Health Mashups: Presenting Statistical Patterns between Wellbeing Data and Context in Natural Language to Promote Behavior Change

Health Mashups: Presenting
Statistical Patterns between
Wellbeing Data and Context
in Natural Language to
Promote Behavior Change
+ TOCHI 2013
-Bentley, F. et al.
/김유정
x 2015 Fall

2015-FALL UX LAB MEETING
Health Mashups:
Presenting Statistical Patterns between Wellbeing Data and
Context in Natural Language to Promote Behavior Change
서울대학교 융합과학기술대학원
사용자경험 연구실 박사과정 김유정
FRANK BENTLEY, KONRAD TOLLMAR, PETER STEPHENSON,
LAURA LEVYBRIAN JONES, SCOTT ROBERTSON
ED PRICE, RICHARD CATRAMBONE, JEFF WILSON

Why this paper
jkme의 관심과 유사한 접근
성장하는 웨어러블과 늘어나는 헬스 데이터의 활용은 어떻게 가능할까?
• 하늘 아래 새로운 것은 역시 없나... 소름돋게 우리가 하려고 했던 걸 그대로 매우 잘 하셨네
• 그렇다면 선행연구 조사, 방법론과 분석 측면에서 가져갈 것들이 있지 않을까?
• 프로젝트 포지셔닝에도 도움이 많이 되었다
3
Bentley, F., Tollmar, K., Stephenson, P., Levy, L., Jones, B., Robertson, S., ... & Wilson, J. (2013).
ACM Transactions on Computer-Human Interaction (TOCHI), 20(5), 30.
Health Mashups: Presenting statistical patterns between wellbeing data and context
in natural language to promote behavior change.

Summary
4
Background
Research
Question
Method
Results
• 다양한 종류의 헬스 데이터를 얻을 수 있는 소스가 늘어나고 있지만, 장기적인 ‘웰빙’에 대해서는
답을 주지 못하는 상황
• 장기적으로 체중, 수면, 걸음수, 캘린더 데이터, 위치, 날씨, 고통, 식이섭취, 기분 사이의 연관성을
규명할 수 있는가?
• 해당 데이터 사이의 연관성을 자연어로 사용자에게 제시하면, 자기이해/행동개선이 일어나는가?
• Pilot Study: 10명을 대상으로 2개월 동안 일상적 사용/앱과 위젯 사용 상태 비교실험을 진행
• Full Study: 60명을 대상으로 90일 동안 매시업 시스템을 사용하게 하여 관찰함
• 데이터 타입에 따라 로깅의 결과와 상관관계에 다양성이 나타남
• 헬스 데이터 사이의 상관관계를 자연어로 제시하는 것은 자기이해를 높이는 데 도움을 주었음
• 자기이해를 높이는 것은 결국 행동개선으로 이어짐

Authors
5
Frank Bentley
Motorola Applied
Research Center
Konrad Tollmar
Royal Institute of
Technology
Peter Stephenson
Humana

Authors
6
Laura
Levy
Brian
Jones
Scott
Robertson
Georgia Institute of Technology
Ed
Price
Richard
Catrambone
Jeff
Wilson
Interactive Media Technology Center
http://www.imtc.gatech.edu/about

Background & Motivation
다양한 종류의 헬스 데이터를 얻을 수 있는 소스source가 늘어나고 있지만,
장기적인 ‘웰빙’에 대해서는 답을 주지 못하는 상황
7
“한 조각의 케이크가 오늘의 행복에는 기여할지 모르지만,
장기적 관점에서 이런 잘못된 판단이 축적되면 결국 건강에 비극을 초래할 것”

사람들에게 건강에 대한 장기적 효과에 대해 이해할 수 있도록 하면 도움이 될까?
매일 마주하는 선택의 순간에 트레이드오프를 보여주면 행동이 변화하지 않을까?
8
vs.
“미팅이 많을 때는 몸무게가 느는 경향이 있네요”

두 가지 접근: 다양한 데이터를 모은다, 그리고 통계적으로 분석해서 자연어로 전달한다
사람들은 과연 스스로에 대해 이해하고, 행동을 변화시킬까?
9
Aggregation
센서/맥락 데이터를 다양하게 모은다
Interpretation
통계적 분석, 자연어로 전달한다
“주말에는 주중보다 80%이상 많이
걷네요(15000보 vs. 8300보)”
“더 행복하다고 느끼는 주에는
더 많이 걷는 경향이 있어요(꽤나 많이)”
“오전에 미팅이 많은 날에는
훨씬 빨리 일어나네요”
“기쁘다고 느끼는 날에는
날씨가 화창한 경우가 많네요(꽤나 많이)”

Data Collection
세 가지 방식으로 다양한 소스의 데이터를 수집
10
Pilot Study Full Study
Automatically Sensed
위치(도시 수준) O O
날씨 O
캘린더 바쁨/여유 O O
Sensor Inputs
걸음수(Fitbit) O O
수면(Fitbit) O O
체중(Withings scale) O O
Manually Logged
식이 O O
운동 O
기분 O
고통 O

11
Data Collection: Pilot System
주관적 식사량과
운동량 자가입력
피어슨 상관관계에서
높은 수준의 상관성이 있는
결과를 자연어로 제공

Pilot Study
12
개인화된 헬스 매시업 컨셉 탐색이 목적
10명을 모집해서, with-in subject 방식으로 일종의 AB테스트를 2개월 동안 진행함
4w 8w

Pilot Study
13
Recruiting
• 10명의 참가자
• 전문업체 + SNS
4w 8w

Pilot Study
14
Recruiting
• 반구조화 인터뷰
• 자택 방문, 기기 설치
Instructing
4w 8w

Pilot Study
15
Recruiting
Instructing
Tracking
일종의 Control 기간
(within subject)
4w 8w
• 매시업 앱/위젯 없이 트래킹
• 인사이트는 보이스/이메일로 전송

Pilot Study
16
4wRecruiting
8w
Instructing
Tracking
Follow Up
• F/U 질문 인터뷰
• 매시업 앱/위젯 설치
• 맥락정보 로깅 서비스 설치

Pilot Study
17
4wRecruiting
8w
Instructing
Tracking
Follow Up
Tracking
• 매시업 앱/위젯 트래킹
• 사용/미사용 자유
어떠한 금전적 보상도
약속하지 않음

Pilot Study
18
4wRecruiting
8w
Instructing
Tracking
Follow Up
Tracking
• 매시업 앱/위젯 트래킹
• 사용/미사용 자유
Exit
• 파이널 인터뷰
• 디바이스 증정
• 위젯 지속사용 조사

Pilot Study
19
자가기록은 (상대적으로) 낮은 수준으로 확인된다
한정된 데이터를 통해서도 나름의 분석을 시도한다
7가지 데이터로도 부족하다고 느낀다
센서 문제로 인한 모순된 정보 제공은 신뢰를 떨어뜨린다
리마인더가 필요하다
1
2
3
4
5

Iteration: Full System
20
리마인더 받고싶은
데이터소스 선택
식이 리마인더 예시
식이 입력 인터페이스
주관적 건강도
외식 선호도 추가
사용자에게 제공되는
분석 화면
센서 데이터 디테일
리마인더 기능 추가, 데이터 분석 화면 정교화
날씨 데이터 추가, 기분, 고통 로깅 기능 추가

Iteration: Full System
21
웹 인터페이스
모바일에 비해 aggregation 현황이 잘 나타남

Full Study
22
파일럿 스터디 시스템을 고도화하고, 규모 확장(60명) 장기 실험(90일)을 실시함
21d 90d

Full Study
23
파일럿 스터디 시스템을 고도화하고, 규모 확장(60명) 장기 실험(90일)을 실시함
Recruiting
• 전문업체 이용
• 다양한 표본 확보
• WHO-5 웰빙 설문
• 목표설정
• 집에서 기기 설치
Instructing
21d 90dTracking
Online Survey
• open-ended 포함
• WHO-5 웰빙 설문
Tracking
Exit
• 21-days 설문 재대답
• 전화 인터뷰
• 통합 대시보드 제시
• 디바이스 증정
• 설문 상품권 증정

Findings
24
일별 식이 로깅 유저 비율은 파일럿에 비해 5배 이상 증가
(1) 리마인더 기능 (2) 짧은 질문-7점 스케일로 인한 접근성

Findings
25
수면과 고통은 가장 낮은 빈도로 로깅되었음: 기계 귀찮음, 고통은 되새기기 싫어함
캘린더, 장소, 날씨는 양극화가 나타남: 매일매일 vs. 전혀안함
전체적으로 파일럿보다 관여도가 높게 나타났음

Findings
26
식이와 기분의 상관관계만이 한 방향(positive)으로 나타남
다른 모든 조합에 대해서는 부적관계와 양적관계가 모두 확인
모든 유저에게 적용할 수 있는 단일한 분석 가이드라인이 존재하지 않음을 나타냄
식이-기분 상관관계
유저별 분포도

Conclusion
웰빙 데이터와 맥락 데이터의 수집과 통합, 사용자 인터랙션에 대한 고민
• 다양한 데이터 소스의 등장과 맥락 데이터의 활용 가능성: 어떤 데이터를 활용할 것인가?
• 통계적 분석에 대한 자연어 메시징 전략: 어떻게 전달할 것인가?
• 유저별로 서로 다른 상관관계, 서로 다른 관심사: 어떻게 개인화할 것인가?
27

Health Mashups: Presenting Statistical Patterns between Wellbeing Data and Context in Natural Language to Promote Behavior Change

More Related Content

Viewers also liked (19)

Similar to Health Mashups: Presenting Statistical Patterns between Wellbeing Data and Context in Natural Language to Promote Behavior Change (20)

More from Yoojung Kim (8)

Health Mashups: Presenting Statistical Patterns between Wellbeing Data and Context in Natural Language to Promote Behavior Change