探索与探究身体与健康上的算法凝视

文献标题

Exploring and Probing the Algorithmic Gaze on Bodies and Well-being

出版信息

• 主题领域: 人机交互（HCI）与可穿戴自我追踪技术中的机器学习（ML）。
• 关键词: 算法凝视，可穿戴技术，自我追踪，机器学习，自传式民族志，虚构叙事，量化自我，设计材料，福祉，身体数据。

背景与问题

• 问题/挑战: 可穿戴自我追踪技术日益整合机器学习，以提供个性化分类和推荐，但面临偏见、排他性、不透明性以及对身体和福祉的规范性视角等挑战。
• 意义: 理解机器学习模型如何影响与可穿戴设备的日常交互，对于设计包容性、反思性和减少规范性的技术以支持福祉至关重要。
• 动机与相关工作: 先前研究批评可穿戴技术强化身体规范性、存在不准确性以及隐私问题。虽然已有研究探讨了基于机器学习的可穿戴设备的技术能力，但对其体验性影响和替代设计方法的探索仍然不足。

解决方案

• 提出的方法: 概念化“算法凝视”，并利用虚构叙事批判性地研究和重新想象基于机器学习的可穿戴自我追踪技术。
• 创新性:
  1. 引入“算法凝视”作为探索机器学习对身体和福祉影响的概念框架。
  2. 利用虚构叙事构建批判和缓解算法凝视的叙事。
  3. 确定可穿戴技术的设计切入点，聚焦于体验质量、解释性方法和集体表达。
• 过程与关键技术:
  • 通过Oura Ring可穿戴设备进行为期五个月的自传式民族志研究，记录日常交互和反思。
  • 采用主题分析法，识别佩戴者与机器学习模型之间的张力，并归纳为三个主题。
  • 基于研究结果开发虚构叙事，探索替代设计空间，并辅以视觉插图。

结果

• 具体发现:
  • 提炼出三个主题：身体活动的矛盾叙事、反向强化学习以及连续数据流中多重身体的模糊边界。
  • 机器学习模型常与个人感知相矛盾，影响词汇和自我认知，并引发关于集体数据纠缠的问题。
• 相较基线的优势:
  • 提议从评估转向解释，从个体化转向集体表达，提供更具反思性和包容性的设计方法。
• 实验/评估:
  • 自传式民族志提供了关于Oura Ring日常交互的详细、情境化洞见。
  • 虚构叙事探索了体验机器学习输出的替代方式，强调不确定性、模糊性和多样性。
• 局限性与未来工作:
  • 研究结果具有情境特异性，无法推广至所有可穿戴设备或身体。
  • 未来研究应结合技术调查，聚焦边缘化视角，并在其他机器学习场景中探索虚构叙事。

总结

本文通过“算法凝视”的视角，批判性地审视了机器学习在可穿戴自我追踪技术中的作用。基于Oura Ring的五个月自传式民族志研究识别了佩戴者与机器学习模型之间的张力，并归纳为三个主题。通过虚构叙事，作者构建了探讨这些张力的叙事，并提出了强调体验质量、解释性方法和集体表达的设计切入点。该研究为机器学习对日常交互的影响提供了细致的洞见，并引入虚构叙事作为探索机器学习设计材料的方法，邀请在该领域开展进一步研究。