[论文解读] How Gamification Affects Physical Activity: Large-scale Analysis of Walking Challenges in a Mobile Application

Ali Shameli, Tim Althoff+2 more|arXiv (Cornell University)|Feb 24, 2017

Educational Games and Gamification参考文献 35被引用 19

一句话总结

本研究分析了在移动健康应用中进行的2,500场步行挑战，覆盖800,000人天，发现游戏化竞赛可使平均体力活动水平提高23%。研究识别出关键设计原则——如将用户与基线活动水平相近者匹配，并确保性别组成均衡——以最大化参与度和效果，并开发了一个AUC为75.1%的预测模型，用于识别高参与度的竞赛。

ABSTRACT

Gamification represents an effective way to incentivize user behavior across a number of computing applications. However, despite the fact that physical activity is essential for a healthy lifestyle, surprisingly little is known about how gamification and in particular competitions shape human physical activity. Here we study how competitions affect physical activity. We focus on walking challenges in a mobile activity tracking application where multiple users compete over who takes the most steps over a predefined number of days. We synthesize our findings in a series of game and app design implications. In particular, we analyze nearly 2,500 physical activity competitions over a period of one year capturing more than 800,000 person days of activity tracking. We observe that during walking competitions, the average user increases physical activity by 23%. Furthermore, there are large increases in activity for both men and women across all ages, and weight status, and even for users that were previously fairly inactive. We also find that the composition of participants greatly affects the dynamics of the game. In particular, if highly unequal participants get matched to each other, then competition suffers and the overall effect on the physical activity drops significantly. Furthermore, competitions with an equal mix of both men and women are more effective in increasing the level of activities. We leverage these insights to develop a statistical model to predict whether or not a competition will be particularly engaging with significant accuracy. Our models can serve as a guideline to help design more engaging competitions that lead to most beneficial behavioral changes.

研究动机与目标

• 了解移动健康应用中的游戏化步行竞赛如何影响不同用户群体的体力活动水平。
• 识别能最大化用户参与度和体力活动提升的游戏设计要素。
• 开发一个能够基于用户和竞赛特征预测未来竞赛参与度的预测模型。
• 研究参与者构成（如性别平衡和活动水平相似性）对竞赛动态和结果的影响。
• 为旨在通过竞赛促进长期体力活动的移动健康应用提供可操作的设计指南。

提出的方法

• 收集并分析了Azumio Argus应用中2,500场步行挑战的匿名步数数据，时间跨度为一年，覆盖800,000人天。
• 利用基线体力活动水平（竞赛之外）和竞赛期间的活动模式，计算每日步数增加量和排名变化。
• 构建统计模型，使用人口统计学数据（年龄、性别、BMI）、过往竞赛行为以及活动水平相似性，以预测竞赛参与度。
• 使用ROC AUC评估模型性能，关键结果指标包括：FIRST-LAST排名差、RANK SWAPS和ΔACTIVITY（活动水平变化）。
• 比较不同特征集（如仅人口统计学 vs. 完整特征集）的模型，以识别在实际部署中最小但有效的输入。
• 通过展示即使仅使用有限特征（如仅竞赛外活动水平或基本人口统计学信息）时模型仍具有高预测准确性，验证了模型的稳健性。

实验结果

研究问题

• RQ1 移动健康应用中的步行竞赛在多大程度上提升了多样化用户群体的体力活动水平？
• RQ2 参与者构成因素（如性别平衡和赛前活动水平相似性）如何影响竞赛动态和用户参与度？
• RQ3 我们能否仅使用基本用户和竞赛特征来预测竞赛的参与度或成功程度？
• RQ4 用户过往竞赛行为与其在新竞赛中的表现及活动增加量之间存在何种关系？
• RQ5 不同用户子群体（包括不活跃用户及不同BMI或年龄者）的体力活动增加幅度有何差异？

主要发现

• 与基线水平相比，用户在步行竞赛期间平均每日体力活动水平提高了23%。
• 活动水平最低的用户群体中观察到最大的活动提升（日均增加超过2,500步），表明对低活动人群具有显著的行为改变潜力。
• 竞赛获胜者相比基线水平，活动量增加了40%至60%；而排名末位的用户平均活动水平低于竞赛前水平。
• 参赛者赛前活动水平差异较大的竞赛，整体活动提升显著降低，凸显了合理匹配的重要性。
• 男女混合组成的竞赛在提升体力活动方面比同性别组更有效。
• 仅使用过往竞赛外活动水平的统计模型，对最终排名差（FIRST-LAST）的预测AUC达到70.7%；而结合竞赛外与竞赛内历史数据的模型，AUC提升至75.1%，表明对参与度结果具有强大的预测能力。