリ評価尺度（MARS）[19] を用いました。要するに、本研究はアプリ品質を推定する複数の方法を確立することを目指しています。研究および調査の性質上、所属機関からは正式な倫理審査の免除が認められました。データ収集と分析の全体プロセスは図1に示されています。

図1（原典）: データの収集と分析プロセスのフロー図。

2.1. フェーズ1：アプリの選定

飲酒低減に関連するキーワードを Google Play に入力して、網羅的なアプリのリストを収集しました。使用した検索キーワードは、quit alcohol（断酒）、alcohol recovery（アルコール回復）、alcohol self-help（アルコール・セルフヘルプ）、sober app（しらふアプリ）、substance recovery（物質依存からの回復）、quit drinking／stop drinking（飲酒をやめる）です。包含基準に合致したアプリは、見つかった時点で、それを発見したキーワードとともに Excel のスプレッドシートに記録しました。後続のキーワードで再び出てきても、すでにスプレッドシートに掲載済みのアプリは含めませんでした。さらに別のキーワードも使いましたが、独自の結果は得られませんでした。キーワードの組み合わせ次第では、本研究で発見されなかった追加のアプリが見つかった可能性はありますが、本研究の特定の基準に関しては、収集したリストはかなり網羅的だと考えています。

これらのキーワードで収集したアプリは、記録する前に一定の除外基準でフィルタリングしました。基準として、アプリが次を満たすことを求めました。すなわち、(主に英語で書かれている（特に UI）、無料でダウンロードできる、前向きな行動変容を促すことで利用者の飲酒量を減らすことを意図している、最低でも1件のレビューがある)、というものです。これは、血中アルコール濃度（BAC）の測定のみを謳うアプリは、利用者の前向きな行動変容を明確には意図していないため含めない、ということを意味します。検索の結果、合計20本のアプリが得られました（表1）。なお、本研究のアプリのリストは、[35] で選定された iTunes アプリとは完全に異なるものでした。この結論は、[35] のリストと本研究のリストでアプリ名を比較して得られたものです。

表1. 20本のアプリの一覧

訳注：「セルフコントロール型」と「モチベーション型」の違い（訳者による補足）

以下は読者の理解を助けるための 訳者による補足であり、原論文には含まれません。原文での定義は §2.3（フェーズ3：利用者コメント）に記載されています。本研究の分類は、著者らの先行研究[35]と、説得的技術が行動変容を促す2つの作用機序（自己モニタリング／ソーシャルサポート）に由来します。

ひとことで言えば、動機づけの「燃料」が自分の内側から来るか、アプリの外側から来るかの違いです。

• セルフコントロール型（self-control）＝自己モニタリング: 動機づけの源は「自分自身」です。アプリは、利用者が自分の進捗を見て自分で励まされる仕組み（記録・日数カウンター・カレンダー・連続記録・到達した節目）を提供します。作りはシンプルでよく、論文は「機能するには通常トラッカー（記録機能）だけがあればよい」と述べています。
• モチベーション型（motivational）＝外からの動機づけ／ソーシャルサポート: 動機づけの源は「アプリが与える刺激」です。アプリ内のコンテンツや人とのつながり（日々の励ましメッセージ・名言、他の利用者との交流、教育コンテンツ）が、外から利用者を動機づけます。進捗の可視化だけでは成立せず、コンテンツやコミュニティの作り込み・維持が必要です。

注意点: 両者は排他的ではありません。論文も「かなりの重なりがあった（記録系アプリが日々のメッセージ機能も持つなど）」と認めており、主として用いている戦略でどちらかに振り分けています。また「モチベーション型＝やる気を出させる／セルフコントロール型＝やる気と無関係」ではなく、どちらも目的は行動変容で、違いは“やる気の燃料”をどこから得るかにあります。「セルフコントロール型がレビューで好評」という結論についても、著者は「作りがシンプルで完成度を保ちやすいから」という可能性を併記しており、戦略の優劣を断定してはいません。

2.2. フェーズ2：アプリ品質の評価

研究の次の段階では、各アプリの評価に焦点を当てました。各アプリに個人的な評価を付けるためのプロトコルを定め、厳密に従いました。プロトコルの手順は次のとおりです。(1) Google アプリストアからアプリをダウンロードしてインストールする、(2) UI と、そのアプリがどのように利用者の飲酒量を減らそうとしているのかを理解するため、アプリを15分間使用する、(3) モバイルアプリ評価尺度（MARS）に記入してアプリ品質の平均スコアと主観的品質スコアを算出し、これらの評価を Excel スプレッドシートに入力する（主評価者 BC）、(4) これら20本のうち5本（25%）について、別の研究者（OM）が手順3を繰り返す。

2.3. フェーズ3：利用者コメント

このフェーズでは、利用者がアプリストアに残したアプリのコメントとレビューを分析しました。アプリは、全体的な戦略、すなわちセルフコントロール型かモチベーション型か[35]に基づいて分類しました。「セルフコントロール」型のアプリは、利用者が自分自身の結果の進捗（経過日数や到達した節目をアプリ上に表示することで示される）に動機づけられる戦略に依拠します。一方「モチベーション」型のアプリは、アプリ内の情報源（日々のメッセージ、他の利用者、教育コンテンツなど）から利用者に動機を与えます。両者にはかなりの重なりがあった（たとえば、記録系のアプリが日々のメッセージのような機能も提供するなど）ため、アプリは主として用いている戦略に基づいて分類しました。全アプリのコメントは、パース用スクリプトを使って Google Play ストアのサーバーから抽出しました。あわせて、アプリの評価件数と平均評価（5点満点）も記録しました。データのばらつきを避けるため、コメントと評価を抽出するスクリプトは同一日に実行しました。各アプリに付随する全コメントをコーディングして分析することを試みましたが、コメント数が100件を超える場合は、ランダムな100件を上限として設定しました。ヒューマン・コンピュータ・インタラクション（HCI）の文献[37]から、もともとデータセット（掲示板の投稿など）がかなり大きい場合に扱いやすい規模へと縮小する例を見いだしました。

[35] と同様に、コメントは次のように、戦略に対するフィードバックと、アプリの UI／機能（戦略の実行）に対するフィードバックに基づいて分析しました。

• アプリの戦略やアイデアに対して肯定的なフィードバックを与えるコメントには +1 の評価値（valence）を、否定的なフィードバックを与えるコメントには −1 を、無関係または中立なコメントには 0 を割り当てました。
• アプリの UI と機能に関して肯定的なフィードバックを与えるコメントには +1 を、否定的なフィードバック・改善提案・クラッシュやバグなどアプリ自体の問題を述べるコメントには −1 を、無関係または中立なコメントには 0 を割り当てました。
• あわせて、コメントの内容を定性的にも分析し、アプリの最も有用な機能や望まれる機能を特定しました。これは後の考察セクションで要約します。

一連のノンパラメトリック検定および有意性検定を計画しました。これには、アプリの種類が一般利用者の星評価に与える影響を評価し、アプリの種類と、UI・行動戦略へのフィードバックの評価値（valence）との関連を判定するためのカイ二乗検定が含まれます。また、アプリの種類が、後述する2系統の MARS 評価に与える影響を判定するために、分散分析（ANOVA）を用いました。

3. 結果

前述のとおり、Google Play ストアから20本の無料アプリを選定・特定しました。有料アプリについては分析を行っておらず、この点は本分析の限界として留意すべきです。各アプリはモチベーション型かセルフコントロール型に分類され、これが分析の主たる独立変数として機能しました。9本がモチベーション型に分類されました（したがって11本がセルフコントロール型）。

利用者の星評価（User Ratings）: 平均星評価を順序尺度データとして扱い、カイ二乗検定を実施しました。しかし、アプリの種類は平均評価と有意な関連を持ちませんでした（p = 0.63）。評価件数の合計がアプリの種類によって異なるかを調べるために ANOVA も実施しましたが、これも有意ではありませんでした（p = 0.46）。したがって、利用者は両タイプのアプリのレビューに同程度に積極的に関与していた、と推測できます。

MARS によるアプリ品質評価: MARS のアプリ品質調査の報告を分析し、アプリの種類が、専門家（本件では論文の著者ら）によるアプリ評価に影響するかどうかを推定しました。2名の評価者が評価したアプリの25%（5本）について、評価の差の標準偏差を算出しました。アプリ平均品質に関する2評価者間の差の標準偏差は 0.27、アプリ主観的品質に関する2評価者間の差の標準偏差は 0.99 でした。その後、評価者1（Rater 1）の評価を用いてその後の ANOVA 分析を進めました。アプリの種類は、いずれの尺度にも影響しませんでした（アプリ平均品質 p = 0.64、アプリ主観的品質 p = 0.36）。セルフコントロール型アプリがわずかに良い成績を収めている点は見て取れましたが、当然ながらこれは有意ではありませんでした。評価は表2にまとめています。

表2. MARS 評価のまとめ

評価者1（BC）が全20本を、評価者2（OM）がそのうち5本（25%）を評価しています。各列の意味は「アプリ品質の平均スコア（App Quality Mean Score。4次元の平均、1〜5）」と「アプリ主観的品質スコア（App Subjective Quality Score、1〜5）」です。対象アプリは表1の20本と同一です（空欄は評価者2が未評価）。

補足: 評価者2（OM）が評価した5本は、Stop Drinking Alcohol App・CleanTime Counter・Abolish Alcohol Hypnosis・Sobriety Clock・Sober Today です（全体の25%に相当）。本文に記載のとおり、2評価者間の差の標準偏差は品質平均で 0.27、主観的品質で 0.99、ANOVA の p 値は品質平均 0.64／主観的品質 0.36（いずれもアプリ種別による有意差なし）でした。数値は原典 PDF の表2どおりに転記しています（Abolish Alcohol Hypnosis は原典の表2では Hyponsis と誤記。本訳では表1に合わせて Hypnosis に統一。3.123 も原典の表記のまま）。

コメント分析（Comments Analysis）: 20本のアプリにわたり、合計884件のコメントを分析しました。コメントの平均的な長さは約34語でした。最長のコメントは133語、最短は1語でした。2名の研究者が、サンプルの20%を独立してコーディングしました。コーディング方式を検証するため、両者のコードについてコーエンのカッパ係数を算出しました。行動戦略に対する評価値のカッパは 0.68、UI に対する評価値のカッパは 0.63 でした。これは中程度の一致を示しており、不一致は協議によって解消しました。その後、研究者の1名が残りすべてのコードを確定しました（表3）。確定したコードに対して、2つの評価値の測定それぞれについて、カイ二乗検定を別々に実施しました。アプリの種類は、行動戦略の評価値の測定と有意な関連を持ちました（p = 0.001）。すなわち、セルフコントロール型アプリは、モチベーション型アプリと比較して、行動変容を引き起こす能力について有意に多くの肯定的コメントを得ていました（残差 z = 3.1）。加えて、アプリの種類は、UI の評価値の測定とも有意な関連を持ちました（p = 0.002）。セルフコントロール型アプリは、モチベーション型アプリよりも、UI の有効性について有意に多くの肯定的コメントを得ていました（残差 z = 2.8）。

表3. 20本のアプリの分類とフィードバックのまとめ

（参考：セルフコントロール型のコメント合計は 475件、モチベーション型は 409件で、総計884件と整合します。）

4. 考察

本セクションでは、結果の含意を論じ、それらが生じた主な理由を考察します。利用者レビューからの引用は、丸かっこ内に二重引用符で示します。表3から、セルフコントロール型アプリがモチベーション型アプリと比較して有意に多くの肯定的コメントを得ていることが観察できます。これは、市場におけるセルフコントロール型アプリの全体的な品質がより高かったか、あるいはこの行動戦略では、利用者の前向きな行動変容を促すのにアプリに必要な機能がより少なくて済む、ということを示唆しています。したがって、利用者はこれらのアプリがどの戦略を採用するかは気にしない一方で、モチベーション型に分類されるアプリは、利用者を満足させるためにより多くの機能や機能性を必要とする、という可能性があります。これは理解できることです。自己動機づけ型（セルフコントロール型）のアプリは、主に利用者が自分自身の進捗を見ることに依拠しており、したがって機能するには通常トラッカー（記録機能）だけがあればよいからです（「進捗を記録するのにとても役立つ」「だいたいの推定で考えるのではなく、自分がどれだけ進歩したかを正確に把握できるのが気に入っている」）。さらに、UI／機能に対する肯定的フィードバックの数は、両カテゴリーとも、行動戦略に対する肯定的フィードバックよりもはるかに少なくなっていました。同様に、否定的フィードバックは、行動戦略に比べて UI／機能に対する方がはるかに多くなっていました。これは、利用者がこれらのアプリの戦略を理論上ないし概念としては受け入れられると考えた一方で、UI に関してはアプリにまだ多くの改善が必要だと考えた、ということを意味するのかもしれません。セルフコントロール型アプリの実装はおそらくより容易でしょうが、セルフコントロール型アプリへの否定的レビューの多さからは、利用者に好まれていたのは（UI ではなく）行動戦略の方だったと考えられます。これらのアプリについて結論を導き出すにはまだ時期尚早ですが、初期の結果は、利用者が概してセルフコントロール戦略を採用する現行アプリにより満足していることを示唆しています。これはおそらく、こうしたアプリが通常はしらふの日数を記録する機能のみで構成されており、利用者がこの目に見える進捗を見るのを好むからでしょう。利用者は、これを物足りないとは感じず、むしろ自分の目標にとってシンプルで使いやすいと受け止めているようです。

本研究の主要な目標の一つは、アプリ品質やアプリへの認識を判定する複数の異なる仕組みを確立することでした。テキストベースの利用者レビューを通じては有意な関連を見いだせたものの、利用者の星評価や研究者ベースの MARS 評価に関しては、有意な傾向を一切見いだせませんでした。このデータ間の明らかに弱い相関からは、単純な評価やチェック方式ではなく、アプリに対する利用者の定性的なレビューデータの深い分析が必要なのではないか、と推測されます。

iTunes の断酒支援アプリのレビューでは、コメント分析の結果、利用者がモチベーション戦略よりもセルフコントロール戦略を採用するアプリの UI と設計上の特徴を好むことが示されました[35]。これらの知見は、自己モニタリングの促進がより良い成果につながることを見いだした他の研究[38,39]と整合し、長期的な体重管理についても同様の結果が示されています[7]。これらの研究は、自己モニタリングとコントロールが、長期的な前向きの行動変容のおそらく重要な動機づけ要因であることを示しています。こうしたアプリは、利用者にとって関連性を保ち続け、治療を提供しながら習慣の再発を防がなければなりません。したがって、この文献が提供した証拠をふまえると、この分野の今後のアプリは、自己モニタリングとコントロールに依拠する原則を中心に設計することが推奨されます。

あわせて、利用者レビューのメタ分析に基づいて、この分野の今後のアプリが検討すべき追加機能の提案も考えてみたいと思います。そうした機能とは、チュートリアル（アプリを適切に使えないという声が多くのコメントに見られたため）、オフライン機能（利用者は利便性を好んだ）、読みやすいテキスト、そして広告がないこと、です。一部の利用者は、特定のアプリにアルコールの広告が表示され、飲酒量を抑えるという目標の達成を著しく妨げたと述べています（「いまだに断続的にアルコール広告が出る」）。しかし、圧倒的多数の意見は、これらのアプリの記録機能を支持しているようでした。これは、本質的にカレンダーやしらふ日数のカウンター／トラッカーのみで構成されるアプリが高評価を得ていることからも裏づけられます（「大好き！――このカウンターは、自分がどこまで来たかを見るのにすばらしいツールです」「使い始めてまだ1週間だけど、また1日しらふの日に印をつけて、1か月が少しずつ緑になっていくのを眺めるのはとても満足感がある」）。

断酒支援アプリを作るうえで、機能性（functionality）はおそらく最も重要な側面です。バグやクラッシュのあるアプリは利用者の助けにならず、むしろ利用者をいらだたせる可能性が高いものです。したがって、アプリに何らかの機能を追加することを検討する前に、アプリはすべての端末で安定して正しく動作しなければなりません。複数の利用者が、ポータビリティ（移植性）の重要性を指摘しました（これは特に Android プラットフォームで重要です）。利用者は何度か、別のモバイル端末に移したときにアプリが正常に動作しないと報告しています（「Galaxy S3 で動かない。このアプリで困っている」「Nexus 5X でクラッシュする」）。

限界（Limitations）

本研究はバイアスやその他の潜在的問題を最小化しようとしましたが、MARS 尺度を用いた評価の主観的な性質ゆえに、研究の一部の領域でバイアスのかかった結果が生じた可能性があります。さらに、許容される回答もかなり限られており、後者の設問への取り得る回答は「1＝いいえ、3＝たぶん、5＝はい」でした。この2つの限界が組み合わさることで、利用者間、および同一アプリにおけるアプリ品質スコアと主観的品質スコアの平均値の間で、得点が極端に変動しやすくなり、主観的品質スコアを見かけよりもはるかに有用でないものにしている可能性があります。もう一つの限界となり得る要因は、「信頼性：このアプリは正当な情報源から提供されているか？」という特定の設問です。これは政府や大学の情報源により高いスコアが与えられるものです。やや些細ではあるものの、アプリ自体の情報源は、利用者の目標達成における有効性の点でアプリが高く（あるいは低く）評価されるかどうかの要因になるべきではありません。また MARS は、シンプルで機能が少ないものの内容をより簡潔に提示するアプリよりも、より複雑なアプリを優遇します。同様に、星による数値評価の仕組みは、一部の利用者には曖昧に受け取られた可能性があります。この点については、これを順序変数として扱うことでバイアスの克服を試みました。

コメントの分析にも、いくつかの限界要因がありました。「いいアプリ」やそれに類するコメントの一部は、アプリが採用する戦略をほめているのか、アプリ自体の機能をほめているのかの判別が難しく、分析が困難でした。多くの場合、これらは戦略と UI／機能の両方に肯定的な評価値を割り当てました。アプリがほめられつつも改善の提案がなされている場合は、利用者が完全には満足していないことを意味するため、否定的な評価値も割り当てました。これは主に UI／機能のカテゴリーで生じ、利用者がある側面を気に入りつつも、たとえば同時に別の習慣も記録できるようにするなど、アプリがさらに改善できると考えたケースです（「このアプリは良いアイデアがある。メモを編集できるようになると改善になる」「気に入っているが、ウィジェットの設定を個別にできると改善できる」）。さらに、アプリはたいてい「シンプル」で「分かりやすい」点をほめられていました。そのため、どの機能が必要で、どれが不要かを正確に見極めるのは困難でした。最後に、すべての利用者が飲酒習慣の克服を助けるためにアプリを使っていたわけではありませんでした。これは、習慣全般を記録するアプリで特に顕著でした。多くのコメントがどの習慣に関するものかを明記していなかったため、コメントが伝える限られた情報からは判別が不可能でした。また、本研究では iTunes のデータを考慮していないことも認めます。これは興味深い比較対象となり得たものですが、iTunes アプリについては、すでに別途、個別に報告しています。

5. 結論

本論文では、利用者が肯定的・否定的に反応する側面を調査し、断酒支援アプリを作る際に検討すべき機能を提案しました。予備的な知見は、セルフコントロール型のアプリが、モチベーション型のアプリよりもはるかに多くの肯定的な利用者レビューを得たことを示唆しています。加えて、この傾向は、両タイプのアプリに対する数値による利用者の星評価には現れませんでした。また、断酒支援アプリにとっての重要な機能として、チュートリアル、オフライン機能、読みやすいテキスト、広告がないこと、をいくつか見いだしました。今後の課題として、本研究の結果を、断酒を目的とする iTunes アプリに対する同様の詳細な分析と直接比較することを目指します。さらに、断酒支援アプリを、減量アプリのような他のモチベーション系アプリと比較し、共通する機能と異なる機能を明らかにすることを目指します。

著者貢献・資金・倫理等

• 著者貢献（Author Contributions）: 構想 — O.M., B.C., A.A.M., I.K., M.L., A.K.；データキュレーション — I.K.；形式分析 — B.C.；資金獲得 — A.K.；調査 — I.K., M.L.；方法論 — A.A.M.；プロジェクト管理 — A.A.M., A.K.；監督 — O.M., A.A.M.；検証 — B.C.；原稿執筆（初稿）— O.M.；執筆（レビュー・編集）— M.L., A.K.。全著者が公開版の原稿を読み、同意している。
• 資金（Funding）: 本プロジェクトに関連する資金提供はなし。
• 倫理審査委員会の声明: 研究およびデータ調査の性質上、所属機関より正式な倫理承認の免除が認められた。
• インフォームド・コンセントの声明: 該当なし。
• データ利用可能性の声明: 該当なし。
• 利益相反: 著者らは、競合する利益相反がないことを宣言する。

参考文献（References）

参考文献は、学術上の慣行に従い原典の書誌情報（英語）のまま掲載します。

1. Stevens, G.; Mascarenhas, M.; Mathers, C. Global health risks: progress and challenges. Bull. World Heal. Organ. 2009, 87, 646. doi:10.2471/blt.09.070565.
2. Ritchie, H.; Roser, M. Alcohol Consumption. https://ourworldindata.org/alcohol-consumption#citation （2021-11-23 アクセス）
3. Griswold, M.G.; Fullman, N.; Hawley, C.; Arian, N.; Zimsen, S.R.M.; Tymeson, H.D.; Venkateswaran, V.; Tapp, A.D.; Forouzanfar, M.H.; Salama, J.S.; et al. Alcohol use and burden for 195 countries and territories, 1990–2016: a systematic analysis for the Global Burden of Disease Study 2016. Lancet 2018, 392, 1015–1035. doi:10.1016/s0140-6736(18)31310-2.
4. Antai, D.; Lopez, G.B.; Antai, J.; Anthony, D.S. Alcohol Drinking Patterns and Differences in Alcohol-Related Harm: A Population-Based Study of the United States. BioMed Res. Int. 2014, 2014, 1–11. doi:10.1155/2014/853410.
5. Miller, W.R.; Westerberg, V.S.; Waldron, H.B. Evaluating Alcohol Problems in Adults and Adolescents. In Handbook of Alcoholism Treatment Approaches: Effective Alternatives, 2nd ed.; Allyn & Bacon: Needham Heights, MA, USA, 1995; pp. 61–88.
6. UKATT Research Team. Effectiveness of treatment for alcohol problems: findings of the randomised UK alcohol treatment trial (UKATT). BMJ 2005, 331, 541. doi:10.1136/bmj.331.7516.541.
7. Aguilar-Martínez, A.; Solé-Sedeño, J.M.; Mancebo-Moreno, G.; Medina, F.X.; Carreras-Collado, R.; Saigí-Rubió, F. Use of mobile phones as a tool for weight loss: A systematic review. J. Telemed. Telecare 2014, 20, 339–349.
8. Matthews, J.; Win, K.T.; Oinas-Kukkonen, H.; Freeman, M. Persuasive Technology in Mobile Applications Promoting Physical Activity: a Systematic Review. J. Med. Syst. 2016, 40, 1–13. doi:10.1007/s10916-015-0425-x.
9. Room, R.; Bondy, S.J.; Ferris, J. The risk of harm to oneself from drinking, Canada 1989. Addiction 1995, 90, 499–513. doi:10.1111/j.1360-0443.1995.tb02185.x.
10. Wild, T.C.; Cunningham, J.A.; Roberts, A.B. Controlled study of brief personalized assessment-feedback for drinkers interested in self-help. Addiction 2007, 102, 241–250. doi:10.1111/j.1360-0443.2006.01682.x.
11. Cunningham, J.A.; Blomqvist, J. Examining treatment use among alcohol-dependent individuals from a population perspective. Alcohol Alcohol. 2006, 41, 632–635.
12. Grant, B.F. Barriers to alcoholism treatment: Reasons for not seeking treatment in a general population sample. J. Stud. Alcohol 1997, 58, 365–371.
13. Wallhed Finn, S.; Bakshi, A.-S.; Andréasson, S. Alcohol consumption, dependence, and treatment barriers: Perceptions among nontreatment seekers with alcohol dependence. Subst. Use Misuse 2014, 49, 762–769.
14. Lechner, W.V.; Laurene, K.R.; Patel, S.; Anderson, M.; Grega, C.; Kenne, D.R. Changes in alcohol use as a function of psychological distress and social support following COVID-19 related University closings. Addict. Behav. 2020, 110, 106527. doi:10.1016/j.addbeh.2020.106527.
15. Sober Grid. https://www.sobergrid.com/ （2021-11-23 アクセス）
16. Bertucci, J. Using Persuasive Technology to Curb Alcohol Consumption on College Campuses. 2018, 4, 1–60. https://scholarship.depauw.edu/studentresearch/79 （2021-12-23 アクセス）
17. Fogg, B.J. Persuasive Technology: Using Computers to Change What We Think and Do; Morgan Kaufmann Publishers: Amsterdam/Boston, 2002.
18. Kunaefi, A.; Aritsugi, M. Extracting Arguments Based on User Decisions in App Reviews. IEEE Access 2021, 9, 45078–45094. doi:10.1109/access.2021.3067000.
19. Stoyanov, S.R.; Hides, L.; Kavanagh, D.J.; Zelenko, O.; Tjondronegoro, D.; Mani, M. Mobile app rating scale: A new tool for assessing the quality of health mobile apps. JMIR Mhealth Uhealth 2015, 3, e34.
20. Knitza, J.; Tascilar, K.; Messner, E.-M.; Meyer, M.; Vossen, D.; Pulla, A.; Bosch, P.; Kittler, J.; Kleyer, A.; Sewerin, P. German mobile apps in rheumatology: Review and analysis using the Mobile Application Rating Scale (MARS). JMIR Mhealth Uhealth 2019, 7, e14991.
21. Salazar, A.; de Sola, H.; Failde, I.; Moral-Munoz, J.A. Measuring the quality of mobile apps for the management of pain: Systematic search and evaluation using the mobile app rating scale. JMIR Mhealth Uhealth 2018, 6, e10718.
22. Sawares, A.S.; Shen, N.; Xue, Y.; Abi-Jaoude, A.; Wiljer, D. The impact of mobile apps on alcohol use disorder: A systematic review protocol. JMIR Res. Protoc. 2017, 6, e6975.
23. Wilson, H.; Stoyanov, S.R.; Gandabhai, S.; Baldwin, A. The quality and accuracy of mobile apps to prevent driving after drinking alcohol. JMIR Mhealth Uhealth 2016, 4, e5961.
24. Gajecki, M.; Berman, A.H.; Sinadinovic, K.; Rosendahl, I.; Andersson, C. Mobile phone brief intervention applications for risky alcohol use among university students: A randomized controlled study. Addict. Sci. Clin. Pract. 2014, 9, 1–12.
25. Linke, S.; Murray, E.; Butler, C.; Wallace, P. Internet-based interactive health intervention for the promotion of sensible drinking: Patterns of use and potential impact on members of the general public. J. Med. Internet Res. 2007, 9, e10.
26. Cohn, A.M.; Hunter-Reel, D.; Hagman, B.T.; Mitchell, J. Promoting behavior change from alcohol use through mobile technology: The future of ecological momentary assessment. Alcohol. Clin. Exp. Res. 2011, 35, 2209–2215.
27. Crane, D.; Garnett, C.; Brown, J.; West, R.; Michie, S. Behavior change techniques in popular alcohol reduction apps: Content analysis. J. Med. Internet Res. 2015, 17, e4060.
28. Weaver, E.R.; Horyniak, D.R.; Jenkinson, R.; Dietze, P.; Lim, M.S. “Let’s get wasted!” and other apps: Characteristics, acceptability, and use of alcohol-related smartphone applications. JMIR Mhealth Uhealth 2013, 1, e2709.
29. Fox, S.; Duggan, M. Mobile Health; Pew Internet American Life Project: Washington, DC, USA, 2010.
30. Alcohol. https://www.health.gov.au/health-topics/alcohol （2021-12-23 アクセス）
31. Abroms, L.C.; Padmanabhan, N.; Thaweethai, L.; Phillips, T. iPhone apps for smoking cessation: A content analysis. Am. J. Prev. Med. 2011, 40, 279–285.
32. Alcohol: Drinking Increases Cancer Risks. American Institute for Cancer Research. https://www.aicr.org/cancer-prevention/food-facts/alcohol/ （2021-12-23 アクセス）
33. Azar, K.M.; Lesser, L.I.; Laing, B.Y.; Stephens, J.; Aurora, M.S.; Burke, L.E.; Palaniappan, L.P. Mobile applications for weight management: Theory-based content analysis. Am. J. Prev. Med. 2013, 45, 583–589.
34. Fu, B.; Lin, J.; Li, L.; Faloutsos, C.; Hong, J.; Sadeh, N. Why people hate your app: Making sense of user feedback in a mobile app store. In Proceedings of the 19th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, Chicago, IL, USA, 11–14 August 2013; pp. 1276–1284.
35. Mubin, O.; Al Mahmud, A.; Kabir, M.A. Alcohol behaviour change: Lessons learned from user reviews of iTunes apps. In Proceedings of the International Conference on Persuasive Technology, Salzburg, Austria, 5–7 April 2016; pp. 99–109.
36. Savov, V. The entire history of iPhone vs. Android summed up in two charts. The Verge 2016. https://www.theverge.com/2016/6/1/11836816/iphone-vs-android-history-charts （2021-12-23 アクセス）
37. de Alva, F.E.M.; Wadley, G.; Lederman, R. It feels different from real life: users’ opinions of mobile applications for mental health. In Proceedings of the Annual Meeting of the Australian Special Interest Group for Computer Human Interaction, 2015; pp. 598–602.
38. Michie, S.; Whittington, C.; Hamoudi, Z.; Zarnani, F.; Tober, G.; West, R. Identification of behaviour change techniques to reduce excessive alcohol consumption. Addiction 2012, 107, 1431–1440.
39. Crane, D.; Garnett, C.; Michie, S.; West, R.; Brown, J. A smartphone app to reduce excessive alcohol consumption: Identifying the effectiveness of intervention components in a factorial randomised control trial. Sci. Rep. 2018, 8, 1–11.