比较人类和技术支持在接触者追踪中的视角

文献标题

Comparing Perspectives Around Human and Technology Support for Contact Tracing

文献信息

• 主题领域: COVID-19疫情下的接触追踪技术与人工追踪的优劣对比
• 关键词: 联系人追踪, 公共卫生, 个人信息学, 自我追踪, 危机信息学, COVID-19

研究背景与问题

• 发现的问题或挑战:

  • COVID-19全球健康危机的背景下，各地公共卫生部门实施了不同方式的联系人追踪，包括通过人工追踪和数字技术。这两种方式在疫情期间各自展现了优势和局限性。
  • 人工追踪能提供情感支持和个性化协助，但在规模化部署时易出现数据录入错误和效率问题；数字追踪技术有便利性和数据准确的优势，但存在隐私、信任以及数字公平性问题。
  • 现有研究缺乏对人们如何看待这两种追踪方式优缺点的理解，尤其是在公众卫生危机中的数据共享意愿。

• 重要性:

  • 联系人追踪在疫情控制中具有关键作用，能够帮助确定密切接触者，提供风险通知并监测健康状况。理解技术与人工追踪的影响有助于设计更加高效和被公众接受的解决方案。

• 研究动机与目标:

  • 探讨人们对人工追踪和数字追踪的感知，包括这两者的优劣及对愿意分享数据的影响。
  • 提供设计建议以平衡两种方式的优势与相关公众关切。

解决方案

• 方法:

  • 本研究采用混合方法，包括问卷调查（定性与定量数据）。
  • 调查包含解释联系人追踪目标和两种追踪方式的介绍，以及关于三种联系点（确定密切接触者、通知接触者及健康状态监测）的选择偏好问题。

• 创新点:

  • 将联系人追踪分为三个主要触点来评价（识别密切接触者、通知风险曝光和健康监测），详细比较了公众对人工和技术追踪在不同场景的偏好。
  • 提出了通过设计混合式系统结合人工和技术两种方式，扫描各自优劣以优化追踪效果。

• 实施步骤与技术:

  • 编写问卷并通过研究型众包平台进行招募，获得291份美国居民响应。
  • 使用主题分析对开放性问题进行定性解读；并采用序列回归分析对量化数据进行统计学解释。
  • 设计了量化评分及开放性问题以探讨参与者对隐私、数据准确性、便捷性等方面的感知。

研究成果

• 具体成果:

  • 人们对联系人追踪的整体认可度较高，但对人工追踪和数字追踪在不同场景的偏好有所不同：
    • 对健康状态监测这一高频互动触点更倾向于数字追踪。
    • 在通知风险触点中，人们更强调人类追踪员的情感支持与帮助。
  • 人们整体更愿意与人工追踪共享敏感信息，而数字追踪被认为在隐私保护和规模化能力上占优。

• 与现有解决方案相比的优势:

  • 此研究针对用户对两种方式的感知提出了具体分析，建议利用技术与人工混合系统来优化公众认可度与系统效能。
  • 强调解决隐私与数据安全问题的重要性，包括通过透明机制构建用户信任。

• 实验或评估结果:

  • 定量分析显示，参与者对三种接触点的偏好显著不同：
    • 对“监测健康状态”使用数字追踪的舒适度较高。
    • 在“通知接触者”环节下，强调人类帮助的重要性。
  • 定性分析揭示了诸如情感支持、建议及便利性对选择偏好的影响。

• 局限性与未来方向:

  • 本研究主要聚焦美国上下文，成果可能不完全适用于采用其他追踪策略的国家。
  • 由于部分受访者缺乏真实接触追踪经验，其回答可能受到媒体认知影响。
  • 未来研究可以进一步探讨不同文化背景下的隐私需求差异，并测试混合式追踪系统的实际使用效果。

通过提供复杂场景下人类与技术的不同互动特点，该论文为危机信息学和个人信息学研究提供了新的视角，同时提出了适用于公共卫生危机的设计改进策略的基础。