Sprout：利用视觉隐喻支持可定制化的协作健康追踪

文献标题

Sprout: Using a Visual Metaphor to Support Customizable and Collaborative Health Tracking

出版信息

• 主题领域: 通过定性可视化、定制化和协作实现健康追踪。
• 关键词: 自我追踪, 健康信息学, 定性可视化, 定制化, 协作追踪, 花园隐喻, 个人信息学, 社交功能, 隐私, 用户参与。

背景与问题

• 问题/挑战: 现有的自我追踪工具往往因过多的量化反馈、有限的定制化功能以及基于比较的令人沮丧的社交功能而难以维持用户参与。
• 重要性: 解决这些问题可以改善健康追踪中的长期参与、动机和反思，支持多样化的用户需求和目标。
• 动机与相关研究: 先前的研究分别或成对地探讨了定性可视化、定制化和协作追踪，但对这些策略在单一系统中如何交互知之甚少。本文研究了这些元素在一个系统中的共存及其对用户体验的影响。

解决方案

• 提出的方法: Sprout，一款移动健康追踪应用，结合了定性可视化、定制化和协作功能，并采用花园隐喻。
• 创新点:
  1. 将定性、定制化和协作追踪结合于一个系统中。
  2. 引入花园隐喻，以非评判性、直观的方式反馈进展和集体成长。
  3. 提供用户如何优先考虑和协调这些设计元素的实证见解。
• 流程与关键技术:
  • 用户追踪健康数据（如步数、睡眠），并将其映射到可定制的花园元素（树木、花朵）。
  • 社区花园鼓励合作目标的实现，并解锁共享功能。
  • 匿名性保护隐私，同时允许群体互动。
  • 与Apple Health集成实现数据自动收集。

结果

• 具体发现:
  • 社交功能驱动了最高的参与度（社交条件下平均使用时间为38分钟）。
  • 定制化主要在初次使用时被采用，后续交互有限。
  • 协作目标激励用户，但因依赖不活跃的组员而导致挫败感。
  • 匿名性保护了隐私，但削弱了社交连接和透明性。
• 相较基线的优势:
  • Sprout的定性可视化补充了现有的量化工具，增强了反思和参与度。
  • 相较于先前系统中的竞争性方法，合作性社交功能提高了动机。
• 实验/评估:
  • 为期两周的实地研究，22名参与者分为四种条件（完整、社交、定制化、对照）。
  • 指标包括使用时间、会话次数、目标达成情况以及退出访谈中的定性反馈。
• 局限性与未来工作:
  • 短期研究限制了对长期定制化行为的观察。
  • 样本偏向年轻且有经验的追踪者，限制了普适性。
  • 每日花园重置将反思限制在短期目标；未来可探索更长时间尺度。

总结

Sprout通过花园隐喻将定性可视化、定制化和协作追踪整合为一个统一的系统。为期两周的实地研究表明，社交功能驱动了参与度，定制化主要在初次使用时被采用，而协作目标激励了用户但因组员依赖性带来挫败感。匿名性保护了隐私但阻碍了社交连接。这些发现表明，未来的追踪系统应平衡定性与量化可视化，区分美学与功能性定制，并在协作环境中设计兼顾责任和隐私的功能。Sprout展示了通过提供替代的动机和反思路径来扩展自我追踪的潜力。