设计数据驱动的调查系统：利用参与者在线数据个性化调查

文献标题

Designing a Data-Driven Survey System: Leveraging Participants’ Online Data to Personalize Surveys

文献信息

• 主题领域: 人机交互 (HCI)，数据驱动的调查系统，用户数据隐私管理
• 关键词: 数据驱动, 调查系统, 个性化问卷, 用户界面, 在线账户, HCI

研究背景与问题

• 问题或挑战:

  • 当前流行的调查平台（如Qualtrics、SurveyMonkey）缺乏直接导入用户在线数据以实现高度个性化问卷的功能。
  • 定制化调查虽然能够提升数据质量和响应率，但其实现通常复杂且技术要求高。
  • 使用自报问卷数据限制了研究的精确性，同时增加了参与者的负担。

• 重要性:

  • 个性化问卷可以通过整合用户在线行为数据显著提高研究质量，例如减少社会期望偏差或提升回忆的准确性。
  • 用户体验和研究质量在涉及用户隐私和敏感性问题的调查中尤为关键。

• 研究动机与相关工作:

  • 许多领域的研究（如社会科学、体育科学和HCI）需要更高质量、更精细化的数据驱动问卷。
  • 当前案例（例如针对Fitbit和Instagram的研究）虽证明了数据驱动问卷的潜力，但实现方法通常是临时性的、资源密集且难以复制。

解决方案

• 提出的方法或解决方案:

  • 开发一个名为“Data-Driven Surveys”（DDS）的开源平台，支持从用户在线平台（如Fitbit、Instagram和GitHub）导入数据，并与流行的调查平台Qualtrics和SurveyMonkey无缝集成。
  • 提供三种核心功能：
    1. 基于数据个性化逻辑：修改调查流或跳过问题。
    2. 模板化的问答设计：利用变量替换问题模板中的占位符。
    3. 自定义变量：通过定义规则从用户历史数据中提取特定数据。

• 创新之处:

  • DDS显著简化了将受访者在线数据用于问卷调查的过程，无需编程技能。
  • 提供透明的数据使用和隐私保护机制，例如通过OAuth协议限制访问权限，数据仅临时保存，并且不在DDS平台内长期存储。
  • 开源和可扩展性设计，允许未来添加更多的服务（如Spotify）与调查平台。

• 实施步骤与技术:

  1. 研究者在DDS中创建项目并添加所需数据源（如Fitbit账号）。
  2. 定义内置变量与自定义变量。
  3. 将变量同步至调查平台，研究者通过平台设计个性化问卷。
  4. 参与者通过DDS授权在线服务访问，完成问卷后数据直接转至调查平台。
  5. 数据安全删除，研究者最终通过DDS下载完整的调查结果。

研究成果

• 具体成果:

  • 实现了与Qualtrics和SurveyMonkey调查平台以及Fitbit、Instagram和GitHub三种数据服务的无缝集成。
  • 参与者可在调查问卷中看到基于个人数据动态生成的问题，提高受访者的参与度和数据精确性。
  • DDS提供了详细的隐私保护措施，包括访问透明性和数据最小化。

• 与现有解决方案的优势:

  • 将原本复杂和耗时的数据驱动问卷生成优化为一个简单的、非技术性任务。
  • 平台具备良好的可扩展性和跨领域适用性。
  • 提升了调查数据的个性化水平、质量和可靠性。

• 实验或评估结果:

  • 通过调查研究者对数据驱动功能的需求，收集了积极反馈。大多数研究者认为，基于数据的问卷逻辑设计和个性化模板功能非常有用，即便部分研究者认为隐私担忧仍为重要挑战。

• 局限性与未来方向:

  • 局限性:
    1. 目前DDS仅支持Qualtrics、SurveyMonkey和三个数据服务，如需更广泛适用性需增强兼容性。
    2. 数据驱动问卷可能引入样本偏向，即愿意分享在线数据的被试占多。
    3. 用户隐私和研究机构伦理委员会的约束可能影响采纳。
  • 未来方向:
    1. 拓展数据服务如Spotify或更多社交媒体平台。
    2. 支持体验采样方法（Experience Sampling Method），结合实时数据以减少调查疲劳。
    3. 开发隐私增强技术，确保基于数据的问卷设计具备去身份化处理。
    4. 通过用户测试评估DDS的可用性与用户接受度。