超级会员免费看
说服性技术设计特征分析
1. 引言
对如何设计激励行为改变的技术的研究，一直吸引着研究人员和行业从业者的关注。说服性技术（PT）被定义为“任何旨在改变人们态度或行为的交互式计算系统”。然而，开发者对说服性设计特征的应用较为零散，Oinas - Kukkonen和Harjumaa开发的PSD模型为PT的开发提供了系统的方法，但其实际适用性尚未得到充分验证。本研究旨在填补这一研究空白，实证检验PSD模型的适用性，并评估其推荐的设计特征对加纳学生行为改变的有效性。
2. 文献综述
- 说服性技术的定义与标准 ：Fogg提出，一项技术要被视为说服性技术，需满足三个标准：一是说服应源于人机交互（HCI），而非计算机介导的通信；二是潜在的说服效果必须是有意和有计划的，而非使用技术的副产品；三是说服意图必须是内生的，即产品本身自带说服或激励诉求，而非来自外部来源。
- 说服性技术的角色分类 ：PT可分为媒体、工具和角色三种类型。作为交互式媒体，PT能让人们体验专门设计以塑造其观点的信息；作为工具，PT可简化或促进某些活动，如跟踪和优化饮食习惯；作为角色，PT可承担类人角色。
-
说服性技术的应用领域
- 健康与福祉 ：相关研究聚焦于技术如何改善用户饮食和健康行为。例如，Intille等人开发了一种饮食改善工具，在购买点提供饮食改善信息，鼓励用户做出更明智的食物选择；Eyck等人的研究表明，虚拟教练能从内在和外在激励人们骑行更远；还有基于个人干预教练的对话代理原型，被证明能有效降低荷兰吸烟者的吸烟率。
- 在线营销 ：这是PT最突出的应用领域之一。PT通过自动化各种在消费领域行之有效的策略，激励客户购买产品和服务，其中最流行的策略是跟踪和监控，即根据消费者的在线活动和偏好推荐产品和服务。随着电子商务的发展，预计营销将继续吸引PT研究人员。
3. 研究框架与假设
3.1 说服性系统开发模型
Oinas - Kukkonen和Harjumaa认为，说服性系统的开发包括三个阶段：
-
理解基本问题
：需考虑七个主要问题，包括信息技术的中立性、人们的承诺和认知一致性、直接和间接说服策略、说服的渐进性、设计者的透明度、说服系统的不唐突原则以及系统的有用性和易用性。
-
分析说服情境
：识别使用说服系统的意图、事件和策略。
-
评估设计特征
：在开发PT时，需评估并使用四个主要设计特征来刺激行为改变，具体如下：
graph LR
classDef process fill:#E5F6FF,stroke:#73A6FF,stroke-width:2px;
A(理解说服系统基本问题):::process --> B(分析说服情境):::process
B --> C(评估设计特征):::process
C --> D(主要任务支持):::process
C --> E(对话支持):::process
C --> F(系统可信度支持):::process
C --> G(社会支持):::process
D --> H(行为和/或态度改变):::process
E --> H
F --> H
G --> H
3.2 概念模型
基于PSD模型的设计特征，提出四个假设：
-
H1
：具有主要任务支持能力的说服性技术更有可能影响行为改变。主要任务支持通过减少、隧道化、定制和个性化等设计原则，降低用户的认知负担，使交互和使用更简单。例如，减少是指系统将复杂过程分解为简单活动，以最小化用户完成主要任务的努力；个性化帮助用户识别和设定目标，并通过自我监控跟踪进度。
-
H2
：具有对话支持特征的说服性技术更有可能影响行为改变。对话支持通过赞扬、奖励、提醒和建议等功能，激励和支持用户与系统持续交互。已有研究表明，这些功能可增强系统的说服能力，但对用户行为的实际影响尚待研究。
-
H3
：具有可信度支持的说服性技术更有可能影响行为改变。系统可信度支持通过纳入专业知识、第三方背书和权威等特征，增强系统的可信度和可靠性。用户在使用提供推荐的系统时，非常关注信息来源的可信度。
-
H4
：具有社会支持的说服性技术更有可能影响行为改变。社会支持通过社会学习、社会比较、合作、认可和竞争等原则，利用社会影响来促进用户的动机。例如，用户可以通过系统观察他人的行为，比较自己与他人的表现，获得公开认可，或参与竞争，从而更有动力采取目标行为。
概念模型的构成如下表所示：
| 支持类型 | 具体组成部分 |
| — | — |
| 主要任务支持 | 减少、隧道化、定制、个性化 |
| 对话支持 | 赞扬、奖励、提醒、建议 |
| 系统可信度支持 | 专业知识、第三方背书、权威 |
| 社会支持 | 社会学习、社会比较、合作、认可、竞争 |
3.3 研究方法
本研究采用定量方法，通过问卷调查收集数据。具体步骤如下：
1.
目标人群
：选取加纳阿克拉两所私立初中的学生作为研究对象，原因是初中学生在数学学习上存在焦虑，导致数学成绩不佳，而交互式学习方法被推荐用于改善这种情况。
2.
样本选择
：使用简单随机抽样技术，选取150名学生作为样本。虽然样本量较小，但在验证性研究中是可行的，且现代计算能力使得使用较小样本进行假设检验成为可能。
3.
问卷设计
：采用五点李克特量表，从强烈不同意（1）到强烈同意（5）。为确保数据的可靠性和有效性，对问卷进行了预测试，修改了不一致、不清晰和误导性的问题。预测试使用了25份问卷。
4.
数据收集与分析
：在收集数据前，获得了受访者的同意，并确保其匿名性。数据收集后，进行了描述性统计、因子分析和多元回归分析。在分析前，检查了数据的缺失值、异常值和正态性。
说服性技术设计特征分析
4. 结果分析与讨论
本部分对收集的数据进行分析，探讨受访者的人口统计学特征，然后进行因子分析以提取潜在变量，最后进行回归分析以研究变量之间的关系。
4.1 因子分析
因子分析旨在提取所收集变量中的潜在结构。由于测量同一结构的响应之间存在相关性，因此可以通过因子分析来实现这一目标。采用方差最大因子旋转方法对提取的成分进行旋转，将早期提取因子的方差重新分配到后期因子，以获得更有意义的因子模式。
因子分析通过方差最大旋转方法提取了五个因子，这些因子约占响应总变异的68.223%。根据在每个因子上载荷较大的项目类型，将它们归类为设计特征，即主要任务支持、对话支持、系统可信度支持和社会支持，最后一个因子代表用户的行为改变。对交叉载荷和在任何因子上载荷不显著的项目进行了忽略处理。
4.2 回归分析
回归分析的方差分析（ANOVA）表如下所示：
| 来源 | 平方和 | df | 均方 | F | Sig. |
| — | — | — | — | — | — |
| 回归 | 132.645 | 3 | 44.215 | 53.335 | 0.000 |
| 残差 | 121.072 | 146 | 0.829 | | |
| 总计 | 253.717 | 149 | | | |
从表中可以看出，回归模型具有显著性（F值 = 53.335，p值 < 0.001），这表明自变量与因变量之间存在显著关系。模型的R平方值为52.28%，意味着自变量（即所研究的因素）解释了因变量（即用户行为改变）约52%的变异。
回归系数估计结果如下表所示：
| 变量 | 系数 | 标准误差 | t | 概率 | 95%置信区间 |
| — | — | — | — | — | — |
| 常数项 | -0.058653 | 0.01687 | 3.48 | 0.001 | 0.025476 - 0.091831 |
| 主要任务支持 | 1.259842 | 0.21249 | 5.93 | 0.022 | 1.108067 - 1.567775 |
| 对话支持 | 0.812991 | 0.15133 | 5.37 | 0.043 | 0.570334 - 1.133001 |
| 系统可信度支持 | 1.587881 | 0.35283 | 4.50 | 0.017 | 1.260133 - 1.812280 |
| 社会支持 | 2.137963 | 0.19357 | 11.04 | 0.006 | 1.189142 - 4.002450 |
结果显示，所有影响受访者行为改变的决定因素均具有统计学显著性（p值 < 0.05）。所有变量对用户行为改变都有积极影响，其中社会支持的系数最高（2.137963），是影响受访者采用说服性技术的最主要因素。其次是系统可信度支持，系数为1.587881，然后是主要任务支持（1.259842）和对话支持（0.812991）。因此，虽然所有结构对用户行为改变都有显著影响，但主要任务支持和对话支持的影响相对较小。
5. 综合讨论
上一部分通过多元分析确定了影响加纳说服性技术（PT）行为改变的设计特征。本部分将研究结果与类似研究进行比较和讨论。
- 主要任务支持 ：第一个假设表明，具有主要任务支持的说服性技术更有可能被采用，这一假设得到了验证。该结果支持了Fogg的行为改变三因素模型，即一个人要改变行为，必须有足够的动机、具备执行行为的能力并受到触发。在PT中纳入主要任务支持作为设计特征，可提高用户执行目标行为的能力，并可能成为触发行为的因素。通过定制、模拟和排练等原则，系统支持用户主要任务或目标的能力将鼓励用户持续使用，从而最终导致行为改变。
- 对话支持 ：对话支持特征也能激励用户影响行为改变，尽管其影响程度低于其他特征。这与相关研究结果一致，即采用赞扬、奖励、提醒和建议等功能具有强大的说服能力。随着说服能力的提高，系统能够激励用户持续使用PT，最终导致行为改变。
- 系统可信度支持 ：系统可信度支持对行为改变的重要性不可忽视。系数第二高的结果表明，尽管PT有诸多好处，但用户更愿意使用他们认为可信的系统，即能够提供准确信息，且开发者在该领域具有相当专业知识和权威的系统。这一结果支持了行为研究中的发现，即高可信度来源在非合规情况下能带来更大的积极态度改变。
- 社会支持 ：分析结果显示，Oinas - Kukkonen和Harjumaa在PSD模型中提出的社会支持特征对态度改变的影响大于其他特征。这一结果支持了相关研究，强调了在PT中纳入社会支持特征以触发行为表现和激励用户的必要性。社会支持特征可提高用户对系统的信任，并激励他们改变行为。
综上所述，本研究验证了PSD模型作为构建PT的可靠指南的有效性。
6. 结论与启示
本研究对影响加纳学生行为改变的说服性技术设计特征进行了调查。通过回顾说服性技术文献，并使用PSD模型确定了影响行为改变的设计特征。研究发现，主要任务支持、对话支持、可信度支持和社会支持这四个结构均对行为改变有显著影响，其中社会支持对行为改变的影响最大，而对话支持的影响最小。
本研究对研究、实践和政策都具有重要意义。在研究和理论方面，本研究从发展中国家的视角为PSD模型提供了实证证据，做出了重要贡献。在实践和政策方面，本研究为在各个领域应用说服性技术提供了见解，有助于推动相关实践和政策的发展。
以下是本次研究的流程总结：
graph LR
classDef process fill:#E5F6FF,stroke:#73A6FF,stroke-width:2px;
A(文献综述):::process --> B(构建研究框架与假设):::process
B --> C(确定研究方法):::process
C --> D(数据收集):::process
D --> E(因子分析):::process
E --> F(回归分析):::process
F --> G(结果讨论):::process
G --> H(得出结论与启示):::process
通过本次研究，我们可以更清晰地了解说服性技术设计特征对行为改变的影响，为未来相关技术的开发和应用提供了有价值的参考。
扫一扫
6515
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
