MyMove：通过语音在智能手表上帮助老年人收集现场活动标签

文献标题

MyMove: Facilitating Older Adults to Collect In-Situ Activity Labels on a Smartwatch with Speech

文献信息

• 主题领域: 人机交互、可穿戴设备数据采集、老年人健康技术辅助
• 关键词: 活动标签, 老年人, 智能手表, 语音交互, 体验抽样方法

研究背景与问题

• 作者发现了哪些问题或挑战？

  • 现行的活动跟踪技术主要基于年轻人数据训练，无法准确反映老年人特性（如步态、缓慢动作），对老年人健康支持的适用性有限。
  • 老年人使用现有活动跟踪设备的采用率较低，且对设备的准确性信任度不足。
  • 老年人独特的身体活动和日常模式需要一个专属设定的活动跟踪技术解决方案。

• 为什么这个问题很重要？

  • 身体活动对老年人的健康、心理幸福感以及寿命有重大影响，适配其真实习惯和需求的活动跟踪技术可以为公共健康和个性化护理提供重要支持。

• 研究动机与相关工作

  • 研究动机在于开发个性化的活动跟踪技术，集成老年人的活动数据以支持健康生活方式。
  • 相关工作涵盖老年人活动类型的研究、行为数据采集技术、以及通过设备实现活动标注的研究，但缺乏专门针对老年人的系统设计和验证。

解决方案

• 作者提出了哪些方法或解决方案？

  • 开发一个基于智能手表的语音交互应用“MyMove”，帮助老年人以低数据采集负担的方式进行实时活动数据标注。
  • 设计了一种简化的数据捕获流并集成语音输入，结合自由报告和基于通知的活动触发。

• 该解决方案的创新之处是什么？

  • 首次针对老年人开发针对性设计的活动标注工具，兼具语音输入的灵活性和智能手表的便捷性。
  • 支持用户用自然语言描述活动类型、时长和活动强度，增强了标注的便利性和适用性。
  • 实现了在多设备环境中通过数据互补和个性化训练模型优化活动跟踪的可能性。

• 实施步骤是什么？使用了哪些关键技术？

  • 开发MyMove应用，整合语音输入、通知推送、自动记录传感器数据（如加速度计、心率、步数）。
  • 与老年人进行7天部署实验，采集语音报告和传感器数据以验证系统实用性。
  • 分析语音报告的语义、时间标注的完整性以及其与传感器数据的对应关系，同时评估语音识别的准确性。

研究成果

• 取得了哪些具体成果？

  • 实验期间，13位老年人参与者提交了1224份语音报告，涵盖29种活动类型和丰富的生活形式。
  • 所有报告均被团队成功转录为文本，且自动语音识别的错误率较低（微软：4.93%，谷歌：8.50%）。
  • 研究发现报告活动中的时间信息、活动强度等能够与传感器记录的低强度运动如非正式散步相吻合。

• 与现有解决方案相比，它有哪些优势？

  • 老年参与者表现出较高的参与度（平均每天13.45份报告，手表佩戴平均11.6小时/天），显示出这种语音标注模式的可接受性和实用性。
  • 相比传统文本框输入方式，语音输入既减轻了交互负担，又提高了表达的自然性和活动语义信息的完整度。

• 实验或评估结果是什么？

  • 数据分析显示语音报告的时间标注较为完整，55.25%的活动能够准确对齐时间信息。
  • 与传感器数据对比发现，参与者对活动强度的主观评价并不完全符合标准的身体运动强度范围。

• 局限性与未来方向

  • 局限性包括样本量小且参与者背景偏向高学历、技术熟练的老年人，未完全覆盖不同健康状态的群体。
  • 为弱视或有运动障碍的参与者优化语音输入以及提高自动处理难度较高语音样本的识别能力是未来工作重点。
  • 探讨跨设备环境下的更准确融合与数据分析、以及通过提供活动反馈鼓励参与者自我监控的可能性。