活动重定向在线自我调节的挑战与机遇

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:

    1. 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。
    2. 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。
    3. 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。
    4. 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:

    1. 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)。
    2. 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。
    3. 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:
      1. 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。
      2. 仅在Chrome浏览器中运行,未考虑跨平台行为(如智能手机)。
      3. 缺乏对学习平台选择自由度的探究。
    • 未来方向:
      1. 优化用户自主性,允许用户自定义“重定向至”的网站。
      2. 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。
      3. 改进工具的持久性设计,减少新鲜感过后带来的弃用现象。

快捷操作

分享

分享当前页面

ios_share

https://hci.top/zh/papers/chi/96327/2023

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

论文快照

fact_check
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