理解人们的身体活动计划体验以及探索历史记录对计划创建和执行的影响

健身追踪与运动监测运动员与健身爱好者健身教练

文献标题

Understanding People’s Experience for Physical Activity Planning and Exploring the Impact of Historical Records on Plan Creation and Execution

文献信息

  • 主题领域: 人因工程与健康计算
  • 关键词: 身体活动, 计划, 自我反思, 移动健康, 个性化信息学, 定性研究, 历史记录, 计划执行障碍, 数据可视化, 行为改变

研究背景与问题

  • 发现的问题或挑战:

    • 虽然身体活动计划可以帮助转换健康行为的意图为行动,但制定和执行健康行为计划时仍面临多种挑战,例如时间冲突、上下文因素(天气、情绪等)和意外事件的干扰。
    • 如何利用历史记录协助人们分析并改善未来的身体活动计划仍不明确。
  • 问题的重要性:

    • 身体活动有助于减少慢性疾病的风险并提高心理健康,但只有不到25%的美国成年人达到推荐的活动标准。
    • 通过支持计划行为,提高身体活动水平对公共健康至关重要。
  • 研究动机与相关工作:

    • 现有工作表明,历史记录可能帮助个体从过去的行为中学习,但缺乏经验数据表明人们如何解读历史规划记录、并将其用于解决计划执行中的挑战。
    • 本研究填补了这种知识空白,旨在设计工具并探讨历史记录对身体活动规划和执行行为的影响。

解决方案

  • 方法或解决方案:

    • 研究开发了两个版本的移动应用程序Physicify(分别带有及不带历史记录参考),作为研究工具,以探讨人在日常环境中如何规划和执行身体活动。
    • 进行了为期28天的用户研究,展开两阶段的实验,分别有14天不参考历史记录(Physicify 1)和14天参考历史记录(Physicify 2)。
    • 通过测试17位参与者后续计划行为的演变,分析历史记录是否支持用户识别新的身体活动机会。
  • 创新之处:

    • 融合定性研究方法和基于历史记录的用户体验分析,提出了个性化的健康计划可视化与策略支持。
    • 应用上下文信息(如天气、日程事件)辅助用户从历史中总结经验,实现计划质量的改进和执行障碍的应对。
  • 实施步骤与关键技术:

    1. 阶段1:利用Physicify 1记录用户计划的创建与执行,旨在了解简单不带历史记录参考的计划体验和挑战。
    2. 阶段2:使用Physicify 2为用户提供历史记录(包括计划、完成率、失败原因等)以支持计划制定,观察用户行为的变化。
    3. 数据收集:每日报告身体活动完成情况;多次半结构化访谈了解计划经验与历史记录的反思方式。
    4. 数据分析:通过定性编码分析访谈记录,对用户行为变化进行总结。

研究成果

  • 具体成果:

    • 确定了影响计划创建的重要因素:日常惯例、预期能量水平、过去身体活动的经验。
    • 识别了计划执行的主要障碍:意外事件、受临近事件的影响、身体或心理的疲劳。
    • 用户通过历史记录,获得了有关避免意外事件的见解、重新安排日程以减少干扰的策略以及决定可行计划条件的能力。
  • 与现有解决方案的优势:

    • 展示了历史记录如何超越简单数据存储功能,通过上下文联系帮助用户改进计划质量和执行策略。
    • 提供了关于如何设计面向未来行动的规划支持工具的实践案例(如视觉化设计、失败记录分析)。
  • 实验或评估结果:

    • 实验中参与者生成了248个计划,平均完成率为70.4%。
    • 实验后期,通过参考历史记录的第二阶段,6名参与者报告计划调整显著减少了执行障碍(如避免意外事件干扰)。
    • 历史记录的条理化呈现有助于参与者探索失败原因及优化未来计划条件。
  • 局限性与未来方向:

    • 局限性:
      • 小样本数量,性别分布不均(仅1名男性,16名女性)。
      • 研究主要涵盖青年到中年,未考虑老年人或健康受限个体。
      • 实验周期较短,需进一步观察长时效干预和完成率改善情况。
    • 未来方向:
      • 探索如何将更多上下文细节(如时间节点的干扰概率)动态集成到工具中。
      • 研究不同人群群体(如老年人)对历史记录辅助设计的特定需求与影响。
      • 长期跟踪如何通过历史记录支持实现更可持续的健康行为改变。

快捷操作

分享

分享当前页面

ios_share

https://hci.top/zh/papers/chi/68921/2022

广告推荐

学习 AI 编程到 CodeNow

open_in_new打开DOI链接
DOI: https://dl.acm.org/doi/abs/10.1145/3491102.3501997
一眼看懂

论文快照

fact_check
dataset
来源
CHI
calendar_month
年份
2022
emoji_events
奖项
未标记奖项
group
作者
3 位作者
sell
研究子方向
健身追踪与运动监测
work
职业/产业
运动员与健身爱好者、健身教练
article
内容状态
已索引正文
hub
相关论文
10 篇相关论文