智能手表睡眠卫生游戏中的交互时机用户偏好
作者
研究背景与问题
-
发现的问题或挑战: 研究发现,目前关于睡眠卫生游戏的设计通常集中在晚上或睡前使用阶段,缺乏对不同时间阶段(如白天、清晨,甚至睡眠期间)的游戏功能和交互的时间安排研究。此外,玩家对游戏特性如何影响睡眠行为的时间偏好尚不清楚。研究指出,尽管现有睡眠游戏大多强调夜间维护睡眠习惯,实际的最佳交互时间仍欠明确。
-
重要性: 良好的睡眠卫生对健康至关重要,而智能手表和游戏化干预方法的结合提供了潜在机会帮助用户养成健康的睡眠习惯。理解不同游戏功能的最佳交互时间有助于提高用户参与度和游戏的行为矫正效果。
-
研究动机: 此研究旨在探讨用户对于智能手表驱动的睡眠卫生游戏不同功能的时间偏好,以及如何根据时间安排优化这些游戏特性。通过设计三款睡眠卫生游戏(Hero's Sleep Journey、Sleepland 和 Sleep Tamagochi),研究进一步探索如何灵活调整交互的时间安排以满足用户偏好。
解决方案
-
提出的方法或解决方案: 作者设计并测试了三种睡眠卫生游戏(Hero's Sleep Journey、Sleepland 和 Sleep Tamagochi),通过工作坊与用户交互,以了解用户在一天的不同时间段(早晨、白天、傍晚、睡前、睡眠期间)对游戏功能的偏好。
-
创新之处:
- 针对不同时间阶段的用户交互需求进行细粒度研究。
- 使用游戏化和被动游戏元素(如空闲游戏模式)以减少用户时间安排的干扰。
- 包含“计划”、“行为触发”、“反思”和“奖励”四大功能类别,尝试从心理层面影响用户行为。
-
实施步骤和关键技术:
- 设计游戏与功能:基于认知行为治疗(CBT-I),设计三种游戏和多种游戏功能,每个功能根据“计划”、“触发”、“反思”和“奖励”特性分类。
- 用户工作坊:通过设计工作坊收集用户在不同时间使用这些功能的偏好意见。
- 数据分析:对收集的数据使用热力图和亲和图分析,以发现用户在不同时间的交互偏好和背后动机。
- 验证用户体验:利用定性数据分析深入理解参与者偏好的背后逻辑。
研究成果
-
具体成果:
- 晨间、白天更适合需要注意力高的功能,而晚上适合低涉及度功能;睡眠期间用户普遍倾向于被动交互。
- 用户对反思型和奖励型功能有明显的后行为偏好,而对计划型或触发型功能则更喜欢行为前接触。
- 用户的日常作息安排和能量状态显著影响了对各功能的时间偏好。
-
与现有解决方案的优势:
- 强调游戏功能设计与用户一天生理和心理状态之间的细化匹配。
- 将被动交互设计(如空闲游戏)引入睡眠期间互动,既减少了干扰也强化了游戏的行为矫正潜力。
-
实验或评估结果:
- 晨间用于检查反思报告或奖励功能,备受用户认可。
- 傍晚和睡前适合行为触发功能,例如任务提醒和日程检查,成功唤醒用户行动。
- 睡眠期间的互动(如奖励分数结算)尽管受限,但拥有显著潜力,尤其与空闲游戏机制结合时。
-
局限性与未来方向:
- 人口样本单一:参与者主要是年轻的高校学生,技术熟练度较高,性别比例偏向男性,未来需测试更广泛的用户群体。
- 实验为主观反馈:本研究仅基于用户的偏好报告,缺乏真实环境下的行为数据和效果验证。
- 深入验证被动互动机制:未来需要进一步探索如何在实际应用中有效整合被动游戏功能用于睡眠行为矫正。
总结
本研究揭示了用户对智能手表驱动的睡眠卫生游戏功能在不同时间阶段的互动偏好模式,为设计以用户为中心的游戏化干预方案提供了重要数据支持。通过优化互动时间安排和结合被动游戏元素,研究为睡眠健康技术的发展提供了创新方向,并对如何更好地与用户日常作息整合提出了具体设计建议。
研究问题 / 现实痛点
这篇论文在当前问题库中对应的问题线索。
研究问题
3- 睡眠卫生游戏中,玩家对不同时间段的游戏功能交互有哪些偏好?分类: 健康监测与生命体征感知同类问题arrow_forward
- 如何根据玩家的时间偏好优化睡眠卫生游戏功能以影响其睡眠行为?分类: 健康监测与生命体征感知同类问题arrow_forward
- 被动交互机制(如闲置游戏模式)如何提升睡眠卫生游戏的行为矫正效果?分类: 健康监测与生命体征感知同类问题arrow_forward
现实痛点
1- 用户很难在不同时间管理睡眠习惯,且游戏功能易打断作息。分类: 健康监测与生命体征感知同类问题arrow_forward
- 60%
支持有意义的个人健身:追踪目标进化模型
CHI '18· 健身追踪与运动监测 +1
- 60%
用于改善虚拟现实运动游戏性能和维持内在动机的交互前馈
CHI '18· 严肃游戏与功能游戏 +1
- 60%
ExerCube vs. 个人训练师:评估一种全面的、沉浸式的和自适应的健身游戏设置
CHI '19· 严肃游戏与功能游戏 +1
- 60%
不要再跳过腿部训练日:在虚拟现实运动游戏中通过垂直跳跃训练下身
CHI '23· 全身交互与体感输入 +1
- 60%
不健康的比较能促进健康行为吗?探索个人信息化中社会比较策略的影响。
CHI '25· 健身追踪与运动监测 +1
- 60%
面向噪声可穿戴PPG传感器的高效鲁棒心率估计方法——基于理想表征学习
UbiComp '24· 睡眠与压力监测 +1
基于研究子主题与职业分类的 Jaccard 相似度(≥60%)