计算笔记本作为协同设计工具：让患有糖尿病的年轻人、家庭护理人员和临床医生参与机器学习模型

文献标题

《Computational Notebooks as Co-Design Tools: Engaging Young Adults Living with Diabetes, Family Carers, and Clinicians with Machine Learning Models》

文献信息

• 主题领域: 交互式机器学习工具的协同设计及其在糖尿病管理中的应用
• 关键词: 协同设计、机器学习、人机交互、糖尿病、计算笔记本、多学科协作、用户体验、健康技术

研究背景与问题

• 问题与挑战:

  • 人工智能（AI）和机器学习（ML）正快速渗透医疗健康等领域，但算法设计未能合理纳入终端用户需求和期望，可能导致不平等的健康结局。
  • 当前AI设计集中于数据科学，其设计流程与用户体验设计的工作流存在差异，导致难以实现人机协作和用户信任。
  • 计算笔记本（如 Jupyter Notebook）已在数据科学教育与团队协作中广泛使用，但其作为一种面向非技术用户的协作设计工具使用尚未得到深入研究。

• 重要性:

  • 跨学科的合作和基于用户需求的参与式设计对于确保AI系统的公平性和可用性至关重要。
  • 通过支持终端用户（如患有糖尿病的年轻人、家属照护者、临床医生）的积极参与，人机协作系统和健康预测模型的开发可以更好地满足特定需求。

• 研究动机与相关工作:

  • 将交互式数据科学工具结合用户体验设计可以弥合数据科学和用户需求之间的差距。
  • 当前在健康系统中，借助传统AI开发流程的协作仍局限于专业化群体，而未能有效覆盖多元背景的用户群体（如非技术人士）。

解决方案

• 方法或解决方案:

  • 作者设计并开展了一项协同设计研究，结合计算笔记本（Jupyter Notebook）与在线研讨会，引导包括糖尿病患者、家属和临床医生在内的用户群体共同设计机器学习模型。
  • 研究涵盖多阶段设计：从静态图像到交互式可视化数据工具，最终支持用户创建符合自身需求的虚拟特征重要性模型。

• 创新之处:

  • 提出了一种新的参与式设计框架，利用计算笔记本作为"边界对象"，推动多学科团队中的知识共享和协作设计。
  • 引导非技术用户创建虚拟ML模型，以表达个人的健康需求和价值取向，这种活动提升了用户的创造力和交互式学习体验。

• 实施步骤与关键技术:

  1. 计算笔记本设计:
     • 开发协同设计笔记本，结合静态说明（如数据集解释）和交互式ML模型（如风险可视化）。
     • 包括五个核心部分：用户的健康数据经验、数据集样本演示、基础机器学习概念、健康风险预测模型与用户定义虚拟模型活动。
  2. 实验设计:
     • 分别招募糖尿病年轻患者（6人）、家属（4人）与临床医生（3人），分组开展五次在线研讨会。
     • 参与者通过互动活动（如风险滑动条调整）进行多元学习，讨论潜在模型的影响并实现特定健康功能需求。
  3. 编码实践:
     • 使用简化的Python脚本引导用户输入关键特征变量，根据用户需求生成虚拟特征重要性图。

研究成果

• 具体成果:

  • 方法上的成功: 大多数参与者成功创建虚拟特征重要性模型，面对技术工具的首次接触呈现出学习曲线与突破感。
  • ML协作设计的利益:
    • 支持参与者通过互动式计算笔记本预测健康风险并讨论潜在益处与危害（例如资源分配）。
    • 深化患者、家庭及医生对复杂ML系统的理解及接受度。
  • 用户反馈:
    • 用户报告协调笔记本中可互动元素，使复杂的ML主题可感知、丰富探索。
    • 用户提出诸多实用且富有创造力的特征建议，包括基于多因子（例如饮食、睡眠、BG水平等）的详细估测模型。

• 与现有解决方案的比较优势:

  • 与传统AI设计方法相比，计算笔记本作为协作工具促进了参与者的理解力和创造力提升。
  • 不同群体能够有效参与ML解释、批评和创新过程。

• 局限性与未来方向:

  • 数据集限制: 使用现有数据集可能限制了用户全面需求的寻求和表达。
  • 用户体验缺陷: 部分非技术用户对编程界面和任务操作感到迷茫。
  • 未来方向:
    • 开发更可定制的用户友好型笔记本界面，减少技术复杂性。
    • 探讨从底层数据设计开始的协作方式，使数据集更具包容性和针对性。