推动行为改变:利用内群体和外群体社会比较来鼓励更健康的选择

AI 伦理、公平与问责算法公平与偏见广告与营销从业者消费者与购物者环保倡导者

文献标题

Nudging Behavior Change: Using In-Group and Out-Group Social Comparisons to Encourage Healthier Choices

文献信息

  • 主题领域: 社会影响和健康行为改变研究,特别是在促使消费者选择更健康食品方面的界面设计与数字干预。
  • 关键词: 消费者行为, 决策, 劝导沟通, 信息设计, 社会影响力, 健康, 营养, 饮食, 在线购物, 干预

研究背景与问题

  1. 发现的问题或挑战

    • 关于“nudge”(行为引导)机制的研究已经展开多年,但关键问题尚未解决:这些机制在何时更能有效促使用户改变行为?
    • 当前对社会影响方面的行为引导的研究方法多局限于“in-group”(同类群体)比较,而几乎未探索“out-group”(非同类群体)对比的潜力。
  2. 问题的重要性

    • 健康饮食选择与全球肥胖现象息息相关,如何以科学的方法促使消费者选择更健康的饮食模式对于公共健康政策和社会进步意义重大。
    • 运输和在线购物的快速普及,为通过数字化方式干预消费者决策提供了绝佳机遇。
  3. 研究动机与相关工作

    • 作者基于HCI(人机交互)领域对行为引导的研究框架,旨在探索更透明、有效、且符合伦理的方式,通过社会比较改变消费者的食品选择。
    • 目前多数研究偏向使用“in-group”效应,但忽略了“out-group”效应的潜在力量。

解决方案

  1. 提出的方法/解决方案

    • 设计了一种新的社会影响行为引导机制,即使用“out-group”社会比较,目标是在在线购物结账界面引导消费者做出更健康的食品选择。
    • 重点是在结账环节(购物车层面)而非传统的购物浏览环节进行干预。
  2. 创新之处

    • 首次在HCI研究中提出“out-group”比较作为可能的引导机制。
    • 提出了创新的“结账点干预”方法,而非传统的产品选择点干预。
  3. 实施步骤和关键技术

    • 设计并实施了两个实验:
      • 实验一:在“正常体重”人群中,测试“in-group”与“out-group”比较对减少热量的影响。
      • 实验二:在“超重”人群中,探索不同干预手段(包括基准热量信息、体重增加信息、及社会比较)的有效性。
    • 在实验中使用统计模型和受控样本设置,通过定量数据分析,评估干预机制的效果。

研究成果

  1. 具体成果

    • 实验一
      • “Out-group”比较促进那些低饮食兴趣用户进行更多的健康选择,这种效果在“in-group”比较中未观察到。
      • 与传统干预研究相比,观察到更大的影响效应(中到大型效应),表示数字化干预的潜力。
    • 实验二
      • 加入体重增加暗示时,与单纯的热量信息相比,反而减少了健康选择。
      • 社会比较干预(无论是“in-group”还是“out-group”)显著提升了健康选择,尤其是对饮食控制行为低的人群。
      • 与传统实验相比,参与者在篮内热量减少方面表现出明显更大的变化(平均减少1944-2366卡路里)。
  2. 与现有解决方案的优势

    • 传统“in-group”干预引导方式多局限于“维护现状”,而“out-group”比较提供了推动更改行为的独特机会。
    • 结账阶段的篮级别干预方式,在用户整体购物决策中展示了更大影响力。
  3. 实验或评估结果

    • 实验一和实验二均基于严密的统计分析,验证干预机制的有效性。
    • 第一实验有效性模型的预测能力达到17.7%,第二实验达到5.96%,均显示有意义的行为差异。
    • 社会比较结合透明的设计方式得到了用户更高的接受度,同时符合伦理约束。
  4. 局限性与未来方向

    • 使用体重相关的“in-group”和“out-group”比较可能在现实中引发负面联想或细微情绪反应,需要替代机制(如颜色分组)。
    • 当前使用的数字表述(如热量或体重数据)可能尚不足够直观,未来研究计划测试更易扩展至现实场景的视觉化干预方式。
    • 尚未完全探索社会比较干预机制中作用的心理学底层机制,以及哪些用户群体最适用。

总结

本研究在行为引导领域,特别是数字环境中的饮食健康干预方面提出了具创新性且具潜力的设计思路。通过实验验证表明,在适当场景下引入“out-group”比较,可以显著改善健康选择。同时将干预点延后至购物结账阶段,展示了其在数字设计中的巨大潜力。研究为这一方向的深入探索奠定了理论和实证基础,同时也提出了明确的改进方向和未来研究课题。

快捷操作

分享

分享当前页面

ios_share

https://hci.top/zh/papers/chi/68954/2022

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/10.1145/3491102.3502088
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
2 位作者
sell
研究子方向
AI 伦理、公平与问责、算法公平与偏见
work
职业/产业
广告与营销从业者、消费者与购物者、环保倡导者
article
内容状态
已索引正文
hub
相关论文
0 篇相关论文