Spotify 扭曲：通过音乐聆听、随意用户、被动数据和情境反思重塑个人信息学

文献标题

Spotify Warped: Reshaping Personal Informatics via Music Listening, Casual Users, Passive Data and Episodic Reflection

出版信息

• 主题领域: 个人信息学，重点关注音乐聆听中的普通用户、被动数据和情境反思。
• 关键词: 个人信息学、普通用户、被动数据、情境反思、音乐聆听、Spotify Wrapped、自我追踪、量化自我、数据参与、用户洞察。

背景与问题

• 问题/挑战: 现有的个人信息学框架主要关注量化自我（QS）用户的主动、意图性自我追踪，忽视了普通用户（CUs）对被动收集数据的情境性参与。当前的总结工具（如Spotify Wrapped）探索有限，无法满足多样化用户需求。
• 意义: 理解普通用户与被动收集数据的交互方式能够拓宽个人信息学研究范围，并改进数据总结设计，以更好地服务日益增长的非追踪用户群体。
• 动机与相关研究: 以往研究集中于QS用户的主动追踪与反思，强调健康与健身等目标导向领域。普通用户依赖于服务提供商策划的总结工具，这一群体尚未被充分研究。音乐聆听领域以被动收集数据和流行的总结工具（如Spotify Wrapped）为特点，是研究这些空白的理想视角。

解决方案

• 提出的方法: 本文研究了普通用户在音乐聆听领域中的数据兴趣和抽象洞察，与现有总结工具进行对比，并提出一个信息空间框架来描述用户需求。同时，本文对个人信息学模型提出了更新建议，以适应普通用户和被动数据。
• 创新点:
  1. 提供普通用户与自我追踪者（STs）在音乐聆听领域中的数据兴趣和抽象洞察的实证见解。
  2. 识别用户需求与现有音乐总结工具之间的差距。
  3. 引入一个信息空间框架，用于描述用户洞察，可在多个领域中推广应用。
  4. 提出扩展个人信息学框架的建议，以涵盖普通用户、被动数据和情境反思。
• 研究过程与关键技术:
  • 通过在线问卷调查60名参与者，探索数据兴趣和抽象洞察。
  • 使用定量（Likert量表、t检验）和定性（主题编码）方法分析响应。
  • 比较普通用户与自我追踪者的数据参与差异。
  • 评估现有音乐总结工具的能力及访问完整聆听历史的障碍。

结果

• 具体发现:
  • 用户对艺术家和曲目相关数据最感兴趣，流派是所有类别中最受欢迎的属性。
  • 普通用户与自我追踪者在抽象洞察上相似，但对相关数据字段的理解存在差异。
  • 82%的用户不知道可以访问完整的聆听历史，42%的用户表示有兴趣探索。
  • 现有总结工具部分满足用户需求，但缺乏细粒度、时间洞察以及探索支持。
• 相较基线的优势:
  • 突出当前个人信息学框架和音乐总结工具在满足普通用户好奇心和数据需求方面的不足。
  • 提出一个新的信息空间框架，以弥合普通用户的数据与洞察之间的差距。
• 实验/评估:
  • 调查了60名美国参与者（28名男性、30名女性、2名非二元性别；平均年龄35.33岁），使用Prolific平台。
  • 收集了236条洞察，并分析以识别用户兴趣的主题和子主题。
  • 评估了Spotify、Apple Music、腾讯、亚马逊和YouTube Music的现有总结工具。
• 局限性与未来工作:
  • 仅限于美国参与者，可能降低普适性。
  • 由于问卷设计，所收集的洞察可能不够全面。
  • 未来研究应扩大规模，涵盖更多样化的人群，并探讨音乐聆听在个人信息学中的独特位置。

总结

本文研究了普通用户如何与被动收集的音乐聆听数据互动，比较了他们的数据兴趣和抽象洞察与现有总结工具（如Spotify Wrapped）的差异。文章引入了一个信息空间框架来描述用户需求，并指出当前个人信息学模型的不足，这些模型主要关注主动自我追踪。研究发现普通用户对数据充满好奇，但由于总结工具的局限性和概念上的脱节，探索受到阻碍。本文建议扩展个人信息学框架，以更好地考虑普通用户、被动数据和情境反思，并对健身和屏幕时间追踪等其他领域产生启示。