[论文解读] Self-Tracking Technology for mHealth: A Systematic Review and the PAST SELF Framework.

Sofia Yfantidou, Pavlos Sermpezis+1 more|arXiv (Cornell University)|Apr 23, 2021

Innovative Human-Technology Interaction参考文献 198被引用 3

一句话总结

本文提出了 PAST SELF 框架——一种系统化、可扩展的自我追踪（ST）移动健康（mHealth）技术设计与评估框架。基于对 2008 至 2020 年间 117项研究的综述，该框架整合了 ST 人机交互（HCI）设计方法与用户参与度指标，以指导可持续的行为改变，为从业者和研究人员提供一种结构化的方法，用于开发和评估有效的 mHealth 干预措施。

ABSTRACT

In today's connected society, many people rely on mHealth and self-tracking (ST) technology to help them break their sedentary lifestyle and stay fit. However, there is scarce evidence of such technological interventions' effectiveness, and there are no standardized methods to evaluate the short- and long-term impact of such technologies on people's physical activity and health. This work aims to help ST and HCI practitioners and researchers by empowering them with systematic guidelines and an extensible framework for constructing such technological interventions. This survey and the proposed design and evaluation framework aim to contribute to health behavior change and user engagement sustainability. To this end, we conduct a literature review of 117 papers between 2008 and 2020, which identifies the core ST HCI design methods and their efficacy, as well as and the most comprehensive list to date of user engagement evaluation metrics for ST. Based on the review's findings, we propose the PAST SELF end-to-end framework to facilitate the classification, design, and evaluation of ST technology. PAST SELF systematically organizes common methods and guidelines from existing works in ubiquitous ST research. Hence, it has potential applications in industrial and scientific settings and can be utilized by practitioners and researchers alike.

研究动机与目标

• 解决在促进体力活动和健康行为改变方面，自我追踪（ST）mHealth 技术缺乏标准化评估方法的问题。
• 识别并综合现有 ST 与 HCI 研究中的核心设计方法和用户参与度评估指标。
• 开发一个全面且可扩展的框架，以指导 ST 基于的 mHealth 干预措施的系统化设计、实施与评估。
• 通过基于证据的设计指南，支持长期用户参与度与行为改变的可持续性。
• 为工业界和学术界 mHealth 环境中的研究人员和从业者提供实用工具。

提出的方法

• 对 2008 年至 2020 年间发表的 117篇同行评审论文进行了系统性文献综述，重点关注自我追踪与 mHealth 技术。
• 识别并分类了 ST HCI 研究中反复出现的设计方法，包括反馈机制、目标设定和社交功能。
• 整理并分类了迄今为止最全面的用户参与度评估指标列表，来自所审查的文献。
• 提出了 PAST SELF 框架，作为组织和指导 ST 技术开发与评估的端到端结构。
• 以关键阶段为核心构建 PAST SELF 框架：规划（Planning）、行动（Action）、自我监测（Self-monitoring）、追踪（Tracking）、社交支持（Social support）、评估（Evaluation）和反馈（Feedback），以确保全面的设计与评估。
• 将研究发现整合为一个可复用的框架，适用于多种 mHealth 场景和技术实现。

实验结果

研究问题

• RQ1 哪些自我追踪 HCI 设计方法在促进持久体力活动和健康行为改变方面最为有效？
• RQ2 在评估 ST mHealth 技术影响时，哪些用户参与度评估指标最常被使用且最有效？
• RQ3 如何将现有 ST 研究中的设计与评估实践系统性地组织为一个可复用的框架？
• RQ4 在 mHealth 干预措施中，确保长期用户参与度与行为改变可持续性的关键组成部分是什么？
• RQ5 该提出的框架如何在研究和工业界的各种 mHealth 与 ST 技术场景中应用？

主要发现

• 系统性综述识别出 117项相关研究，揭示了实时反馈、目标设定和社交比较等重复出现的设计策略，是推动用户参与度的关键驱动因素。
• 整理出一份包含 42 种不同用户参与度评估指标的全面列表，其中参与率、会话时长和使用频率等指标报告频率最高。
• PAST SELF 框架成功地将现有的 ST 设计与评估实践组织成一个连贯且可扩展的结构，适用于多种 mHealth 应用。
• 综述发现现有研究中长期评估有限，凸显了在短期干预之外评估持续行为改变的关键缺口。
• 该框架支持形成性评估与总结性评估，能够实现迭代设计和对 ST 技术影响力的稳健评估。
• 综合分析表明，整合社交支持与个性化反馈能显著提升用户参与度和 ST 系统中的长期留存率。