[논문 리뷰] Quantified-Self 2.0: Using Context-Aware Services for Promoting Gradual Behaviour Change

Li Guo|arXiv (Cornell University)|2016. 10. 03.

Innovative Human-Technology Interaction참고 문헌 25인용 수 4

한 줄 요약

이 논문은 스마트폰에서 감지한 활동 데이터를 활용해 점진적인 행동 변화를 유도하는 개인화된 네지(널지)를 제공하는 맥락 인식형 사전 대응 시스템인 Quantified-Self 2.0을 제안한다. 수면 패턴, 보행 수, 앱 사용량을 분석함으로써 시기적절하고 맞춤형 조언을 생성하여, 시범 연구에서 10일 간 평균 일일 보행 수가 3.03% 증가하고 수면 지속 시간이 7% 증가하는 결과를 얻었다.

ABSTRACT

The recent development of smartphone and wearable sensor technologies enable general public to carry self-tracking tasks more easily. Much work has been devoted to life data collection and visualisation to help people with better self-understanding. We believe that although (awareness/knowledge discovery is an important aspect of personal informatics, knowledge maintenance is more, or at least equally, important. In this paper, we propose a proactive approach that uses the knowledge mined from people's activity data to nudge them towards a good lifestyle (better knowledge maintenance). For demonstration purpose, a trial study was designed and implemented for good sleep maintenance. In the study, we first use smartphones as activity trackers to collect various features in a non-intrusive manner. We then use those data to learn users' activity patterns, including daily step amount, app usages, bedding time, wake-up time and sleep duration. Subsequently, we analyse correlations that may have the positive or negative impact on users' sleep qualities and finally we designed and implemented three proactive services that are able to generate customised advice in the "right" context to nudge users towards a better lifestyle. The experiments results are positive showing that with the use of the proposed services 1. daily step amount have been increased by 3.03% on average in a 10 days study and 2. sleep durations are increased by 7% for two subjects.

연구 동기 및 목표

• 개인 정보 기술 분야에서 자가 추적과 데이터 인식이 증가하고 있음에도 불구하고 지속적인 행동 유지의 격차를 해소하기 위해.
• 순수한 지식 탐색에서 벗어나 적시에 맥락에 민감한 간섭을 통해 활동적인 지식 유지에 초점을 맞추기 위해.
• 채굴된 행동 패턴을 활용해 맞춤형 생활 습관 네지(널지)를 제공하는 사전 대응 시스템을 설계하고 평가하기 위해.
• 맥락 인식 서비스가 수면 품질 향상과 신체 활동 증가에 기여할 수 있는 가능성과 영향력을 입증하기 위해.

제안 방법

• 스마트폰이 비침습적인 활동 데이터를 수집하며, 일일 보행 수, 앱 사용량, 취침 시간, 기상 시간, 수면 지속 시간을 포함한다.
• 기계 학습 모델이 행동 특징과 수면 품질 간의 상관관계를 식별하여 긍정적 영향 및 부정적 영향을 구분한다.
• 실시간 사용자 맥락(예: 시각, 활동 수준, 이전 행동)을 기반으로 맥락 인식 엔진이 개인화된 네지(널지)를 트리거한다.
• 세 가지 사전 대응 서비스를 구현함: 수면 향상 조언자, 보행 목표 기억장치, 화면 사용 시간 인식 도구.
• 네지(널지)는 취침 전이나 저활동 기간과 같은 최적의 시기에 제공되어 행동 변화에 대한 영향을 극대화한다.
• 규칙 기반 및 데이터 기반 논리를 활용해 개인 사용자 프로필과 변화하는 행동 패턴에 따라 조언을 적응형으로 조정한다.

실험 결과

연구 질문

• RQ1 맥락 인식형 사전 대응 서비스는 일상적인 생활 습관에서 점진적인 행동 변화를 효과적으로 유도할 수 있는가?
• RQ2 자기 추적 데이터를 바탕으로 한 개인화되고 적시에 제공되는 네지(널지)는 신체 활동과 수면 지속 시간에 어떤 영향을 미치는가?
• RQ3 수면 품질 향상 또는 악화와 관련된 행동 패턴은 무엇이며, 이를 간섭에 활용할 수 있는가?
• RQ4 스마트폰에서 감지한 데이터로 비침습적이고 장기적인 행동 유지가 얼마나 가능할 수 있는가?
• RQ5 네지(널지)의 시기와 맥락이 사용자 반응성과 행동 변화 결과에 어떤 영향을 미치는가?

주요 결과

• 10일 간의 시험 기간 동안 시스템은 일일 보행 수 평균 3.03%의 통계적으로 유의미한 증가를 달성했다.
• 두 명의 참가자가 맥락 인식형 수면 향상 서비스를 사용한 후 수면 지속 시간이 각각 7% 증가했다.
• 사용자들은 맥락적으로 적절한 시기에 네지(널지)가 제공될 경우 더 높은 관련성과 수용성을 느꼈다.
• 상관 분석 결과 저녁 앱 사용량과 일관되지 않은 취침 시간이 수면 품질에 대한 강력한 부정적 예측 변수로 확인되었다.
• 연구 기간 동안 사용자 참여가 지속적으로 유지되어 장기적인 행동 유지 가능성에 대한 잠재력을 보였다.
• 실시간 맥락과 개인화된 피드백의 통합은 수동적 데이터 시각화에 비해 행동 변화 유도에 훨씬 뛰어난 성능을 보였다.