[论文解读] Effect of Values and Technology Use on Exercise: Implications for Personalized Behavior Change Interventions

Yelena Mejova, Kyriaki Kalimeri|arXiv (Cornell University)|Mar 27, 2019

Mobile Health and mHealth Applications参考文献 58被引用 6

一句话总结

本研究整合了来自15,000名美国成年人的自报价值观、技术使用日志及人口统计学数据，以建模运动行为并预测健康与健身应用的采用情况。在分类运动参与度方面，模型取得了加权AUROC为.673的性能，表明诸如纯洁性与幸福感等价值观，连同应用使用数据，在预测建模中显著优于人口统计学或浏览数据，为个性化行为改变干预措施提供了可操作的设计原则。

ABSTRACT

Technology has recently been recruited in the war against the ongoing obesity crisis; however, the adoption of Health & Fitness applications for regular exercise is a struggle. In this study, we present a unique demographically representative dataset of 15k US residents that combines technology use logs with surveys on moral views, human values, and emotional contagion. Combining these data, we provide a holistic view of individuals to model their physical exercise behavior. First, we show which values determine the adoption of Health & Fitness mobile applications, finding that users who prioritize the value of purity and de-emphasize values of conformity, hedonism, and security are more likely to use such apps. Further, we achieve a weighted AUROC of .673 in predicting whether individual exercises, and we also show that the application usage data allows for substantially better classification performance (.608) compared to using basic demographics (.513) or internet browsing data (.546). We also find a strong link of exercise to respondent socioeconomic status, as well as the value of happiness. Using these insights, we propose actionable design guidelines for persuasive technologies targeting health behavior modification.

研究动机与目标

• 理解个体价值观与技术使用如何影响运动行为及健康与健身应用的采用。
• 识别在具有代表性的美国人口样本中预测持续体力活动的心理与行为指标。
• 为针对健康行为改变的说服性技术开发数据驱动的设计指南。
• 比较应用使用数据、浏览数据与人口统计信息在建模运动行为时的预测能力。

提出的方法

• 收集了包含15,000名美国成年人的具有人口统计代表性的数据集，结合关于道德基础、施瓦茨价值观及情绪传染的调查数据，以及自报的运动与技术使用日志。
• 使用心理测量问卷评估包括纯洁性、顺从性、享乐主义、安全性与幸福感在内的价值观，并将其与应用使用及运动行为相关联。
• 应用监督式机器学习，以人口统计学、心理测量学、应用使用与浏览数据作为特征，对运动参与度进行分类。
• 通过逻辑回归与分类建模评估预测性能，报告不同特征集的AUROC得分。
• 进行中介与中介效应分析，以探索价值观、技术使用与运动行为之间的因果路径。
• 采用数据匿名化、URL清洗与隐私保护技术，确保符合GDPR的数据处理要求。

实验结果

研究问题

• RQ1 哪些人类价值观最能预测健康与健身移动应用的采用与持续使用？
• RQ2 技术使用——特别是移动应用使用与桌面浏览——在多大程度上能预测实际的体力活动行为？
• RQ3 除心理与行为变量外，财富与教育等人口统计因素在多大程度上能预测规律运动？
• RQ4 幸福感、健康作为个人选择以及情绪传染等价值观如何与运动参与相关联？
• RQ5 基于使用模式与用户价值观，健康应用中哪些设计特征最能有效促进规律运动？

主要发现

• 将纯洁性视为优先价值、并弱化顺从性、享乐主义与安全性的用户，显著更可能使用健康与健身应用。
• 模型在预测个体运动参与度方面取得了加权AUROC为.673的性能，其中移动应用使用数据的贡献远超浏览数据或人口统计学数据。
• 移动应用使用数据将分类性能提升至.608 AUROC，优于人口统计学数据（.513）与浏览数据（.546）。
• 财富水平以及认为健康是个人选择的信念是规律运动的最强预测因子，教育水平也表现出显著影响。
• 专注于追踪跑步或骑行等特定活动的应用，其用户持续参与率高于通用健康或女性健康类应用。
• 权力价值观与运动呈负相关，表明排行榜等竞争性功能可能并非普遍有效。