FamiData Hub：与家庭共同进行的智能家居数据化的推测性设计探索

研究背景与问题

• 作者发现的问题或挑战: 随着智能家居技术的普及，家庭（尤其是儿童）面临数据化(datafication)带来的隐私和算法操纵问题。智能家居设备不仅收集个人数据，还通过算法处理这些数据，影响儿童行为和认知，甚至可能导致如焦虑和被操纵感等问题。此外，家庭对这些数据实践的意识和应对策略有限。
• 为什么重要: 儿童处于关键的认知和情感发展阶段，智能家居数据化可能会塑造他们的行为和决策习惯，对他们的长期发展产生深远影响。这一问题体现了技术对家庭日常生活的深度侵入和控制，挑战了家庭的隐私、自治和常规规范。
• 研究动机与相关工作: 智能家居激增的同时，与儿童数据化相关的研究仍属于一个相对新兴领域。在既有研究主要聚焦隐私和安全问题背景下，作者将探索儿童和家庭感知数据化的体验作为新的研究方向，并设计工具帮助家庭管理智能家居数据化带来的风险。

解决方案

• 提出的解决方案: 作者开发了一个名为“FamiData Hub”的设计原型，包括物理LEGO模型和增强现实(AR)应用，旨在帮助家庭理解和管理智能家居数据化问题，并通过17次用户研究收集家庭对智能家居数据化的反映。
• 解决方案的创新之处:
  • 首次采用**“推测性设计方法” (Speculative Design)**，鼓励家庭探索未来的智能家居潜力而非专注于现有问题。
  • 融合了物理工具（LEGO）和虚拟增强技术（AR），将抽象的智能家居数据实践转化为具象化的交互体验，这种以双重媒介为基础的设计增强了虚拟与现实的结合。
  • 将儿童和父母视为共同设计伙伴，采用平等参与机制来提升家庭对技术的理解和解决方案开发。
• 实施步骤和关键技术:
  1. 构建推测性原型: 包括智能家居设备的LEGO场景和能够展示隐私、算法决策及日常生活数据的AR界面。
  2. 用户研究: 通过“日常生活访谈”、“原型互动访谈”和“共同设计活动”收集家庭反馈，包括对智能家居数据化的感知、挑战和愿景。
  3. 设计方法: 借助LEGO建模和AR技术帮助家庭探索复杂的数据化概念，同时提供多样化的信息显示界面。

研究成果

• 具体成果:
  • 识别了智能家居数据化对家庭（尤其是儿童）造成的四个主要问题: 家庭空间边界的模糊、家庭规范的丧失、数据驱动决策中的失控感、以及对数据化技术的过度接受（正常化）。
  • 汇总了家庭共同设计的多种未来技术概念，包括本地化数据存储、数据加密设备、增强现实的隐私管理室，以及情感支持机器人等。
• 与现有解决方案的优势:
  • 推测性设计拓展了对家庭如何主动应对智能家居带来的数据化问题的理解。
  • LEGO与AR的混合设计提供了更易于理解的视觉化和互动式方法，使家庭能够更直观地参与数据化问题讨论。
  • 鼓励儿童参与设计并表达观点，赋予他们技术赋权感。
• 实验或评估结果:
  • 实验发现，通过FamiData Hub，家庭能够更好地反思智能家居数据实践，并构想未来支持系统。
  • 大多数家庭表示，实验提高了他们对家庭数据管理的意识，但同时也显现了技术复杂性和现状信息缺乏的挑战。
• 局限性与未来方向:
  • 样本来源可能偏向数据意识较高的家庭，其结果或对一般人群缺乏普适性。
  • 研究未能解决数据化问题的真实技术复杂性，但它有效地促进了家庭对相关问题的讨论。
  • 未来可基于家庭设计的原型开发现实产品，例如家庭本地数据存储中心或增强技术的教育工具，同时进一步探索AR/VR的可行性与伦理问题。

总结

本研究突出了智能家居数据化对家庭，尤其是儿童的深远影响，并提出了一种具有创新意义的推测性设计方法，通过物理化和虚拟化的结合帮助家庭更好地理解并应对数据化风险。通过对家庭现状的深度访谈和共同设计活动，研究不仅提出了具体的设计建议，还补充了智能家居领域中关于数据化的少量现有文献。未来工作可在技术实现和广泛适用性方面持续改进，同时探讨如何将儿童的数字化洞察力和管理能力更好地融入新技术发展中。