CounterStress：通过个人资讯中的反事实解释增强压力应对规划

研究背景与问题

• 发现的问题与挑战：

  • 压力管理系统虽然有助于用户了解压力状况，但在实际应用中缺乏提供有效且可行动的应对策略。
  • 压力的成因通常涉及多重因素，同时有些压力来源（如学习或工作）无法简单避免。
  • 现有干预措施如冥想或拉伸，尽管有帮助，但缺乏足够的上下文相关性和个性化。

• 重要性：

  • 压力管理对心理健康和整体生活质量至关重要。
  • 为用户提供能够在实际情境中实施的、可行的策略，可以增强自我反思和压力管理的能力。

• 研究动机与相关工作：

  • 过去的个人信息学（Personal Informatics，PI）系统主要集中于数据收集和压力检测，少探索如何为用户生成具体和情境相关的应对策略。
  • 借鉴机器学习中的可解释性方法（尤其是反事实解释，Counterfactual Explanation），有可能为压力情境提供更多针对性的指导。

解决方案

• 提出的方法或解决方案：

  • CounterStress 是一款新设计的 PI 系统，通过反事实解释生成可个性化的压力应对策略。
  • 系统结合用户的历史数据，通过模拟“情境中的某项因素发生变化”来推导压力缓解策略。

• 创新点：

  • 引入反事实解释（Counterfactual Explanation），回答“如何调整情境以实现目标压力水平”。
  • 系统为用户提供多种应对策略，每种策略包含所需更改的上下文因素，供用户选择最符合自身实际的策略。
  • 应用机器学习模型生成情境与压力的联系，从而提供更个性化的建议。

• 实施步骤及关键技术：

  1. 数据采集与处理：
     • 采集用户在不同情境中的压力评分（通过经验采样法 ESM）。
     • 将压力分为“高”与“低”，以便简化分析。
  2. 反事实生成：
     • 使用机器学习模型（如随机森林）估计特定情境是否属于“高压力”。
     • 通过优化算法寻找最低改动量的特征变更，生成反事实情境。
  3. 应对策略推荐：
     • 系统根据用户的压力模式生成多种策略，例如改变时间、地点或社交环境。
     • 提供方便用户选择与比较的工具，如排序和筛选功能。
  4. 用户界面设计：
     • 系统分为三个屏幕：回顾（Review）、分析（Analysis）和假设情境（What-If），支持用户逐步探索压力来源及应对方案。

研究成果

• 具体成果：

  • CounterStress 系统让用户在无需复杂数据分析的情况下，了解如何通过调整情境减少压力。
  • 提供多种反事实策略供用户选择，并通过定量指标（如历史频率、压力概率、上下文改动数量）帮助用户评估应对方案。

• 与现有解决方案的比较与优势：

  • 与传统 PI 系统相比，CounterStress 提供了具体可操作的个性化策略，补足了传统系统“只显示数据、不提供行动建议”的短板。
  • 系统基于用户历史数据生成策略，增强了结果的相关性与针对性。
  • 提供多样化策略，支持用户灵活选择适合自己的解决方案。

• 实验或评估结果：

  • 实验设计：
    • 实验1：实验室用户研究，评估系统的可用性与用户感知。
    • 实验2：实地研究，用户在真实情境中应用系统并填写日记。
  • 具体结果：
    • 系统的可用性评分为平均75分（SUS量表），反映“良好”水平。
    • 受试者表示能够通过系统高效地策划应对策略，而无需复杂的数据分析。
    • 在真实环境中，多个用户反馈系统对其压力管理行为和决策产生了积极影响。

• 局限性与未来方向：

  1. 样本量较小（12人），需要更大规模实验进一步验证系统有效性。
  2. 数据变量主要使用分类变量，未来可考虑引入连续变量（如步数或睡眠时长），以生成更细化的反事实解释。
  3. 可探索系统在其他健康领域（如血糖管理）的应用，并进一步提升用户反馈与群体数据的整合能力。

通过引入反事实解释和深度用户参与，CounterStress 为复杂的压力管理问题提供了创新的解决方案，同时展现了其在实际场景中的实用价值。