Foody Talk：探索对话式食物日记的机会

研究背景与问题

• 作者发现了哪些问题或挑战？ 数字化食品日志（digital food journaling）工具可以帮助人们反思和改善饮食习惯。然而，这类工具常被视为负担且用户使用一段时间后便中止，没能真正获得其中的好处。尽管有研究尝试降低日志记录的复杂性，例如使用语音输入或照片，但这些方法仍存在局限，例如数据准确性、输入负担以及流行技术激励包装食品消费而非新鲜食品。

• 为什么这个问题很重要？ 食品日志有潜力促进健康目标的实现，例如改善饮食习惯、体重管理、与营养师合作、糖尿病管理以及食物过敏或不耐症的发现与处理。然而当前工具的使用率较低且用户体验较差，阻碍了食品日志的广泛应用和长期坚持。

• 研究动机与相关工作： 会话用户界面（Conversational User Interfaces, CUIs）被认为是一种潜力方案，可通过自然、互动的方式支持用户记录食品日志。然而，关于用户如何希望通过CUIs的对话功能进行记录和反思的理解仍不足。论文旨在填补这一空缺，并探索CUIs如何个性化并使食物日志记录体验更支持用户目标。

解决方案

• 作者提出了哪些方法或解决方案？ 作者提出设计一种利用CUIs进行食物日志记录的方法，该界面能够学习用户的目标、术语以及饮食习惯，并通过优化互动对话支持日志记录和反思。研究通过与18名参与者的33次共同设计（co-design）会话探索用户偏好的CUIs交互方式。

• 该解决方案的创新之处是什么？

  1. 个性化学习：CUIs需了解用户的个人目标和术语，如食物分类以及吃饭时间等。
  2. 深度和互动：CUIs通过迭代对话探索用户食品描述和健康反思，鼓励提供细节丰富的日志信息。
  3. 情境适应性：根据环境的约束（如时间压力或社会情境）调整交互深度与反馈方式。
  4. 情感支持：CUIs在反思中提供鼓励性的、非评判性的反馈，从而改善用户体验。

• 实施步骤是什么？使用了哪些关键技术？ 关键步骤包括：

  1. 使用Miro板等工具开展参与式设计活动，通过场景卡和对话卡探索“理想的”对话。
  2. 主题分析与共鸣设计，用于识别用户对CUIs支持数据收集和反思的期望。
  3. 融入机器学习技术和大语言模型（LLMs），以帮助CUIs学习用户的饮食术语和习惯。

研究成果

• 取得了哪些具体成果？

  1. 数据收集：参与者期望CUIs能够从对话中构建与目标相关的日志，通过主动提问补充细节（如食材、分量）并推测目标。此外，它应支持快速记录场景并适应时间约束等情境。
  2. 数据反思：CUIs可以提供即时反馈（如营养目标进展）、支持自定义数据查询（如每日蔬菜摄入量）以及协助探索食品不适（如过敏或肠胃不适的触发原因）。
  3. 情绪支持与责任感：CUIs能够提供积极、鼓励性语言，并在结构性及非结构性反馈中保持用户掌控感。

• 与现有解决方案相比，它有哪些优势？ CUIs较传统的食物日志工具更自然和互动，能够促进更深层次的用户参与。此外，相较于当前机器学习模型，CUIs通过对个人术语和目标的学习展现出更高的个性化和情感支持潜力。

• 实验或评估结果是什么？ 参与者设计的CUIs对话显示出用户对多轮交互的偏好，信任CUIs能够学习其日常术语和习惯。同时，参与者认为CUIs能够促进健康行为改善，包括饮食规律性和应对食品触发不适。

• 局限性与未来方向： 限制：

  • 在导航大量长期数据时，CUIs可能低效且难以与传统视觉界面相竞争，例如统计图表。
  • 当前技术能否实现上述对话模式仍需验证。

  未来方向：

  • 探索社会场景下CUIs与家庭、团队或营养师的协作方式（例如共享食物日志）。
  • 开发混合模式，将CUIs与可视化界面结合以优化长期数据导航。
  • 考虑不同文化背景下的CUIs设计，以适应全球多样化的饮食习惯和期望。