深入滚动：分析社交媒体无限滚动过程中上下文因素对干预效果的影响

研究背景与问题

• 作者发现的问题或挑战： 无限滚动的设计在社交媒体平台上推动了用户的长期参与，导致许多人经常花费比计划更多的时间。这可能引发种种负面情绪，包括习惯性使用、无意识的行为循环以及后悔感。 尽管现有的一些干预措施初步显示有效，但用户由于干预内容缺乏与上下文的关联性而逐渐变得麻木，这使得干预效果下降。

• 为什么这个问题很重要： 无限滚动被认为是一个注意力捕获的“黑暗模式”，它有可能刺激行为成瘾并造成负面影响。更重要的是，它不仅会降低用户的幸福感，还可能导致睡眠质量差以及其他健康问题。因此，开发有效的干预措施有助于改善数字福祉。

• 研究动机与相关工作： 尽管行为改变和用户上下文的相关研究已有所发展，但这些研究主要基于主动交互形式（例如打字性能），而针对无限滚动这种被动交互形式的上下文影响却鲜有深入探讨。此前有研究提出，根据用户的具体情境调整干预措施时，其效果可能更显著，但缺乏相关的实证研究。

解决方案

• 作者提出的解决方法： 作者通过开发一款名为 InfiniteScape 的安卓应用程序，进行了为期7天的长时间用户研究。该应用程序监测用户在社交媒体平台上的无限滚动行为，并在滚动时间超过15分钟时，显示干预叠加层提示用户暂停。

• 解决方案的创新之处： 作者将干预效果的测量分为两种维度：响应性（即用户停止滚动的时间）和反抗性（即用户对干预的抵触程度）。此外，与传统的一刀切式干预不同，研究关注了用户使用发生时的上下文因素，例如心情（valence）、是否在家、是否有旁活动等，这种结合上下文因素分析干预效果的方法较为创新。

• 实施步骤与关键技术：

  1. 开发 InfiniteScape 应用程序，通过安卓的 Accessibility Service 检测用户是否在进行无限滚动。
  2. 在持续滚动超过15分钟后，显示干预叠加层并提示暂停。
  3. 用户停止滚动后，触发问卷记录其当前上下文（包括疲劳程度、社交情况、环境等）以及对干预的反抗性。
  4. 通过线性混合模型（LMM）分析这些数据，探索上下文因素对干预效果的影响。

研究成果

• 取得的具体成果：

  • 上下文因素之间存在相互影响，且不同情境对干预效果的响应性和反抗性有显著的影响。例如：
    • 用户在疲倦时对干预的反抗性显著降低，但并不表现出更快的响应。
    • 在家时，低情绪状态会导致用户更慢地响应干预，而多任务处理（如滚动同时进行其他活动）会使用户更快地响应干预。
    • 工作情境或其他显著外部干扰能够对负面情绪有所缓解，提升响应效果。

• 与现有方法的优势： 该研究通过结合上下文信息提供了对干预措施效果的更细致洞察，提出上下文感知干预可能比传统干预更有效。现有的干预主要集中于提醒用户如设定定时器和锁定屏幕等单一措施，但该研究强调了基于用户当下实际处境设计干预的重要性。

• 实验或评估结果： 实验显示了一些显著的上下文交互影响。例如，用户在家且情绪较差时反应较慢，而多任务处理则可能成为停止无限滚动的一个有效分散因素。此外，通过线性混合模型，发现一些显著交互效应，如“睡意 × 社交情境”的交互效应显著影响响应速度。

• 局限性与未来方向：

  1. 局限性：
     • 数据采自安卓用户，未包含iOS用户。
     • 实验时长为7天，未能捕捉更长期的效果。
     • 干预采用弹窗提醒的形式，可能未探索其他形式的可能性（如视觉或行为设计摩擦）。
     • 部分数据缺失，例如未停止滚动的用户未回答问卷。
  2. 未来方向：
     • 更广泛的用户样本（包括iOS用户）。
     • 增加干预形式的多样性，例如渐进性干预或融合外部设备。
     • 探索更多上下文因素，例如用户所消费的内容是否影响对干预的响应。
     • 使用客观传感技术（如情绪识别或多任务检测）来增强实时上下文分析的精度，而非依赖用户的自我报告。

总结

这项研究通过结合上下文感知与无限滚动干预，为设计更有效的数字福祉措施提供了实证支持。尽管研究揭示了重要的上下文交互效应，其应用的实际复杂性与隐私问题仍需进一步探讨。未来的研究可在此基础上扩展，探索更广泛的干预方法与技术实现。