[論文レビュー] Personalization Paradox in Behavior Change Apps: Lessons from a Social Comparison-Based Personalized App for Physical Activity

Jichen Zhu, Diane H. Dallal+5 more|arXiv (Cornell University)|Jan 25, 2021

Mobile Health and mHealth Applications参考文献 65被引用数 5

ひとこと要約

本研究では、モバイルヘルスアプリにおけるAI駆動型で個人に合わせた社会的比較システムを導入し、運動への動機付けを向上させることを目的としている。マルチアームド・バンディットを用いて、個々の好みに応じて動的に社会的比較の基準を調整するアプローチを採用した。その結果、動機付けと歩数の両面で小さな効果量から中程度の効果量が得られ、『パーソナライゼーションのパラドックス』—正確なユーザー理解と効果的な行動変容の間の矛盾—が、コアな設計上の課題として特定された。

ABSTRACT

Social comparison-based features are widely used in social computing apps. However, most existing apps are not grounded in social comparison theories and do not consider individual differences in social comparison preferences and reactions. This paper is among the first to automatically personalize social comparison targets. In the context of an m-health app for physical activity, we use artificial intelligence (AI) techniques of multi-armed bandits. Results from our user study (n=53) indicate that there is some evidence that motivation can be increased using the AI-based personalization of social comparison. The detected effects achieved small-to-moderate effect sizes, illustrating the real-world implications of the intervention for enhancing motivation and physical activity. In addition to design implications for social comparison features in social apps, this paper identified the personalization paradox, the conflict between user modeling and adaptation, as a key design challenge of personalized applications for behavior change. Additionally, we propose research directions to mitigate this Personalization Paradox.

研究の動機と目的

• 既存のフィットネスアプリには、ユーザーの心理的差異を無視した個別化された社会的比較機能が不足しているという問題に対処すること。
• 個々のユーザーの好みと反応に応じて、自動的に社会的比較の基準をモデル化・適応させるAIベースのシステムを開発すること。
• 実世界のmヘルス環境において、パーソナライズされた社会的比較が動機付けと運動量を向上させることを評価すること。
• パーソナライズド・行動変容アプリケーション内での『パーソナライゼーションのパラドックス』—正確なユーザーモデリングと効果的な行動変容の間の矛盾—を特定・分析すること。
• 今後のmヘルスおよび行動変容システムにおけるパーソナライゼーションのパラドックスの緩和に向けた設計ガイドラインと研究方向性を提言すること。

提案手法

• ユーザーのフィードバックに基づいて、リアルタイムで社会的比較の基準をモデル化・適応させるために、マルチアームド・バンディットアルゴリズムを採用した。
• ユーザーの行動反応（1日あたりの歩数）および動機付け反応（自己報告による動機付け）のリアルタイムデータを収集した。
• 初期段階でのモデル精度を確保するため、ユーザーの好みを歪めないよう、非対抗的で中立的なインターフェースを設計した。
• 21日間のユーザー研究（n=53）を実施し、システムの運動量および動機付けへの影響を評価した。
• 2段階のパーソナライゼーションプロセスを実装した：まず中立的にユーザーの好みをモデル化し、次に検証済みのユーザープロファイルに基づいて機能を適応させた。
• AI技術を活用して、個々のユーザーの好みと反応に応じて、上向きまたは下向きの比較対象を動的に選択した。

実験結果

リサーチクエスチョン

• RQ1 AIベースのパーソナライズド・社会的比較の基準が、mヘルスアプリにおいて動機付けと運動量を実際に向上させることができるか？
• RQ2 個々のユーザーの社会的比較方向の好み（上向き vs. 下向き）の違いが、パーソナライズド・社会的比較への反応にどのように影響するか？
• RQ3 正確なモデリングと効果的な行動変容の間に矛盾を生じる『パーソナライゼーションのパラドックス』が、パーソナライズド・行動変容システムの設計とパフォーマンスに及ぼす影響の程度はどの程度か？
• RQ4 中立的な初期フェーズが、社会的比較に基づくmヘルス介入におけるユーザーモデリングの正確性を向上させることができるか？
• RQ5 動機付けと運動量の小さな効果量から中程度の効果量が、現実世界の行動的影響にどのように反映されるか？

主な発見

• AIベースのパーソナライズド・システムは、リアルタイムで個々のユーザーが好む社会的比較の方向性を正確にモデル化し、それに応じて基準を適応させることに成功した。
• パーソナライズド・社会的比較の基準にさらされたユーザーは、動機付けと1日あたりの歩数の両面で小さな効果量から中程度の効果量が得られた。
• パーソナライゼーションのパラドックスが、重要な課題として特定された。正確なモデリングの努力が行動への影響を低下させ、逆に効果的な行動変容を図ろうとすると、モデリングの正確性が損なわれるという逆説的状況である。
• 本研究のサンプルサイズが小さく、統計的パワーに制限があったため、観察された効果を裏付けるために大規模な検証が必要であると示唆された。
• ユーザーがアプリにアクセスする時間帯のばらつきが、社会的比較の露出による即時の行動的影響を希釈させた可能性がある。
• 社会的比較の好みが静的であるという仮定は、すべてのユーザーに当てはまらない可能性があり、今後の研究では動的なユーザーモデリングの必要性が示された。