使用Awari进行睡眠规划：通过设计研究揭示生物节律的物质性

文献标题

Sleep Planning with Awari: Uncovering the Materiality of Body Rhythms using Research through Design

文献信息

• 主题领域: 人机交互与健康信息学
• 关键词: 睡眠、自我追踪、健康信息学、个人信息学、投机设计、通过设计研究

研究背景与问题

• 发现问题或挑战:

  • 随着身体追踪技术日益普及，用户可以收集大量生物数据，但设计师难以将这些数据转化为易懂或可操作的内容。
  • 当前的睡眠追踪工具过于集中于被动的数据收集和线性目标，而忽视了复杂的身体节律以及计划未来行为的可能性。
  • 对于那些“非传统睡眠者”，例如轮班工作者或多相睡眠者，当前技术无法支持其独特的睡眠模式。

• 重要性:

  • 对睡眠节律的深入理解和设计改进不仅可以支持用户管理睡眠，还能提升更多领域的行为变化，例如饮食、运动等。

• 研究动机与相关工作:

  • 通过研究设计，探索睡眠节律的材料特性，以及如何通过设计来影响身体节律。
  • 与参与用户合作，重新构想睡眠追踪从一种被动数据收集工具转变为帮助用户规划未来清醒状态的主动工具。

解决方案

• 提出的方法或解决方案:

  • 开发了一款名为 Awari 的网页界面，通过基于个人睡眠数据和强化学习算法预测用户清醒状态，帮助用户规划睡眠。
  • 在设计过程中，通过工作坊与“非传统睡眠者”（如夜班护士、多人睡眠者）合作，收集意见并指导模型迭代。
  • 提出了三种非独占性的睡眠节律类别：慢速与循环节律、压力与释放节律、锚定节律，并设计系统以呈现和管理这些节律。

• 创新之处:

  • 从被动的睡眠数据追踪转变为对未来清醒轨迹的预测和规划。
  • 在设计中引入身体节律的材料特性，例如节律的周期性、压力对释放的影响、以及锚定行动的作用。
  • 通过用户调整参数（如光照偏好、压力耐受度等）实现对节律进行探索和规划。

• 实施步骤与关键技术:

  • 通过四次迭代开发 Awari 系统：
    1. 静态模型：允许用户自由设定其昼夜节律，探索过往睡眠行为如何影响清醒状态。
    2. 随机模型：通过随机探索用户未来睡眠模式，预测清醒状态。
    3. 强化学习模型：利用多目标模型化的强化学习算法，平衡用户睡眠、清醒和社会责任。
    4. 锚定模型：增加睡眠惯性及光照对节奏的影响，解决不合理的微睡眠建议问题。

研究成果

• 具体成果:

  • 开发的 Awari 系统能够帮助用户探索、计划和调整其未来的睡眠和清醒状态。
  • 确定了三种睡眠节律类别及其相关材料特性，为行为变化技术设计提供了新的视角。
  • 提出了互动式医疗模型，让用户能直接参与调整节律模型，而非被动依赖系统建议。

• 相比现有解决方案的优势:

  • 系统重视用户的主动性和自主性，为用户提供一个可交互的空间以反思和计划睡眠。
  • 设计支持更灵活的睡眠模式（例如分段睡眠、多相睡眠），更贴近实际需求。
  • 系统由被动数据收集转向主动规划，提升用户对复杂身体节律的理解。

• 实验或评估结果:

  • 工作坊参与者对系统的反馈强调了动态规划和社会优先级的必要性。
  • 系统能够以高效方式计划复杂睡眠模式，与真实用户行为较为匹配。

• 局限性与未来方向:

  • 局限性：当前设计尚未全面测试长期用户体验，模拟数据未完全验证真实数据的复杂性。
  • 未来方向：
    • 深入研究多目标强化学习模型在清醒规划中的进一步应用。
    • 探讨用户在实际生活中长期使用此技术的效果与行为变化。
    • 开发更多支持其他身体节律（例如饮食、运动节律）的设计模型。

讨论与贡献

• 自我追踪技术的未来: 向用户提供探索和规划身体节律的工具，扩展交互设计从过去到涉及未来行为的范围，增加用户的行动能力。
• 医疗模型的民主化: 系统支持用户更直观地理解医用算法对自身节律的影响，尤其是对“非标准用户”的支持，有助于促进行为变化的公平性和普适性。
• 技术增强生活节律: 设计应关注社会、化学/物理和心理因素对节律的综合影响，为性能优化及行为变化设计提供新的可能性。