[论文解读] 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 5

一句话总结

本研究在移动健康应用中引入了一种基于人工智能的个性化社会比较系统，以增强身体活动的动机。通过使用多臂赌博机算法，根据个体偏好动态调整社会比较目标，该方法在提升动机和步数方面取得了小到中等程度的效应量，同时识别出‘个性化悖论’——即准确的用户建模与有效的行为改变之间的冲突——作为核心设计挑战。

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.

研究动机与目标

• 为解决现有健身应用中缺乏个性化社会比较功能的问题，这些应用通常忽视用户偏好中的心理差异。
• 开发一种基于人工智能的系统，自动建模并根据个体用户偏好和反应调整社会比较目标。
• 评估个性化社会比较是否能在真实世界的移动健康环境中提升动机和身体活动水平。
• 识别并分析个性化行为改变应用中的‘个性化悖论’——即准确用户建模与有效行为改变之间的冲突。
• 提出缓解未来移动健康与行为改变系统中个性化悖论的设计准则和研究方向。

提出的方法

• 采用多臂赌博机算法，根据用户反馈实时建模并调整社会比较目标。
• 收集用户在行为（日步数）和动机（自我报告的动机）方面对社会比较的实时反应数据。
• 设计中性、非竞争性的界面，以避免在初始数据收集阶段扭曲用户偏好，确保模型准确性。
• 通过21天的用户研究（n=53）评估系统对身体活动和动机的影响。
• 实施两阶段个性化流程：首先中性地建模用户偏好；其次根据验证后的用户档案调整功能。
• 应用人工智能技术，根据个体用户偏好和反应动态选择比较目标（向上或向下）。

实验结果

研究问题

• RQ1 基于人工智能的个性化社会比较目标是否能有效提升移动健康应用中的动机和身体活动？
• RQ2 个体在社会比较方向偏好（向上 vs. 向下）上的差异如何影响其对个性化社会比较的反应？
• RQ3 个性化悖论（即准确建模与有效行为改变之间的冲突）在多大程度上影响个性化行为改变系统的整体设计与性能？
• RQ4 中性初始阶段是否能提升基于社会比较的移动健康干预中用户建模的准确性？
• RQ5 动机和身体活动水平的小到中等程度效应量在多大程度上转化为真实世界的行为影响？

主要发现

• 基于人工智能的个性化系统成功在实时中建模了用户对社会比较方向的个体偏好，并据此调整了比较目标。
• 接触个性化社会比较目标的用户在动机和日步数方面均表现出小到中等程度的效应量提升。
• 识别出个性化悖论是关键挑战，即提升模型准确性的努力可能降低行为影响，反之亦然。
• 研究样本量较小，统计效能有限，表明需要更大规模的验证以确认观察到的效果。
• 用户访问应用的时间段存在差异，这可能削弱了社会比较暴露对即时行为影响的作用。
• 假设社会比较偏好为静态可能不适用于所有用户，表明未来工作需要采用动态用户建模。