为健身追踪器设计反思性派生指标

个人追踪设备配备了越来越多的传感器，提供了日益提高的准确性，但这也带来了更高的复杂性。为了解决这个问题，健身追踪器使用派生指标——基于传感器数据计算的分数，例如压力分数。这意味着解读健康数据的部分主动权从用户转移到了追踪器。本研究调查了这一转变的后果，并研究如何设计派生指标以提供最佳的个人信息学体验。我们开展了一项在线调查和一系列访谈，在三个抽象层次上检验了一个健康分数（假设的派生指标）。我们发现中等抽象层次导致了最高程度的反思。此外，我们确定在没有上下文信息的情况下呈现该指标会导致透明度和意义的降低。我们的工作为设计有效的派生指标提供了指南。