[论文解读] Wearable Computing for Health and Fitness: Exploring the Relationship between Data and Human Behaviour
本文研究可穿戴计算如何通过从以激励为导向的数据展示转向以数据支持的反思，来支持长期的健康与健身行为改变。本文综述了说服性技术、数据可视化技术以及内在动机策略，结论指出，未来的可穿戴设备应优先考虑情境化、自适应的反馈，以维持用户参与度，并支持自我监测，从而实现持久的行为影响。
Health and fitness wearable technology has recently advanced, making it easier for an individual to monitor their behaviours. Previously self generated data interacts with the user to motivate positive behaviour change, but issues arise when relating this to long term mention of wearable devices. Previous studies within this area are discussed. We also consider a new approach where data is used to support instead of motivate, through monitoring and logging to encourage reflection. Based on issues highlighted, we then make recommendations on the direction in which future work could be most beneficial.
研究动机与目标
- 探讨当前可穿戴技术在维持长期用户参与健康与健身追踪方面存在的局限性。
- 分析数据呈现方式与反馈机制在影响行为改变中的作用，尤其关注激励与反思的对比。
- 识别现有方法中过度依赖外在激励的缺口，并提出向内在、以数据支持的行为改变转变。
- 为支持通过自适应、情境化数据反馈实现持续健康行为改变的可穿戴系统，提出未来研究方向。
- 探索普适传感与行为改变理论的整合，以设计有效、以用户为中心的健康技术。
提出的方法
- 对聚焦于健康与健身应用的可穿戴与移动传感技术进行了全面的文献综述。
- 分析使用说服性技术框架（包括游戏化、社会比较和目标设定）的研究，以评估其对行为改变的影响。
- 评估数据呈现技术（如环境显示、实时反馈和可视化）在支持行为修正方面的有效性。
- 整合行为改变研究中的理论模型，特别是Michie等人提出的COM-B模型和计划行为理论，以评估其在可穿戴系统中的适用性。
- 研究了Fitster、Shakra和Health Sense等可穿戴应用的案例，以理解支持持续使用的设计模式。
- 提出一种新范式：数据不用于激励，而是用于促进反思与自我意识，从而支持内在动机和长期行为改变。
实验结果
研究问题
- RQ1当前的可穿戴技术如何利用数据影响健康与健身行为？其当前方法存在哪些局限性？
- RQ2外在激励技术（如奖励、游戏化）在多大程度上促进了可穿戴健康设备的长期用户留存？
- RQ3数据呈现方式——尤其是情境化与自适应反馈——在支持可持续行为改变中发挥什么作用？
- RQ4如何重新设计可穿戴系统，使其通过反思与自我监测支持内在动机，而非外部激励？
- RQ5通过数据记录与洞察支持长期健康行为改变的可穿戴系统，在设计与技术上面临哪些关键挑战？
主要发现
- 健康与健身可穿戴设备的用户流失率仍然很高，约85%的用户在短时间内即停止使用，表明长期参与度存在严重失败。
- 过度依赖外在激励（如游戏化和社会比较）通常仅带来短期参与，却无法维持长期行为改变。
- 以信息过载或缺乏情境化的方式呈现数据，可能使用户困惑并导致脱离使用，从而削弱可穿戴设备的潜力。
- 从以激励为导向转向以反思为导向的设计——即数据支持自我意识与内在动机——在实现持续行为改变方面展现出更大的潜力。
- 情境化、自适应且具有环境感的数据展示可增强用户理解，并在不使用户不堪重负的情况下促进持续自我监测。
- 未来的可穿戴系统应优先考虑个性化、情境化反馈，并与既有的行为改变理论相整合，以提升长期可用性与影响力。
更好的研究，从现在开始
从阅读论文到最终审阅，大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成，并经人工编辑审核。