劳动的流沙：智能家庭健康系统中的共同护理工作变化

文献标题

The Shifting Sands of Labour: Changes in Shared Care Work with a Smart Home Health System

文献信息

• 主题领域: 智能家居技术对养老护理工作的影响
• 关键词: 智能家居, 老年护理, 健康技术, 共享护理, 技术劳动, 数据工作, 人机交互, 情感劳动, 技术采纳

研究背景与问题

• 问题或挑战:

  • 随着老龄化人口的增加，很多老年人需要其家庭和社会的更高水平护理。
  • 智能家居系统逐渐成为支持老年人独立生活的重要技术，但需要更多研究探索其对家庭护理工作性质和数量的影响。
  • 当前智能家居技术通常以单个用户为目标设计，未充分考虑不同家庭结构中共享护理的需求。

• 重要性:

  • 智能家居技术能否优化护理工作、减少不必要的负担，是解决老龄化社会挑战的重要环节。
  • 理解技术如何影响家庭护理和护理劳动，对于提升护理质量和技术设计具有重要意义。

• 研究动机与相关工作:

  • 现有研究主要集中在技术如何帮助老年人与健康监测，但忽略了护理活动对家庭和社会成员的影响。
  • 相关工作探讨了社交性智能设备在家庭中的影响，但尚不足以揭示技术对家庭护理劳动的动态变化。

解决方案

• 提出的解决方案:

  • 本研究部署了一个智能家居健康系统（Smart Home Health System, SHHS）到五户家庭，通过访谈和观察探索其对老年人及护理者工作性质的影响。

• 创新之处:

  • 系统性研究了SHHS技术如何改变家庭护理过程中的“劳动”类型，包括学习与设置工作（Learning and Set-Up Work）、维护工作（Maintenance Work）、交互工作（Interaction Work）、数据工作（Data Work）、护理工作（Care Work）和情感工作（Emotional Work）。
  • 提出了减少技术劳动负担的设计建议以支持共享家庭护理。

• 实施步骤与关键技术:

  1. 智能设备组件设计与部署: SHHS系统包括多个传感器（如智能手表、体重计、运动传感器等）和语音助手，结合在线数据仪表板和移动应用。
  2. 数据收集与访谈研究: 通过三阶段访谈（设备安装前、安装后短期体验、三个月后长期评估）收集用户在护理情境中的真实互动和反馈。
  3. 定性数据分析: 采用NVivo软件进行主题分析，揭示与家庭护理相关的劳动类型和影响因素。

研究成果

• 具体成果:

  1. 技术负担增加: 用户需要投入大量学习与设置、维护、交互以及数据处理的工作，而系统设计未充分考虑多用户家庭中的需求与复杂性。
  2. 劳动类型识别:
     • 情感工作：护理过程中针对技术错误或难以理解的特性带来的焦虑和额外沟通成本。
     • 数据工作：传感器数据的获取和解释对家庭用户来说劳动过重。
     • 自我管理和共享护理工作：系统能部分帮助追踪健康状况，但额外生成的维护任务显著增加了劳动成本。
  3. 技术采纳与放弃的原因: 部分家庭逐步放弃使用SHHS，是因系统复杂性和技术支持不足导致高维护和学习成本。

• 与现有方案比较:

  • 与传统单一用户设计的智能家居不同，该研究关注多住户家庭中的共享护理经验，揭示了广泛的劳动成本类型。
  • 更深刻地揭示了技术采纳与放弃的过程，为未来优化智能家居设计提供实践依据。

• 实验或评估结果:

  • 家庭用户感到系统设置及维护工作超出其能力，长期使用也未能降低劳动强度。
  • 用户对“黑箱”数据的可视化需求显著。

• 局限性与未来方向:

  • 局限性：研究样本集中于单一城市的中低收入白人家庭，未能充分代表更多元化的用户群体。
  • 建议未来研究：
    1. 探索不同社会文化背景下的用户体验差异。
    2. 开展设计工作坊或共创活动，开发符合共享护理需求的定制化智能家居技术。
    3. 与医疗领域合作，评估技术对正式护理人员和医生工作的支持。

结论

本研究通过部署智能家居健康系统（SHHS）并分析其对家庭护理劳动的影响，揭示了共享护理中的劳动类型变化。研究强调技术设计需更关注学习与使用的门槛、支持多用户共享的复杂动态，以及技术采纳过程中情感和社会学因素的深远影响。研究也提供了减少技术劳动负担、设计用户友好护理系统的实用建议，为老年人技术支持的未来发展提供了重要启示。