利用WiFi定位数据支持接触追踪过程：机遇与挑战

文献标题

支持利用 WiFi 位置数据的接触追踪过程：机遇与挑战

文献信息

• 主题领域: 人机交互技术与公共健康系统
• 关键词: 接触追踪、WiFi数据、可视化、人机交互、数据隐私、协作决策、疫情响应

研究背景与问题

• 问题或挑战:
  • 手动接触追踪依赖社区成员的记忆，但这可能不可靠（如误记或遗忘）。
  • COVID-19 的快速传播以及无症状感染者的高比例使得现有接触追踪方式面临极大挑战。
  • 数字化支持虽然可以加速检测和通知，但仍存在数据不完美的问题（诸如误报或漏报）。
• 重要性:
  • 接触追踪是遏制传染病传播的关键，并且是无药物干预（NPI）的重要组成部分。
  • 病毒传播的快速且规模化监测对于公共健康系统的应对极为重要。
• 研究动机与相关工作:
  • 探索如何通过技术改善手动接触追踪过程中的回忆问题。
  • 广泛研究了数字化接触追踪方法，但关于如何将数字工具整合至手动追踪过程中的研究仍不足。
  • 此研究目的为探索通过大学校园 WiFi 数据优化接触追踪的可能性。

解决方案

• 方法或解决方案:
  • 开发了一种基于校园 WiFi 网络数据的接触追踪可视化工具。
  • 工具使用去标识化的 WiFi 数据，帮助接触追踪员在进行模拟接触追踪电话时识别与校正社区成员记忆中出现的错误。
  • 工具设计基于用户研究和反馈进行优化，强调隐私保护和数据直观呈现。
• 创新之处:
  • 提供了一种利用大学 WiFi 数据以支持接触追踪过程的数字技术。
  • 设计了一种更用户友好且去标识化的控制界面，能够帮助接触追踪员有效处理不精确的数据。
  • 工具结合了时间、地点及同位置协作者的数据滤选与排序功能，支持更高效的协作决策。
• 实施步骤:
  1. 通过 WiFi认证日志获取去标识化数据，包括接入点标识、设备标识和时间戳。
  2. 可视化界面开发：以时间轴呈现社区成员和协同定位人的位置共享时段。
  3. 优化设计：对初步设计进行用户测试与反馈采集，调整隐私保护措施并增加功能，如日期输入框和数据过滤。
  4. 模拟追踪实验：开展带有WiFi数据可视化工具的模拟电话追踪任务。
  5. 通过电话追踪和访谈分析工具的有效性并挖掘参与者的观点。

研究成果

• 具体成果:
  • 可视化工具帮助接触追踪员有效填补社区成员记忆的缺口，显著提高追踪过程的效率。
  • 确认了 WiFi 数据的可用性以及它在真实事件记忆和位置数据验证过程中的助益。
  • 接触追踪员在电话开始前通过工具预览数据，提高了电话任务的准备度与自信心。
• 与现有解决方案的优势:
  • 相较手动接触追踪仅能依赖社区成员记忆，可视化工具更直观、易用，能主动检测和校正数据偏差。
  • 不需要社区成员安装应用程序，降低了技术采纳的门槛。
• 实验或评估结果:
  • 在14次模拟追踪电话中，平均每次电话能识别11个近距离接触者。
  • 约72%的社区成员数据事件存在不一致问题，但96%的不一致通过工具和用户协作解决。
  • 工具帮助明确接触追踪场景中常见的记忆问题和可视化数据的重要性。
• 局限性与未来方向:
  • 工具依赖校园 WiFi 基础设施，对于非校园环境或连接率低的用户可能存在数据捕获问题和遗漏。
  • 社区成员隐私担忧仍然存在，如何建立更大的信任机制是未来需解决的问题。
  • 建议未来研究探索解决数据误报问题的设计方法，同时测试社区成员是否能直接访问工具以促进透明度与数据知情权的实现。

总结与设计建议

• 设计核心：将视觉化工具作为接触追踪协作过程的辅助手段，而非完全替代决策。
• 突出设计原则：支持数据优先级过滤、标记潜在不一致性、增强用户数据调整功能。
• 隐私与社区参与：增加明确的数据收集与利用信息沟通策略，以降低社区成员对数据泄露的担忧。