Un ajustement du modèle mathématique ACT-R (défini dans les équations 1-12) aux données pour chaque individu et chaque jour a été obtenu en minimisant le score de Brier entre le succès de probabilité prédit par le modèle et le succès observé en utilisant le paquet R OPTIMX à l`aide d`un méthode de quasi-Newton appelée BFSG à mémoire limitée, qui permet de lier la recherche de paramètres (en fournissant des limites supérieures et inférieures). On a fait valoir [52] que la ménagerie actuelle des théories du changement de comportement [11, 50] doit être raffinée ou remplacée par des modèles précis qui donnent des prédictions à la granularité des évaluations et des interventions qui sont fournies par les systèmes mHealth dans l`écologie de la vie quotidienne. De tels modèles fourniraient une base rigoureuse pour l`ingénierie des interventions sophistiquées et individualisées qui sont fournies de manière optimale dans les bons contextes au bon moment. Dans la recherche actuelle, nous avons travaillé à partir de la théorie ACT-R existante [7] pour proposer un modèle de formation de buts et d`habitudes qui permettrait de prédire les effets des intentions de mise en œuvre et des rappels. Des recherches antérieures [18] avaient suggéré que les mécanismes de mémoire déclarative humaine étaient impliqués dans l`efficacité de ce EBI. ACT-R prédit la dynamique de la récupération de la mémoire déclarative en réponse à une formation ou une utilisation supplémentaire, et donc la théorie a été étendue pour faire des prédictions sur la dynamique de l`efficacité de l`intention de mise en œuvre en fonction du moment de rappel Interventions. La figure 7 suggère que le modèle fait un travail raisonnable de prédire les effets de fréquence et de récence observés en raison des interventions de rappel, ainsi que les effets de la fréquence et de la recence en raison de la pratique du comportement cible. Le modèle semble prédire une relation plus SUBLINÉAIRE entre la récence de l`accusé de réception de rappel que celle qui est présente dans les données observées. Huit chambres identiques fabriquées par MED Associates (modèle ENV-008) mesurant 29 × 22 × 24 cm, (H × W × D) ont été utilisées. Chaque chambre était entourée d`une enceinte acoustique atténuante. Les parois latérales et le plafond étaient faits de plastique acrylique clair, tandis que les murs avant et arrière étaient en acier inoxydable.

Le plancher de la chambre se composait de seize tiges en acier inoxydable de 0,5 cm de diamètre espacées de 1,5 cm. Un magazine alimentaire encastré de 5 cm × 5 cm dans lequel des granulés de 45 mg de Noyes A/I pourraient être livrés était centré sur le mur avant. Chaque chambre avait deux leviers rétractables, ils étaient positionnés à droite et à gauche du plateau alimentaire. Ces leviers ont été 4,8 cm de long et positionnés 6,8 cm au-dessus du sol. Une ampoule de 28 VCC a été placée à 4,2 cm au-dessus du levier qui servait de lumière de Maison générale. Une tonalité de 3000 Hz, (80 dB) livrée par un haut-parleur de 8,2 cm monté sur le plafond de la chambre d`atténuation acoustique a été utilisée comme signal d`extinction. Les chambres étaient connectées à un PC qui contrôlait et enregistrait les évènements. Nous présentons d`abord l`expérience mHealth et résumons ensuite les méthodes d`analyse qui ont été appliquées pour explorer le modèle ACT-R des intentions de mise en œuvre, des reminérages et de la formation des habitudes.

La figure 5 présente les détails du modèle en termes de 12 équations. Un jour donné, dans le contexte approprié pour faire leur comportement de but, un participant peut rappeler son intention d`objectif ou non avec la probabilité PR (G). Si l`intention de but est rappelé, il y a deux voies à un comportement réussi: le comportement d`objectif peut être atteint par l`effort de exigeants Goal avec la probabilité PR (S), ou si une habitude s`est formée, elle peut être obtenue par les routines de nouvelle habitude avec la probabilité PR (H1).