生活体验的度量框架：理解自我跟踪度量的目的和活动

研究背景与问题

作者发现了哪些问题或挑战？

• 大部分个人信息学（Personal Informatics, PI）的研究专注于用户的整体自我跟踪体验或如何实现既定目标，但很少深入探究用户如何理解追踪器生成的复杂指标。
• 商业系统不断推出新的“衍生指标”（如压力得分或身体电池能量水平），用户难以理解这些高级指标的含义和使用方式。
• 用户可能因为对某些指标的误解导致错用，从而影响结果的可靠性和健康管理效率。

为什么这个问题很重要？

• 通过研究用户如何选择和解释这些指标，可以为未来设计更有效的追踪系统提供设计指南。
• 理解用户与复杂指标的交互对于改进健康相关的技术工具来说至关重要，尤其在衡量心理和生理健康时。

研究动机与相关工作

• 过去的研究模型，如阶段式个人信息学模型（Stage-Based Model）或生活信息学模型（Lived Informatics Model），虽然描述了用户的使用过程，但缺乏对用户如何选择和理解指标的细化讨论。
• 作者提出了研究低级和高级指标（直接测量与衍生指标）的使用体验之间的差异，目的是填补这一领域的知识空白。

解决方案

作者提出了哪些方法或解决方案？

• 提出 “指标的生活体验框架”（Lived Experience of Metrics Framework，LivEM），分类用户使用指标的目的（why）和活动（how）。
• 借助半结构化访谈（25名参与者）和验证性在线问卷调查（63名参与者），深入研究用户如何使用及适应这些指标。
• 定义了两大框架组件：目的（Purposes） 和 活动（Activities），分别描绘用户为何选择指标以及如何互动使用指标。

该解决方案的创新之处是什么？

• 创新点1：LivEM框架从用户行为的两个维度（目的和活动）分析用户如何选择和适应指标，与现有模型不同，其更注重指标的具体使用过程。
• 创新点2：框架揭示了指标使用的动态特性，并与用户的个人信息学旅程（PI Journey）的阶段关联，提供了一种对指标意义和用户场景更全面的理解。
• 创新点3：还强调了用户与指标互动的复杂性，例如根据具体情况重新选择指标或重新设定目标。

实施步骤和关键技术

1. 访谈环节：半结构化访谈用于探索用户如何选择指标及其使用目的，包括指标对行为的影响。
2. 数据分析：使用ATLAS.ti软件对访谈录音进行定性分析，提取主题并构建框架。
3. 验证调查：通过线上问卷验证访谈发现，检查用户指标使用的频率和类型。
4. 框架设计：基于访谈和调查结果，量化并构建LivEM框架，强调两个维度的交互性。

研究成果

取得了哪些具体成果？

• 框架结构：提出了LivEM框架两大核心维度：
  • 目的（Purposes）：检查自身状态、设定目标、自我比较、社会比较、好奇心。
  • 活动（Activities）：解释（Interpreting）、情境化（Contextualising）、重新选择（Re-selecting）。
• 行为模式发现：用户习惯通过指标的目的驱动活动（例如通过“检查”指标来解释身体状态），且这些行为与其个人信息学旅程阶段密切相关。

与现有解决方案相比，它有哪些优势？

• 与传统模型建立的宏观整体视角不同，LivEM框架聚焦在用户指标的具体使用场景和行为细节。
• 提供了一种方法论来理解用户如何动态选择和适应复杂指标（例如“身体电池”或“压力分数”）。
• 明确了指标设计需要考虑用户的个人化需求、参考点设计，以及指标复杂度与用户理解之间的平衡。

实验或评估结果是什么？

• 通过访谈和调查数据发现，大多数用户使用指标时都涉及多个目的和活动。
• 关键发现：
  • 某些指标（如步数、睡眠）适用于多种用途和活动，而更复杂的指标（如压力评分）通常仅限于特定目的。
  • 活动维度（如“情境化”）更为通用，几乎可应用于所有指标，而目的维度更加特定化。

局限性与未来方向

• 局限性：

  • 数据收集集中于欧盟地区，文化背景较为单一，可能无法全面反映全球用户行为。
  • 调研主要面向健康与健身领域，框架的应用范围尚需验证其他PI工具（如教育或工作绩效追踪）上的适用性。

• 未来方向：

  • 进一步研究LivEM在其他个人信息学领域（如教育、生产力管理）中的普适性。
  • 探讨更广泛的文化背景对指标选择和解释的影响。
  • 探索如何更加有效地在复杂系统中设计指标，可帮助用户基于框架中的目的和活动设定更合理的使用路径。

这项研究和提出的框架有望为未来的个人信息学工具设计带来重要的启发，能够帮助增强用户的健康掌控能力，同时避免因误解复杂指标而产生的负面效应。