FoodCensor: 促进饮食失调人群的数字食物内容的正念消费

文献标题

FoodCensor: Promoting Mindful Digital Food Content Consumption for People with Eating Disorders

文献信息

• 主题领域: 人机交互，数字干预设计，饮食失调行为改善
• 关键词: 食物内容、饮食失调、干预、暴食症、贪食症

研究背景与问题

• 发现问题:

  • 数字媒体展示的食物内容（如烹饪教程、吃播等）可能促进饮食失调行为，包括暴饮暴食、贪食症等。
  • 数字食物内容的诱人视觉和听觉刺激能触发不健康的饮食习惯，同时加剧某些人群的饮食失调症状。
  • 当前解决方案对于如何改善饮食失调行为，尤其是在数字内容消费方面，支持较为有限。

• 重要性:

  • 食物内容的广泛普及可能导致部分个体重复暴露于触发饮食失调的内容，从而恶化心理健康。

• 研究动机与相关工作:

  • 很多饮食失调个体对数字食品内容的消费往往是自动化和无意识的行为。
  • 双系统理论提供了一个框架来区分自动化行为（System 1）与反思性行为（System 2），可以应用于数字媒体内容消费改进。
  • 数字干预工具对其他领域的行为改变已展现研究价值，但尚未有针对饮食失调个体数字食物内容消费的充分探讨。

解决方案

• 提出方法: FoodCensor 干预系统通过以下两个维度帮助饮食失调个体改善数字内容消费：

  1. 隐藏被动接触的数字食物内容：在 YouTube 等媒体平台上用黑色覆盖图遮挡食物视频内容，使用户更有意识地选择观看。
  2. 主动干预用户搜索：在用户搜索食物相关内容时，提出反思问题并提示饮食失调可能带来的负面后果。

• 创新性:

  • 首次从用户侧实时检测和调节数字内容消费，而非依赖媒体平台本身的内容模式。
  • 结合双系统理论，通过隐藏刺激和促使反思转向更有意识、更健康的使用行为。

• 实施步骤与关键技术:

  • 技术实现: 开发安卓应用与 Chrome 扩展程序，通过 Accessibility API 和 DOM 树等技术追踪 UI 组件变化，识别食物内容并覆盖。
  • 内容检测方法: 使用词典方法（关键词匹配）检测食物和相关内容。
  • 干预机制:
    • 对于用户搜索食物内容时，通过弹窗提出反思问题。
    • 使用图像警告提醒习惯可能带来的负面心理和生理后果。

研究成果

• 具体成果:

  • 减少数字食物内容暴露: 实验组三周期间，YouTube 上建议的食物视频数量和被观看次数显著减少。
  • 促进用户反思与行为意识: 黑色覆盖图和反思问题促使实验组个体更清晰地意识到其媒体消费习惯是否健康。
  • 饮食失调症状改善: 实验组个体在暴食和呕吐次数上有所减少，EDE-Q（饮食失调评估量表）分数也相较控制组更大幅度降低。

• 相较现有解决方案优势:

  • 提供了从用户侧干预的内容调节模式，可个性化应用，支持具体人群。
  • 在减少食物内容暴露外，还主动促使用户权衡其行为可能产生的利弊。

• 实验评估结果:

  • 食物内容暴露检测: 食物检测算法精度达 79-83%。
  • 用户行为分析: 实验组用户显著表达干预有效性和主动应用意愿。

• 局限性与未来方向:

  • 局限性：
    • 系统目前仅覆盖 YouTube 平台，其他社交媒体（如 Instagram、TikTok）仍需探索。
    • 食物内容检测算法在识别复杂情况（如标题多义词）时可能存在误差。
    • 研究参与人群局限于韩国女性，国际化和性别多样性研究尚待开展。
  • 未来方向：
    • 设计适应个体行为变化阶段的干预系统，支持从反思到长期习惯的迁移。
    • 探索用户针对内容建议算法的自我调节功能。
    • 扩展内容调节至更多平台和设备，结合大规模用户反馈改进算法检测能力。