Understanding My Data Myself [Ubicomp 2011]
- 1. Understanding My Data, Myself: Supporting Self- Reflection with Ubicomp Technologies + Ubicomp 2011 -Ian Li et.al /이현정 x 2015 Autumn
- 2. Personal Informatics • Living by numbers, quantified self, self-surveillance, self-tracking, personal analytics으로 칭하기도 한다. • Personal Informatics System은 사람들로 하여금 자신과 연관된 정보를 수집하여 <목적> : self-reflection과 self-knowledge를 얻을 수 있도록 해주는 것이다. • 두개의 핵심 측면은: collection과 reflection Collection Reflection "necessary" "insightful" 자동기록 quantitive 자가기록 qualitative UX Solution? Service Model Tools for PI - computers - mobile devices - sensors Users' Self-Reflection Needs Data for PI - physiological data - behavior habits - thoughts Help User's Self-Reflect
- 3. • Living by numbers, quantified self, self-surveillance, self-tracking, personal analytics으로 칭하기도 한다. • Personal Informatics System은 사람들로 하여금 자신과 연관된 정보를 수집하여 <목적> : self-reflection과 self-knowledge를 얻을 수 있도록 해주는 것이다. • 두개의 핵심 측면은: collection과 reflection Personal Informatics Collection Reflection "necessary" "insightful" 자동기록 quantitive 자가기록 qualitative UX Solution? Service Model Tools for PI - computers - mobile devices - sensors Users' Self-Reflection Needs Data for PI - physiological data - behavior habits - thoughts Help User's Self-Reflect Feedback v Data Visualization
- 4. • Living by numbers, quantified self, self-surveillance, self-tracking, personal analytics으로 칭하기도 한다. • Personal Informatics System은 사람들로 하여금 자신과 연관된 정보를 수집하여 <목적> : self-reflection과 self-knowledge를 얻을 수 있도록 해주는 것이다. • 두개의 핵심 측면은: collection과 reflection Personal Informatics Collection Reflection "necessary" "insightful" 자동기록 quantitive 자가기록 qualitative UX Solution? Service Model Tools for PI - computers - mobile devices - sensors Users' Self-Reflection Needs Data for PI - physiological data - behavior habits - thoughts Help User's Self-Reflect 사람들은 PI를 왜 모을까? 사용자들은 PI에 대해서 무엇을 알고 싶어하는건가?
- 5. ActionReflectionIntegration Models CollectionPreparation 1) Model of Personal Informatics -> 시스템 중심 2) Transtheoretical Model of Behavior Change (TTM) -> 행동변화 중심 MaintenanceActionPreparationContemplationPrecontemplation Personal informatics activity를 지원할 수 있는 방법들 행동변화를 하기 위한 동기와 능력의 단계들
- 6. ActionReflectionIntegration Models CollectionPreparation 1) Model of Personal Informatics -> 시스템 중심 2) Transtheoretical Model of Behavior Change (TTM) -> 행동변화 중심 MaintenanceActionPreparationContemplationPrecontemplation Personal informatics activity를 지원할 수 있는 방법들 행동변화를 하기 위한 동기와 능력의 단계들
- 7. Methodology • 자발적으로 self-tracking을 하고 있는 사람들을 대상으로 함 • 사전 설문에 응하게 하여서 1) 무슨 데이터를, 2) 얼마나 모으고 있는지에 대해 물어봄 • 현재 1가지 이상의 personal informatics를 사용하고 있어야 하며 최소 1달 이상 쓰고 있어야 함 (반드시 health data일 필요는 없음) • 91명 중에 최종 15명을 선정함 • 1시간 인터뷰를 진행하였으며, 현재 사용하고 있는 툴을 가지고 오도록 하였음 (30달러의 보상이 주어짐)
- 8. Results- Questions 행동을 변화 혹은 유지하기 위해서** / 나중에 다시 보기 위해 / 공유하기 위해 / 조정하기 위해 /과거를 회상하기 위해 사용자들은 하기 위해 자신에 대한 데이터를 모은다. 상태(Status) / 과정 (History) / 목표(Goals) / 차이(Discrepancies) / 맥락(Context) / 요인(Factors) ? 사용자들은 모은 데이터에 대해 을 알고 싶어한다.? Status : 단기 History : 장기 • 자동기록의 경우에는 스스로 알지 못하는 것 -> 확인하기 위해 디바이스나 앱을 들여다봄 • 자가기록의 경우에는 (ex. 잠의 질) 이미 아는 것 -> 기록을 남겨서 추적을 하기 위해 • 트랜드나 패턴을 보고 싶어함 -> 이는 일정 기간 이상동안 데이터를 축적해야지만 볼 수 있음 • 장기적으로 목표 지점에 도달하고 있는지에 대해 알고 싶어함 -> 시각화의 이슈에 많이 의존함
- 9. Goal • 목표의 설정을 위해서는 baseline이 존재해야하며 그 baseline을 기준으로 problem이 있는지 없는지 판단함 • 무슨 목표를 세워서 지속하는게 옳은지에 대해 궁금해함 (목표가 반드시 선행하지는 않음) • 목표의 level은 다음과 같이 구분될 수 있음 (Powers, 1973) SequenceProgramPrincipleSystem Concept 이상화된 자신 가이드 "be physically fit" 프로그램 "일주일에 3번 뛰세요." 시퀀스 "런닝화를 신고, 밖에 나가서, 여의도 공원 을 3바퀴 도세요." decision making 기계/앱이 대체 가능 할거 같은 부분 • 아주 구체적인 목표를 찾고자 하는 사람들의 경우, 목표를 찾으면 data collection을 그만두는 경향을 보임. ex.) blood sugar level에 영향을 주는 요인을 알아내기 위한 실험적 데이터 수집 Results- Questions
- 10. Discrepancy • 목표(goal)와 상태(status)를 비교하는 행위를 반복함 • 차이를 발견하면 이를 좁히는 program-level goal을 찾고자 함 • 데이터를 축적한 기간이 오래될수록 차이를 좁히려는 노력에 대한 압박감을 덜 느껴함 (당장 오늘 채워야해 -> 주말에 시간날때 몰아서 하자) Context • 상황의 기록은 요인 발견의 가능성을 내포함 • 현재 자신(in the present)에게 일어나는 일이 다른 사건으로 설명될 수 있을지 궁금해함 • 감정이나 스트레스와 같은 주관적인 것과 함께 보고자 하는 경향이 강함 Factors • 장기적인 관점에서 행동의 변화에 영향을 주는 요인들을 찾고자 함 (ex. 체중 감소 - 칼로리 섭취 - 운동량 - 물 섭취량 - 수면 시간) • 고로 여러가지 데이터를 holistic하게 볼 수 있게 해주는 것이 좋음 • 여러 데이터를 보는 것이 어렵고, 정확한 요인이 무엇인지 해석해내기 어려움 Results- Questions 차이점?
- 11. Results- Phases 상태(status) & 차이 (Discrepancy) 사용자들은 Maintenance 단계에서는 데이터에서 보고 싶어한다.? Maintenance • 필요없는 데이터는 더이상 수집하지 않으며, 필요하다고 생각되는 것만 모은다 (지속사용에 있어서 중요한 타이밍 일 수 있음, 효용가치가 떨어진다고 느낄 수 있는 시점이기 때문) 1) 무슨 목표를 달성해야하는지 앎 2) 자신의 행동이 무엇에 영향을 받았는지 앎 Discovery 사용자들은 Discovery 단계에서는 데이터에서 보고 싶어한다.? 과정 (History) & 목표 (Goals) & 맥락(Context) & 요인(Factor) • 사전 지식이 없기 때문에 다양한 데이터를 수집함 (context로 표현될 수 있음) • 여러가지 가설을 세워서 하나씩 검증해 나감 1) 무슨 목표를 달성해야하는지 모름 2) 자신의 행동이 무엇에 영향을 받았는지 모름
- 12. Results- Transition between phases • 사용자들은 하나의 단계에서만 머물지 않고 maintenance와 discovery를 전환함 “When I first became diabetic, I needed to keep track of everything. At this point in my life, I've had diabetes for about 15 years, and I no longer write anything down.” • Maintenance 단계로 들어가는 이유는 1) 모든 정보를 트래킹 하는 것은 "onerous(부담)"하며 2) 정확한 수치는 아니어도 트랜드를 기억하고 있기 때문에 더 이상 도움이 되지 않았기 때문 (지속 사용은 정확한 수치를 알아야할때만 필요한가, 기계가 가장 잘하는 일이기도 하지 않은가, Self aware를 가져야하는 일과 정확한 수치가 필요한 일 ) She still kept track of her physical activity, but for her food tracking, she just “keeps a mental note of it and just overall have become more self aware of what I eat and stuff.”
- 13. Features Supporting the Maintenance Phase • 이미 많은 디바이스들이 status를 측정해주기 때문에 maintenance를 서포트 하는 것은 여럽지 않음 (maintenance단계와 지속 사용을 혼돈해서는 안됨) • alert을 자주 주어 "잘하고 있다"를 알려주는 것은 매우 성가실 수 있으므로, something wrong일 때 데이터와 engage할 수 있도록 함. 상태(status) & 차이 (Discrepancy) 목표를 달성하지 못했을 때 알림을 줘라. - bothersome하지 않은 알림의 시점에 대한 고민 (ex. 사용자에게 시간대 지정) 목표를 달성하고 있지 못할때 보조하라. - suggestion을 주거나 resolution을 준다. (ex. 저녁을 늦게 먹으면 잠을 잘 못자는 경향이 있는데, 저녁 식사를 당겨보지 그래?)
- 14. Features Supporting the Discovery Phase • Discovery 단계를 support하는 것에는 많은 가능성/챌린지들이 있음. 과정 (History) & 목표 (Goals) & 맥락(Context) & 요인(Factor) 항상, 어디서든지, 자주 데이터를 모아라. - 오랜 기간 동안, 다양한 맥락에서, 자주 - 자동화된 기록이 이 영역을 대신할 수 있을 것 -> 사용자는 데이터를 탐험하고 해석하는데 집중할 수 있음 (maintenance 와 대비됨) - 그러나 지나친 자동화는 사용자의 engagement를 줄일 수 있기 때문에 조심해야함 다양한 수집 툴을 지원하라. - 모든걸 다 수집할 수 있는 ultimate data collection tool을 기다려라!! Piped dream, too much into the future - 다양한 툴을 지원하고, integration은 시스템에서 해라 다양한 데이터를 함께 보여주라. - 대부분은 현재 silos of data임 - 다양한 디바이스에서 모은 데이터를 한군데에서 함께 볼 수 있도록 지원해야함
- 15. Features Supporting the Discovery Phase 과정 (History) & 목표 (Goals) & 맥락(Context) & 요인(Factor) 데이터 수집 비용을 줄여라 - Lifelong 데이터 수집이 가능하도록 하기 위해서임 - Relevance Paradox: 데이터가 중요해지는 순간에 바로 패턴을 볼 수 있는 데이터가 제공되지 않음. (ex. 갑자기 허리가 아프기 시작, 당장 고치고 싶지만 그 요인을 유추할만한 data감 모아져 있지 않음)
- 16. Features Supporting the Transitions 사용자가 어느 단계에 있는지 파악하라. - 어느 단계에 있느냐에 따라 주어야 하는 정보가 달라지기 때문임 - 사용자가 어느 단계에 있는지 sense data를 통해 자동적으로 파악하는 것은 ubicomp의 과제임 제공하는 정보량은 달라져도 수집되는 데이터의 양은 동일해야함. - discovery에서 maintenance로 접어들면 사용자는 적은 정보를 필요로함 - 그러나 그렇다고 해서 데이터 수집도 줄이면 갑자기 event가 발생하였을때 적절한 suggestion을 해줄 수 없음 고로 데이터 수집은 사용자의 단계와 상관없이 지속적으로 수집해야함