活动重定向在线自我调节的挑战与机遇
作者
大语言模型(LLM)的人机协作隐私设计与用户控制
文献标题
Challenges and Opportunities of Using Redirection of Activity for Self-Regulation Online
文献信息
- 主题领域: 人机交互 (HCI) 和数字行为改变
- 关键词: 自我调节, 用户体验评估, 拖延症, 微学习, 自控力, 生产力管理
研究背景与问题
-
发现的问题或挑战:
- 随着网络内容的多样化以及工作和娱乐在浏览器中的混合使用,人们在自我调节与时间管理上面临挑战。
- 现有工具(如阻止分心网站的软件)尽管能提升生产力,但可能引起用户的压力或不满。
- 缺乏关于“活动重定向策略”的实践研究,即将用户从被认为是“浪费时间”的网站引导到更有生产力的网站或活动。
-
重要性:
- 大量职业依赖计算机处理工作,网络分心和拖延的普遍性显著影响了工作效率和心理健康。
- 有效的数字干预措施可为用户带来自控力的提升,同时减少分心和压力。
-
研究动机与相关工作:
- 传统的行为控制工具(如网站屏蔽、时间追踪、自我承诺奖励机制等)存在诸如高弃用率和用户抵触问题。
- 现有的研究表明,“重定向活动”的策略可能是一种更温和的解决方案,既不完全屏蔽分心,也能引导用户进入建设性的活动。
- 本文旨在探索这一策略是否有效及其面临的具体挑战和机遇。
解决方案
-
提出的方法或解决方案:
- 开发并使用一种名为“Aiki”的浏览器扩展,该扩展通过拦截用户访问“浪费时间”网站的行为,将其重定向到有助于学习的在线编程平台(如Codecademy、Sololearn或Udemy)。
- 通过活动设计,用户在完成学习页面的规定时间后,能够访问预定的“浪费时间”网站,形成“受控的拖延”模式。
-
创新之处:
- 提出以“活动重定向”的方式代替直接屏蔽,加入微学习内容作为“奖励”。
- 引入灵活的用户自定义功能,如设置活动时间段、允许用户暂停重定向等,设计更加独立且用户驱动。
-
实施步骤与关键技术:
- 开发新的Aiki扩展,简化用户界面并提升用户体验,比如增加拖动按钮、倒计时计时器和启用时间自定义功能。
- 进行为期12周的实验,包括4周的用户行为基线收集(无需干预)和8周的Aiki使用阶段。
- 收集用户使用数据(如重定向次数、学习平台网页使用时间)、Procastination 网站的时间统计与用户对系统的质性反馈。
- 对预后评估Python知识掌握情况变化的标准化测试结果进行量化评估,补充用户调研与访谈的定性数据。
研究成果
-
具体成果:
- 平均而言,Aiki的使用降低了用户在“浪费时间”网站上花费的时间,同时提高了用户的Python知识水平。
- 用户对于扩展的可用性和使用体验评价不一,部分用户完全避免了“浪费时间”网站,但也因此减少了访问学习平台的机会。
-
与现有解决方案的比较:
- 相比完全屏蔽类工具,Aiki提供的“受控拖延”模式为用户提供了更大的自主性和灵活性。
- 但与屏蔽工具类似,若设计不当(如过于复杂或打断行为模式),可能会导致高弃用率。
-
实验或评估结果:
- 浏览器中“浪费时间”网站的使用时间在实验阶段显著减少(p=0.005)。
- 用户的Python测试成绩在干预后显著提升(p<0.001),表明“学习引导”的潜力。
- 部分用户报告通过使用Aiki意识到了自身的拖延习惯,但也提及系统的学习重定向功能可能有时会增加认知负荷。
-
局限性与未来方向:
- 局限性:
- 样本量较小(19名参与者),且部分用户在实验结束前放弃使用系统,影响长期效应分析。
- 仅在Chrome浏览器中运行,未考虑跨平台行为(如智能手机)。
- 缺乏对学习平台选择自由度的探究。
- 未来方向:
- 优化用户自主性,允许用户自定义“重定向至”的网站。
- 探索减少用户认知负荷的设计策略,例如简单的微学习内容或更有趣的任务。
- 改进工具的持久性设计,减少新鲜感过后带来的弃用现象。
- 局限性:
研究问题 / 现实痛点
这篇论文在当前问题库中对应的问题线索。
help
研究问题
3- 活动重定向策略(如从时间浪费网站重定向到学习平台)是否能有效改善用户的自我调节能力?分类: 平台操纵、账户控制与界面权力同类问题arrow_forward
- 活动重定向策略如何影响用户的时间管理、学习成效及认知负担?分类: 平台操纵、账户控制与界面权力同类问题arrow_forward
- 灵活的定制化活动重定向功能是否能够提高用户对工具的长期使用意愿?分类: 平台操纵、账户控制与界面权力同类问题arrow_forward
lightbulb
现实痛点
1- 用户在网络上易受干扰,生产力和时间管理难以维持。分类: 平台操纵、账户控制与界面权力同类问题arrow_forward
快捷操作
广告推荐
学习 AI 编程到 CodeNow
open_in_new打开DOI链接
DOI: https://doi.org/10.1145/3544548.3581342
一眼看懂
fact_check论文快照
dataset
来源
CHI
calendar_month
年份
2023
emoji_events
奖项
未标记奖项
group
作者
4 位作者
sell
研究子方向
大语言模型(LLM)的人机协作、隐私设计与用户控制
work
职业/产业
—
article
内容状态
已索引正文
hub
相关论文
4 篇相关论文