Sprintabgabe Video

Feature

User-Story

refs orga#202

Zusammenfassung

Zur Sprint 6 Abgabe gehört ein Video dazu, was die App vorstellt.

Beschreibung

Genaue Details/Kriterien im Opal.

Akzeptanzkriterien

Siehe Akzeptanzkriterien der verlinkten User Story.

Skript Version 2

• Startfolie (10 Sekunden)

• Intro mit schauspielerischer Einlage von Laurin (so übernommen aus letzten Video)

• Krankheitsbild: (währenddessen)

  • Long Covid ME/CFS generell
  • Symptome und Folgen erklären

• Motivation/Zielsetzung: (währenddessen)

  • Pacing vorstellen
  • Wie Pacekeeper helfen soll

• Intro zuende → Übergang zu App (60 Sekunden)

• Welcome-Screen: (20 sekunden)

  • Ersteindruck der App auf den Nutzer
  • kurze Zusammenfassung der Zielstellung an den Nutzer

• Energielevel: (30 sekunden)

  • Anzeigen des Energielevels per fluidem Balken
  • Manuelles Nachjustieren des Balkens
  • Zusammenhang mit der Prognose

• Energieprognosegraph: (15 Sekunden)

  • Generiert Prognose aus Energielevel
  • Berechnet den zukünftigen verlauf bei gleichbleibenden Bedingungen
  • Reagiert auf manuelle Änderung des Energielvels

• Symptomabfrage: (30 Sekunden)

  • 4 smileys um sofortiges Feedback zu Symptomen zu geben
  • Auswahl an Symptomen und Möglichkeit auf neue Symptome
  • Beeinflusst Energielevel und -Prognose

• Messungen: (~20 Sekunden)

  • Anzeigen der Herzratenverlaufs und Verlauf der manuellen Symptomauswahl
  • Daten werden aus Healthconnect gezogen

• Graphdetailansicht (?)

  soll noch implementiert werden

• Nutzerprofil (15 Sekunden)

  • Vorzeigen, was alles ausgefüllt werden muss

• Verbindungen (15 Sekunden)

  • Healthconnect verbinden (und vielleicht zeigen welche Berechtigungen wir brauchen)

• Daten & Speicher (10 Sekunden)

  • Generieren von Demodaten
  • Import oder Export von (Herzfrequenz)daten möglich

• Benachrichtigung: (10 Sekunden)

  • Push-Benachrichtigungen werden bei kritischen Energielevel
  • Möglichkeit auf Ruhezeit

• Feedback: (10 Sekunden)

  • Verlinkt den Fragebogen
  • Hilft uns, Nutzerdaten zu sammeln um Prognosen zu verfeinern

• ML: (~60? Sekunden)

  • Umstieg von Neuronalem Netz auf Zeitreihenvorhersagemodell
  • Einbezug von vielen Metriken (Herz, Schritte, Schlaf, ...)
  • Personalisierte Vorhersagen, basierend auf den Werten des Nutzers

• Architektur/Design: (? Sekunden)

  mit Max reden

• Scrum/Arbeitsprozess (? Sekunden)

  dito

• Ausblick/zukünftige Features: (Restzeit)

  • Unfertige/nicht angefangene Issues anmerken
  • Zukünftige Features