在线行为改变干预的轮换策略:提高有效性但增加流失率

行为改变系统帮助人们管理在线时间。这些系统通常包含单一静态干预组件(如计时器或网站屏蔽器),以说服用户按照既定目标行事。然而,静态干预的有效性会随时间推移而下降,因为用户会开始忽视它们。本论文比较了静态干预与轮换策略的效果,轮换策略让用户在不同时间体验不同干预措施。我们开发并部署了名为HabitLab的浏览器扩展,提供多种干预措施供用户在社交媒体和其他网站上启用以控制浏览时间。我们在HabitLab上进行了三项野外实地实验,比较静态干预与轮换干预的效果。结果显示,轮换干预在网站停留时间方面提高了有效性,但同时也增加了流失率:更多用户卸载了HabitLab。为最小化流失率,我们引入了关于轮换的即时信息设计,使流失率降低了一半。本研究表明,交互设计结合行为改变干预的轮换策略可以帮助用户控制在线习惯。

快捷操作

分享

分享当前页面

ios_share

https://hci.top/zh/papers/cscw/5136/2018

广告推荐

学习 AI 编程到 CodeNow

一眼看懂

论文快照

fact_check
dataset
来源
CSCW
calendar_month
年份
2018
emoji_events
奖项
未标记奖项
group
作者
4 位作者
sell
研究子方向
—
work
职业/产业
—
article
内容状态
仅摘要
hub
相关论文
0 篇相关论文