Teknik och samhälle Datavetenskap
Examensarbete
15 högskolepoäng, grundnivå
Översikt av kunskap inom Personal Informatics och Persuasive
Design:
en litteraturstudie
Overview of knowledge in Personal Informatics and Persuasive Design:
A literature study
Tobias Larsson Henrik Persson
Examen: Kandidatexamen Handledare: Fredrik Ohlin
Huvudämne: Data- och informationsvetenskap Andrabedömare: Johan Holmgren Program: Informationsarkitektur
Resumé
Vi lever i ett datadrivet samhälle där individer och tjänster ständigt loggar, spårar och behandlar information om sina egna eller andras beteenden. Informationsteknologi för datadriven beteendeförändring är centralt inom områdena Personal Informatics, en klass verktyg som hjälper individer att samla och undersöka personligt relevant information i självreflekterande syfte, samt Persuasive Design, som handlar om att känna till de bakomliggande orsakerna om vad som motiverar användare att agera och designa för att uppnå detta. Trots denna gemensamma huvudfokus bedrivs forskning kring områdena delvis separat. På grund av det stora överlappet mellan de två områdena behövs en översikt över vad som anses särskilt viktigt inom både Personal Informatics och Persuasive Design. Därför har vi genomfört en litteraturstudie för att på ett samlat sätt presentera den forskning som finns samt vilka generella lärdomar som belyses av forskare inom området. Resultatet visar mönster och skillnader i den gemensamma basen av litteratur, vilket möjliggör för djupare insikt i området. Vi diskuterar dessa mönster och möjligheter för vidare forskning av de resultat vi fått in samt vilka aspekter som anses särskilt viktiga. Nyckelord: Personal Informatics, Persuasive Design, Persuasive Technology, Insamling av data
Abstract
We live in a world where products and services constantly try to affect our behavior. Data driven information technology for achieving behavior change is a central concept in Personal Informatics, a class of tools for assisting individuals in collecting and reviewing personally relevant information in self-reflective purposes, as well as Persuasive Design, which concerns the underlying factors behind motivating users into action and designing to achieve this. Despite these similarities in focus, these areas are partly researched as different fields. Because of the common grounds between the research areas, we believe an overview of the research literature concerning both Personal Informatics and Persuasive Design is important. For this reason we have performed a literature study so that we, in an organized manner, can present the aspects which are studied as well as insights highlighted by scientists in the area. We discuss patterns and possibilities for future research by the results we have collected as well as which aspects are considered especially important.
Keywords: Personal Informatics, Persuasive Design, Persuasive Technology, Collection of data
Innehållsförteckning
1 INLEDNING ... 1
1.1PROBLEMFORMULERING OCH SYFTE ... 1
1.3BAKGRUND ... 2
1.3.1 Personal Informatics ... 2
1.3.2 Persuasive Design ... 2
2 METOD ... 4
2.1METODVAL OCH MOTIVERING ... 4
2.2LITTERATURSÖKNING ... 4 2.3ANALYS ... 4 2.4GENOMFÖRANDE AV METODEN ... 5 3 RESULTAT ... 6 3.1SÖKNING ... 6 3.2ARTIKELRESULTAT ... 8
3.2.1 Vilka typer av studier ... 8
3.2.2 Typ av plattform ... 9
3.2.3 Typ av tjänst ... 9
3.2.4 Typ av data ... 10
3.2.4 Typ av målgrupp ... 11
3.2.6 Lärdomar och Rekommendationer ... 12
4. ANALYS OCH DISKUSSION ... 17
4.1VALIDITETSDISKUSSION ... 19
5. SLUTSATS ... 20
1
1 Inledning
I vårt allt mer datoriserade samhälle finns ett växande intresse bland individer att språra data om sig själva och få ökad insikt i sina beteenden. Detta har gett upphov till området Personal Informatics. Samtidigt är design för att uppnå beteendeförändring är ett centralt koncept inom forskningsområdet Persuasive Design. Dessa områden har studerats separat men överlappar i många fall varandra, framför allt i hur båda lägger stor vikt vid beteendeförändring.
Tjänster som är särskilt designade för att stödja självspårning och självreflektion klassificeras normalt som Personal Informatics (alt. självspårningstjänster). Målet med den här typen av tjänster är många gånger att på olika sätt försöka förändra och framför allt förbättra sitt beteende. Persuasive Design å sin sida handlar om att förstå de bakomliggande faktorerna som motiverar en användare till handling och beslutsfattande och designa system för att få användare att utföra önskvärda handlingar. Personal Informatics placerar individen i fokus och kontroll över processen, men Persuasive Design handlar om att en tredje part ska påverka beteendet. Vi kan därmed se att Personal Informatics respektive Persuasive Design båda berör IT för beteendeförändring, men ur olika perspektiv.
I vår vardag ser vi allt fler exempel på IT för beteendeförändring, såsom pulsmätare, träningsappar, mätare för sömrytm och dagbokssystem för självreflektion för att nämna några. En träningsapp kan uppmana användaren till att motionera eller ett budgetsystem kan ge rekommendation till användaren att inte spendera för mycket pengar. I praktiken kan gränsen mellan självloggning (Personal Informatics) och externt styrd beteendeförändring (Persuasive Design) vara otydlig. För många forskare och utvecklare går Personal Informatics och Persuasive Design ihop eftersom betéendeförändring är ett centralt koncept inom de båda.
Det finns därmed ett behov av kunskap om hur man som utvecklare bör förhålla sig till utformningen av dessa tjänster. Forskningen går ständigt framåt i områdena och forskare försöker uppnå bättre förståelse för hur beteendeförändrande teknologi kan influera användare. Det finns mycket skrivet i områdena men det saknas en överskådlig sammanställning över aktuell forskning kring detta. En sådan översikt, oavsett inriktning, benämns av Webster & Watson [95] som viktig för att bidra till teoriutveckling och vidare forskning. I kapitel 2.1 i den här studien beskrivs metodval och motivering mer utförligt.
Eftersom mängden tjänster och forskning inom Personal Informatics och Persuasive Design ökar så skulle en litteraturstudie vara användbar, dels för utvecklare inom HCI (Human-computer Interaction) och dels för forskare inom området genom att skapa översikt av vad för forskning som finns och var. En sådan översikt kan vara till hjälp, inte bara genom att spara tid, utan minskar också risken att missa relevant forskning.
1.1 Problemformulering och syfte
Det finns mycket skrivet om Personal Informatics och Persuasive Design men det benämns på olika sätt och är behandlade som två separata akademiska områden som bedriver forskning på var sitt håll. Detta kan göra det svårt att som forskare eller
2 utvecklare hitta den forskning som finns eftersom det saknas övergripande sammanställningar i området, vilket i värsta fall skulle kunna leda till att relevanta artiklar kan bli missade eller förbisedda av dem som kan ha nytta av artiklarna. För att ställa samman och presentera de artiklar i området som kan vara av relevans har vi formulerat ett antal frågor:
1. Vilka typer av studier har undersökt området? 2. Vilka plattformar utvecklas tjänsterna för? 3. Vilka typer av tjänster återfinns inom området?
4. Vilka riktlinjer för utveckling av tjänster anses som särskilt viktiga inom området?
Syftet med denna uppsats är att skapa en översikt över den forskning som finns i området relaterat till Personal Informatics och Persuasive Design. Vi vill också underlätta för läsaren att hitta den forskning som är relevant för dem.
1.3
Bakgrund
1.3.1 Personal Informatics
Personal Informatics (PI) system beskrivs av Li et al. [55] vara något som hjälper människor att samla och reflektera över beteende-information för att bättre förstå sina egna beteenden. Li et al. skriver att PI är en klass verktyg som hjälper människor samla in personligt relevant information med ändamålen reflektion och observation av sig själv [55]. Alternativa benämningar som författaren tar upp är ”personal analytics”, ”self-surveillance”, ”quantified-self”, ”self-tracking” och ”living by numbers”. Personal Informatics tycks dock numera vara den vedertagna benämningen och det är sällan vi ej hittar termen bland artiklarnas nyckelord. Personal Informatics är också nära knutet till HCI, vilket ett område som behandlar interaktionen mellan dator och människa. Det är till stor hjälp vid användandet av PI-tjänster eftersom teknologin underlättar för användaren att reflektera över sin data med hjälp av exempelvis mobila enheter, sensorer och visualiseringar [54]. Li [54] beskriver hur det numera finns PI-verktyg för i stort sett alla aspekter av en persons liv, som t.ex. antal steg tagna [92], hälsa [6, 35, 40, 52, 95], användandet av sociala medier och personens vänner för motivation [24, 40, 94], mäta sömn [50] m.m. Dessutom beskriver Li et al. [55] att PI-verktyg ofta endast mäter en enskild aspekt i en persons beteende. Exempelvis en pedometer räknar antalet steg (stepcity som gjorde stegräknare till spel), diabetesverktyg kan mäta glukosvärden och finansverktyg kan mäta inköp.
Ett uttalat problem inom PI är att utvecklare inte alltid har ordentlig förståelse för användarnas behov [12, 57], vilket skulle kunna förklaras av områdets unga natur [55].
1.3.2 Persuasive Design
Fogg [25] beskriver att Persuasive Design generellt är ett område som fokuserar på att öka motivation, förmåga och utlösande faktorer för att uppnå betéendeförändring. På ungefär samma sätt beskrivs Persuasive Technology, fast med specificeringen att det är just teknik som är utformad för att förändra personers attityd eller betéende [27]. Motivationen är en stor faktor inom PI likt Persuasive Design. Är användarna mer motiverade så är det mer sannolikt att det kommer ske en förändring [25, 92].
3 Persuasive Technology började framkomma redan på 1970-talet då ett par olika datorprogram skapades för att främja hälsa och öka produktivitet på arbetsplatser [27]. Ett tidigt exempel på ett sådant datorprogram är BARN (Body Awarness Resource Network) som utvecklades i slutet av 1970-talet [27]. Programmet skapades för att utbilda ungdomar i hälsofrågor så som rökning, droger, motion med mera, där fokus låg på att förbättra ungdomars beteende inom dessa områden. Liknande program skapades med tiden med ett fokus på hälsofrågor.
Numera används Persuasive Design nästan överallt, det finns på webben genom exempelvis sociala medier [77], mobiltelefoner i form av bland annat fitness-applikationer [32, 81], videospel [4, 31, 102] och specialgjorda elektronikprodukter som t.ex. håller koll på ens tandborstning [9, 26, 32]. Allt eftersom Persuasive Design har blivit mer förekommande har det inneburit att verktygen för att skapa ny Persuasive Technology också blivit enklare att använda [25]. Även Persuasive Design har starka band till HCI eftersom utvecklare av Persuasive Technology måste ha kunskap om hur användare interagerar med digitala tjänster för att med framgång kunna uppnå beteendeförändring [26].
För att bättre förklara vad Persuasive Design innebär ger Fogg [26] ett exempel på Persuasive Design med TiVo (tv-tjänst), vars syfte är att ge förslag på program som passar användarens preferenser. På samma sätt förekommer Persuasive Design i webbutiker, exempelvis Adlibris som använder sig av någon form av algoritm vars syfte är att ge förslag på böcker som du kan tänkas gilla beroende på vad du har tittat på innan, alternativt handlat. Persuasive Design begränsas dock ej endast till system som rekommenderar tjänster och varor, utan det är ett koncept som helt enkelt handlar om hur man designar för att på olika sätt påverka en användares beteende [25].
4
2 Metod
2.1 Metodval och motivering
Webster & Watson [95] poängterar hur viktigt det är att ha en översikt av relaterad litteratur i akademiska projekt, oavsett inriktning. Artikeln påpekar att litteratur-studier ger stöd åt teoriutveckling, visar vilka områden som är väl utforskade och likaså vilka områden som kräver vidare forskning. Författarna menar även att det finns för få litteraturstudier publicerade i informationsvetenskapen, något som motverkar framsteg i området.
Av dessa anledningar har vi beslutat att genomföra en litteraturstudie eftersom vi då kan få en god överblick av den dokumenterade kunskap som finns i områdena Personal Informatics och Persuasive Design. De forskningsfrågor vi ställt upp är formulerade för att kunna skapa en sådan överblick. Webster & Watson [95] skriver att en idealisk literaturstudie beskriver den forskning som finns i ett område och det är också syftet med våra forskningsfrågor. Vår första fråga beskriver allmänt vilka typer av studier som finns inom området, vilket skapar en referensram om hur forskningen ser ut i området, något som också specificeras som viktigt av Webster & Watson [95]. En sådan övergripande tabell säger dock inte mycket om själva innehållet i artiklarna, och därför använder vi oss av några ytterligare frågor som fokuserar på särskilda aspekter av artiklarna, såsom typ av platform, tjänst och data som behandlas av dessa tjänster. Dessutom specificerar vi vilken målgrupp som studierna använt sig av för att se vilka områden som är väl studerade samt var det kan finnas utrymme för vidare studier. Med vår sista fråga vill vi se vad forskare rekommenderar vid utvecklingen av tjänster inom Personal Informatics och Persuasive Design. Vår studie är till stora delar kvantitativ fast med kvalitativa aspekter på så vis att vi djupare studerar ett flertal teoretiska studier för att besvara vår frågeställning.
2.2 Litteratursökning
För utförliga riktlinjer i utformningen av vår sökningsmetod har vi hämtat inspiration ur Febe Fribergs bok om systematiska litteraturstudier [29]. Även om denna bok primärt är avsedd för medicinska litteraturstudier finns många likheter med hur andra datavetenskapliga artiklar har strukturerat sina kriterier och sökningsmetoder [44][49].
Inledningsvis har vi använt oss av en osystematisk litteratursökning. Detta för att få en överblick av de texter som finns skrivna, men framför allt för att elicitera fram nyckelord, fraser eller kriterier som kan vara lämpliga för efterföljande, strukturerade sökningar. Därefter påbörjade vi den systematiska litteratursökningen som vi fördelade främst i två faser. I den första fasen sökte vi på de nyckelord och fraser vi eliciterat under den ostrukturerade sökningen och dokumenterade hur många träffar vi får via en förutbestämd sökmotor. En andra sökning på samma söktermer skedde därefter, men den här gången med ett antal kriterier som begränsade resultatet. I den systematiska sökningen är det hela tiden kritiskt att dokumentera vilka parametrar som använts och vilka resultat vi fått fram.
2.3 Analys
Vid analysen av vår data från litteratursökningarna så har vi valt att strukturera upp olika tabeller i resultatet som ska kunna ge en bra översikt av väsentliga fynd, som kan hjälpa oss att besvara våra frågor. För att på ett meningsfullt sätt presentera den data vi finner sorteras artiklarna tabulärt i specificerade kategorier [95]. Den data vi
5 presenterar i resultatsdelen analyserar vi genom att diskutera resultatet, mönster som uppenbaras och till viss del trovärdigheten i de studerade artiklarnas resultat för att utförligt kunna besvara våra forskningsfrågor.
2.4 Genomförande av metoden
Vår datainsamling inleddes med en osystematisk sökning över ämnet PI och Persuasive Design. Våra osystematiska sökningar gjordes genom google scholar och mah summon för att få grepp om ämnets omfattning. Under den osystematiska sökningen plockade vi ut nyckelord för att senare använda under den systematiska sökningen. Efter att den osystematiska sökningen var gjord gick vi vidare med att göra en systematisk sökning.
Under den systematiska sökningen gjordes varje sökning i två iterationer för varje nyckelord som vi fått från den osystematiska sökningen. En sökning utfördes utan kriterier, följt av en sökning med kriterier, vilka är specificerade nedan. Därefter utfördes en boolesk sökning, vari vi kombinerat våra söktermer för att kunna specificera sökningen ytterligare [29]. Dubbletter som uppstått efter alla sökningarna har vi sorterat bort.
Kriterierna vi använt vid andra sökningen är listade här nedan:
Ett tidsintervall från 2009 till 2015.
Artiklarna ska finnas tillgängliga online.
Hela artikeln skall vara tillgänglig.
Artikeln skall vara på engelska.
Område/ämne: Computer sience då detta är en datavetenskaplig artikel.
Artikeln ska vara kollegial granskad.
Sökningarna har utförts genom databasen ACM [83] då de har den största samlingen av full-text artiklar inom datavetenskap som vi har haft tillgång till. Vi begränsade vårt tidsspann till 2009 eftersom Personal Informatics som begrepp myntades ett år senare av Li et al. [55] och för att undvika att missa relevant forskning har vi sträckt oss ett år ytterligare.
6
3 Resultat
I detta avsnitt redovisas de artiklar vi sökt fram genom tabeller som valts ut för att presentera resultatet i förhållande till vår problemformulering och syfte.
3.1 Sökning
Under våra initiala osystematiska sökningar fick vi fram följande termer som sedan utgjorde de kriterier vi använt under våra sökningar. För att få databasen att förstå att fraserna vi sökte på var sammanhängande och ordningsbundna omslöt vi dessa med citattecken. 1. “Personal Informatics” 2. “Persuasive Design” 3. Behavior 4. Reflection 5. Collection 6. “User Goals” 7. “Goal-directed design” 8. “Design strategies” 9. Visualizations 10. “Life Logging” 11. “Human factors”
12. “Human computer interaction”
Tabell 1 presenterar de träffar vi fått ur våra initiala systematiska sökningar, med och utan begränsande kriterier.
Tabell 1. Söktermer
Söktermer Utan kriterier Med kriterier
“Personal Informatics” 16196 139 “Persuasive Design” 113 97 Behavior 112749 57164 Reflection 20,822 9322 Collection 90,655 42 293 “User Goal” 269 122 “Goal-directed design” 29 12 Visualization 42315 18533 “Lifelogging” 208 180 “Human factors” 50507 25365 “Human-computer interaction” 23832 11207
7 Efter den första systematiska sökningen utfördes en ny sökning, på liknande sätt som sökningen ovan. Det som skiljer är att vi nu använt en så kallad boolesk sökning [29], vilket vi utfört genom sökfunktionen “AND”. Detta begränsar resultat till artiklar som innehåller båda söktermerna. I tabell 2 så presenteras resultatet av den kombinerade sökningen med “Personal Informatics” som nyckelord kombinerat med alla övriga söktermer. Detta följs av en ytterligare presentation av resultatet från sökningen där vi istället använt “Persuasive design” som nyckelord (tabell 3).
Li et al. [55] har definierat att en PI-modell består av fem olika steg varav reflection och collection är två av dem [54]. Därför har vi gjort en sökning där vi använder våra nyckelord kombinerat med den sammansatta frasen “reflection and collection”. Detta innebär att vi får fram artiklar som innefattar båda söktermerna.
Tabell 2. Kombinerade söktermer
Sökterm Med kriterier
“Personal Informatics” AND “Persuasive Design” 6 “Personal Informatics” AND “behavior change” 56 “Personal Informatics” AND reflection AND collection 59
“Personal Informatics” AND “User goal” 0
“Personal Informatics” AND “goal-directed design” 0
“Personal Informatics” AND visualization 83
“Personal Informatics” AND “lifelogging” 19
“Personal Informatics” AND “human factors” 95 “Personal Informatics” AND “Human-computer interaction” 0
Tabell 3. Kombinerade söktermer
Sökterm Kriterier
“Persuasive Design” AND “behavior change” 66
”Persuasive Design" AND reflection AND collection 17
“Persuasive Design” AND “user goal” 0
“Persuasive Design” AND “goal-directed design” 0
“Persuasive Design” AND visualization 30
“Persuasive Design” AND lifelogging 1
8 “Persuasive Design” AND “Human-computer interaction” 38
3.2 Artikelresultat
Efter ovanstående kombinerade sökningar (tabell 2 & tabell 3) har vi sammanställt de insamlade artiklarna i ett dokument där vi genomfört ett urval utifrån abstract och titel för att få fram vilka artiklar som ansågs vara relevanta för att besvara vår problemformulering och syfte. Artiklarna är presenterade i tabellform för att kunna visualisera vad artiklarna innehåller och därmed lättare kunna diskutera innehållet. Artiklar som saknat relevans har vi sorterat ut som irrelevanta och resterande har sammanställts i tabellerna nedan. Denna filtrering har gjorts eftersom oavsett hur genomarbetade söktermer vi än använder oss av kommer vi att få artikelträffar som saknar relevans för vår studie. Primärt har vi funnit artiklar som antingen presenterar en prototyp eller diskuterar olika insikter för Persuasive Design och Personal Informatics.
Tabellerna nedan har tre kolumner. I den vänstra kolumnen har vi rubriker för att besvara frågorna specificerade i vår problemformulering. Vår mittkolumn innehåller referenser till artiklarna och den högra kolumnen innehåller sammanfattat antalet artiklar som hamnat i mittkolumnen. De kategorier som listas under vänstra kolumnen representerar vad som återfanns i litteraturen.
3.2.1 Vilka typer av studier
I tabell 4 presenteras vad för typ av studie som har genomförts i artiklarna. Totalt har vi identifierat 95 artiklar. Av dessa 95 så innebar de mest återkommande studierna att utveckla en prototyp; ~45%, en teoretisk artikel ~34%, samt ~14% hade gjort en intervjustudie. Av träffarna var ~5% inbjudningar till workshops (Call for Papers) och dessa har vi utöver presentationen i Tabell 4 ej gått vidare med eftersom de inte haft något innehåll vi kunnat studera och utvärdera.
I de artiklar där forskarna utvecklat någon form av prototyp har vi specificerat i efterföljande tabeller detaljer såsom typ av platform, vad för slags tjänst och vilken typ av data de behandlar samt vilken målgrupp tjänsterna riktar sig mot.
Tabell 4. Typer av studier
Vilka typer av studier Artiklar Antal
Prototyp [1, 2, 3, 4, 6, 9, 10, 16, 17, 31, 32, 35, 36, 38, 39, 40, 42, 43, 45, 46, 48, 50, 52, 60, 61, 63, 67, 69, 72, 76, 77, 78, 81, 85, 86, 88, 89, 90, 92, 94, 96, 98, 102] 43 Teoretisk [7, 8, 12, 13, 14, 18, 20, 22, 24, 25, 26, 28, 33, 34, 47, 51, 62, 64, 66, 68, 70, 71, 73, 74, 75, 79, 80, 87, 91, 97, 100, 101] 32 Intervju [19, 23, 30, 37, 41, 53, 55, 57, 65, 82, 83, 93, 99] 13 Enkät [5, 11] 2
9
Workshops [15, 21, 56, 58, 59] 5
3.2.2 Typ av plattform
I tabell 5 presenteras vilka plattformar som protyperna är utvecklade på. De tre mest återkommande av de 43 artiklarna var för mobilen, webben och cross-plattform. Det var ~35% som hade gjort en mobilapplikation, ~23% som utvecklat en webb-applikation och ~21% som utvecklat en plattformsöverstigande webb-applikation, dvs. de finns på mer än en plattform. Av prototyperna behandlade ~5% kroppssensorer (eller sk. ”Wearables”). Endast ~2% prototyp vardera har ämnats specifikt för läsplattor (eng. tablets) och som skrivbordsapplikation (dvs. Applikationer som installeras lokalt på datorn). Övriga ~12% var egengjorda fysiska plattformar som ej passat in på någon lämplig övergripande kategori.
Tabell 5. Typ av plattform
Plattformar Artiklar Antal
Mobil [2, 4, 17, 35, 36, 50, 60, 67, 76, 77, 81, 89, 96, 98, 102] 15 Webb [3, 38, 39, 40, 45, 46, 63, 69, 85, 92] 10 Plattformsöverstigande [6, 16, 31, 42, 72, 78, 86, 90, 94] 9 Wearables/Kroppssensorer [32, 88] 2 Läsplatta [52] 1 Skrivbordsapplikation [61] 1 Tandborstningssensor [9] 1 Tidsmätare [1] 1 Vattenmätare [48] 1 Kaffebryggare [10] 1 Choklad-apparat [43] 1 3.2.3 Typ av tjänst
I tabell 6 presenteras de olika typer av tjänster som representerar vad prototypen är ämnad för, där 43 typer av tjänster har identifierats och sorterats under 12 unika rubriker. Av artiklarna har ~24% har som generellt mål att öka medvetenheten hos användaren (Självmedvetenhet), ~16% har baserats på social interaktion, ~13% utgör någon form av verktyg för att logga användarens beteende (livsloggningsverktyg), ~9% är en form av sensor eller mätare för aktivitet (Aktivitetsmätare), ~9% bygger på olika former av mental träning (Kognitiv Träning), ~6% utgör verktyg för användning av energi och energiförbrukning (Hållbar Energiförbrukning), ~4% hanterar sömndata (Sömnloggningsverktyg), ~4% behandlar atmosfär och användarmiljö (Atmosfär), ~4% utgör verktyg för mat eller receptförslag (Mat/Receptverktyg). Slutligen ~4% rör hur spel kan hjälpa oss reflektera över vår beteende (Spelifiering), ~2% är verktyg för
10 tidseffektivisering (Tidshantering), ~2% hanterar rörelsemönster (GPS loggenhet) och ~2% rör användarens hygieniska vanor (Hygien).
Tabell 6. Typ av tjänst
Typ av tjänst Artiklar Antal
Självmedvetenhet [3, 9, 35, 36, 39, 43, 45, 61, 63, 81, 86, 89] 12 Social interaktion [3, 17, 60, 77, 90, 92, 98] 7 Livsloggningsverktyg [6, 17, 52, 72, 81] 5 Kognitiv träning [2, 38, 69, 85] 4 Aktivitetsmätare [32, 78, 94] 3 Hållbar energiförbrukning [10, 46, 48] 3 Sömnloggningsverktyg [50, 67] 2 Atmosfär [42, 88] 2 Mat/receptverktyg [40, 60] 2
Spelifiering (eng. Gamification) [4, 102] 2
Tidshantering [1] 1
GPS loggenhet [31] 1
Hygien [9] 1
3.2.4 Typ av data
I tabell 7 presenteras vad det är för data som prototyperna behandlar. Av artiklarna var det ~26% som fokuserar på att öka självreflektion hos användarna inom olika områden (Självreflekterande) och ~23% som lägger fokus på att få användarna att bli mer aktiva (Fitness/Hälsa). Dessutom handlar ~14% om att motivera användaren att gå mot bättre matvanor (Diet) och ~9% behandlar data om hållbar energianvändning (Energi). Vidare handlar ~9% om hur man kan förbättra sitt beteende inom dator och tidseffektivitet (Kognitionsdata), ~7% om användarens sömnmönster och ~5% om användarens internethistorik. Slutligen berör ~2% användarens rörelsemönster under en specifik tid (Rörelsemönster), ~2% artiklar behandlar att äldre användare tar bilder i rehabiliterande syfte (Bilder) och ~2% ger feedback till användaren om hur väl man sköter sin medicinering (Medicin).
Tabell 7. Typ av data
Typ av data Artiklar Antal
Självreflekterande [3, 9, 39, 43, 61, 63, 76, 86, 88, 89, 96]
11 Fitness/Hälsa [4, 6, 16, 31, 32, 35, 77, 81, 94, 102] 10 Diet [36, 40, 60, 72, 78, 98] 6 Kognitionsdata [1, 38, 69, 85] 4 Energi [10, 46, 48, 90] 4 Sömn [42, 50, 67] 3 Internethistorik [45, 92] 2 Rörelsemönster [17] 1 Bilder [2] 1 Medicin [52] 1 3.2.4 Typ av målgrupp
I tabell 8 presenterar vi de olika målgrupperna som representeras i artiklarna av de som gjort någon form av prototyp. Av de 43 artiklarna var det ~49% som inte hade en uttalad målgrupp (Ospecificerad), ~16% av artiklarna hade studenter i fokus och ~9% av prototyperna var fokuserade mot äldre användare. Dessutom hade ~7% av prototyperna en målgrupp som arbetade inom IT-sektorn och ~5% hade gjort prototyper som hade en målgrupp rörande folk som har sömnproblem. Övriga ~14% hade specificerade men ej sammanhörande målgrupper.
Tabell 8. Typ av målgrupp
Typ av målgrupp Artiklar Antal
Ospecificerad [1, 6, 10, 17, 36, 40, 46, 48, 50, 60, 72, 76, 77, 78, 85, 86, 89, 90, 92, 94, 102] 21 Studenter [3, 4, 43, 45, 69, 88, 98] 7 Äldre [2, 38, 52, 81] 4 Arbetande inom IT [39, 61, 63] 3 Sömnproblem [42, 67] 2 Ungdomar [31] 1
Utövar någon form av sport [32] 1
Kontorsarbetare [35] 1
12
Forskare [16] 1
Gravida kvinnor [96] 1
3.2.6 Lärdomar och Rekommendationer
En stor mängd av de artiklar vi samlat in har gett mer eller mindre konkreta förslag på hur utvecklare av beteendeförändrande system eller självloggningsverktyg kan gå till väga för att bättre stödja de behov och önskemål användarna har. Dessa förslag bidrar till att besvara vår forskningsfråga rörande vilka riktlinjer för utveckling av tjänster som anses särskilt viktiga inom området.
Generellt har de artiklar vi samlat in haft ett uttalat fokus antingen mot Personal Informatics eller Persuasive Design. Av den anledningen har vi här nedan valt att presentera innehållet utefter vilket av dessa områden artiklarna lutat mot.
Personal Informatics
Choe et al. har studerat hur ett antal entusiastanvändare hanterar insamling och utforskning av personlig data [12]. Författarna nämner att tolkning av data är ett stort problem för många användare och föreslår att designers av verktyg ska tänka på att verktygen bör ge feedback till användaren i ett tidigt stadie samt att de bör hjälpa till att visa samband och trender. Vidare nämns i artikeln att verktygen bör hjälpa användarna att experimentera med sin data och utgöra ett ramverk för att ge viss vetenskaplig grund. På så vis ska verktygen hjälpa användarna att inte dra felaktiga slutsatser av sin data. Något som därmed nämns som viktigt är att det finns en balans i vad som automatiseras och vad som utförs manuellt av användaren i insamlingen och tolkningen av data. Detta menar författarna ger användaren bättre förståelse för sin data och samtidigt underlättar denna automatisering för att förhindra att användaren blir uttröttad av för mycket manuellt arbete för underhåll av sin data.
En stegbaserad modell av PI-system har tagits fram av Li et al. [55] som syftar till att ge riktlinjer för design vid utvecklingen av PI-verktyg. Modellen beskriver 5 olika faser samt vilka “barriärer” (eller hinder) som återfinns inom dessa.
Preparation
Collection
Integration
Reflection
Action
Författarna menar att ifall ett problem uppstår i en fas så kommer det att påverka alla efterföljande faser. Dessutom itereras faserna i vissa fall, t.ex. när användare lägger in ny data.
Ett antal huvudfaktorer identifieras av författarna av vad som krävs för att konstruera ett effektivt PI-system [55]. Först och främst måste designers se systemet i sin helhet eftersom barriärer i en fas påverkar alla efterföljande faser. Dessutom krävs att det finns flexibilitet nog i systemet för att stödja att användarna ska kunna variera i användandet av sina verktyg och till andra verktyg. Ytterligare en punkt som författarna tar upp är att designers bör utforska möjligheter med multi-facetterade
13 system som ger användarna möjlighet att undersöka olika aspekter av sina liv samtidigt. Slutligen nämner författarna att det i varje fas i modellen finns möjligheter att minimera ansträngningen för användare för att förbättra systemets användar-upplevelse.
En annan studie av Li et al. undersöker vilka frågor om data som intresserar folk i deras PI-verktyg [57]. Sex övergripande kategorier av frågor identifieras i studien.
Status: Vad säger datan om användarens nuvarande status?
Historik: Hur har användarens data sett ut över tid?
Mål: Vilka mål bör användaren sträva mot?
Skiljaktigheter: Vilka skillnader finns mellan användarens status och mål? Hur stora är skillnaderna? Vad måste användaren göra för att minska skillnaderna?
Samband: Vilka händelser sker samtidigt eller i samma sammanhang som det nuvarande informationssökandet?
Faktorer: Hur påverkas användarens status över tid?
Författarna [57] noterade att vissa av dessa frågor oftast ställdes i en av två särskilda faser; En underhållsfas samt en upptäcktsfas. Underhållsfasen innehöll frågor gällande status och skiljaktigheter medan upptäcktsfasen huvudsakligen behandlade frågor rörande historik, mål, samband och faktorer. Därmed anser författarna att det finns särskilda punkter som utvecklare bör fokusera på för att hantera användares frågor uppdelat mellan de olika faserna:
Underhållsfas
Systemet bör uppmärksamma användaren när denne ej når sina mål.
Stöd användaren när denne ej uppnår sina mål. Detta kan ske genom analys av historik för att ge förslag på förbättringar.
Upptäcktsfas
Samla in data ofta, överallt och över tid. Dessutom bör användaren involveras i reflektionen av datan för att stödja intresset. Artikeln menar att fullständig automatisering leder till ointresse hos användaren.
Systemet bör stödja olika sorters datainsamlingsverktyg. Författarna skriver att det inom överskådlig tid sannolikt ej kommer att finnas något “ultimat” PI-verktyg som stödjer behandling av alla sorters data och olika typer av data kan behövas för att förstå många typer av beteenden.
Presentera data i ett sammanhang. Enligt författarna vill användarna helst visa all data via ett gränssnitt.
Reducera “kostnaderna” i datainsamling. Artikeln nämner att användarna är intresserade av olika sorters personlig data. Författarna menar att detta i sig leder till två olika problem; Användarna måste spendera lång tid att samla in data och användarna har svårt att veta ifall de samlat in all den datan de kommer att behöva.
Slutligen skriver Li et al. [57] att användarna kommer att röra sig mellan de olika faserna och utvecklare av verktyg kan hantera detta i tre steg:
Identifiera vilken fas användaren befinner sig i.
Assistera användaren att röra sig från upptäcktsfasen till underhållsfasen för att förhindra att användarna blir överväldigade i upptäcktsfasen.
14
Fortsätt samla in data trots att användarna för tillfället kanske ej har behov av datan som samlas in, fast presentera endast den data som är relevant för användaren.
Davidson et al. har studerat vilka hälsoämnen som äldre är intresserade av att spåra [19]. Författarna menar att i takt med att äldre i större utsträckning letar efter hälsoinformation på internet är detta en viktig grupp att lägga fokus på. De områden författarna tar upp som viktiga är spårning för socialt umgänge, spårning för vila, tjänster som kan ge förslag på lokala stress-reducerande aktiviteter samt verktyg som ger förslag på hälsosam kost baserat på vad användaren önskar ha i sin diet.
Rooksby et al. har i sin studie [82] identifierat ett antal generella aspekter författarna anser designers och utvecklare av PI-tjänster bör ha i åtanke. I likhet med Choe et al. [12] anser Rooksby et al. [82] att det är viktigt att tänka på att användare sällan spårar data på ett vetenskapligt sätt. Författarna skriver att användare ibland kommer att spåra mer data, ibland mindre och ibland byta verktyg.
Dessutom nämner artikeln att användare kan spåra data i sociala ändamål [82]. Författarna anser att utvecklare bör ha sociala nätverk, tävlingselement, spel-element, vänskapsfunktioner och liknande i åtanke. Författarna går på samma linje som Li et al. [57] och anser att tjänsterna bör ge stöd för att använda flera verktyg samtidigt. Vidare skriver författarna att datan kan vara meningsfull i det sammanhang där den producerats men kan förlora mening om sammanhanget ej är kvar [82]. Artikeln beskriver även att mer än användarens direkta framsteg bör mätas. Exempelvis emotionella sammanhang, förhoppningar och nöje kan vara användbara aspekter. Slutligen skriver författarna att det är viktigt att utvecklare har plattformens utformning och gränssnitt i åtanke vid utvecklingen av verktyg.
Wakefield et al. har studerat amatöratleters behov inom PI [93]. Främst poängterar författarna att det är viktigt att koppla atletspecifik kontextdata med prestationsdata. Dessutom skriver författaren att man kan använda den teknologiska aspekten i PI-verktyg för att dela data mellan atlet och coach. Detta eftersom även ifall coachen ofta finns på plats så kan det uppstå data som kan vara relevant i de fall när coachen ej är närvarande.
Persuasive Design
Foggs beteendemodell (FBM) [25] är populär bland de artiklar vi samlat in och återkommer i flera sammanhang. Modellen är uppdelad i tre huvudsakliga faktorer; Motivation, förmåga och utlösande faktorer. För att uppnå beteende-förändring anser Fogg att alla tre faktorer måste närvara samtidigt. Fogg menar att FBM hjälper utvecklare och designers att studera och utvärdera vad som gör beteendeförändrande system framgångsrika samt förståelse för hur motivation, förmåga och utlösande faktorer verkar tillsammans för att skapa beteende.
Daae et al. [18] använder Foggs beteendemodell [25] som underlag för sin studie som behandlar vikten vid att använda rätt designstrategi för rätt projekt och understryker att ett beteende endast kommer att ske ifall användaren har en utlösande faktor. Författarna menar att det är viktigt att utvecklare och designers identifierar vilken frihet användarna skall ges av tjänsten, följt av vilket beteende som skall förändras och slutligen idéer för integration av strategier i den föreslagna ordningen.
En annan artikel som till stora delar baseras på Foggs beteendemodell [25] är Davis artikel om etiska problem kring beteendeförändrande teknologi [20]. Davis ställer
15 med artikeln frågan om hur metoder för frivillig delaktighet (eng. participatory) kan användas för att designa effektiva och etiska beteendeförändrande system.
Något som författaren vill lyfta med artikeln är att det är lättare att ändra beteende ifall användaren har ett intresse av att förändras [20]. Davis menar också att det är mycket svårt att nå beteendeförändring att ske ifall användaren ej är villig och nämner att detta är ett problem som kräver vidare forskning.
Författaren skriver även att designers och utvecklare bör samarbeta med potentiella användare för att minska de “maktskillnader” som finns mellan skapare av beteendeförändrande verktyg och användarnas medvetenhet eller medgivande till förändring [20]. Alla intressenter bör enligt Davis vara involverade i designprocessen. Precis som Fogg [26] anser Davis [20] att utvecklare bör börja med små, mätbara beteenden att förändra. Ytterligare en punkt som Davis tar upp är att utvecklare av beteendeförändrande tjänster bör integrera exempel i sina tjänster, då författaren menar att exempel är viktiga verktyg för att både informera och inspirera. Vidare håller författaren med Fogg [26] om att det är effektivt att testa ett flertal designkoncept samtidigt i ett tidigt stadie eftersom beteendeförändrande design misslyckas minst lika ofta som de lyckas.
Slutligen nämner Davis att designers inte alltid behöver använda särskilt avancerad teknik i design för att uppnå beteendeförändring [20]. Han nämner att allt för teknologiska lösningar i värsta fall kan leda till sämre resultat då inte alla problem med fördel kan översättas till problem hanterbara av datorer.
Ytterligare en modell av Fogg refereras av ett antal studier. Fogg beskriver en åttastegsmodell som ett verktyg med best-practices för ett tidigt skede i utveckling av beteendeförändrande teknologi [26]. I artikeln beskriver författaren att en stor anledning till varför många projekt inom beteendeförändring misslyckas är eftersom de har tagit sig an för ambitiösa projekt där de försöker ändra allt för starka beteenden eller för stora problem. En annan faktor som Fogg lägger vikt vid är att testa sina projekt i ett tidigt skede. Författaren menar att designers endast bör lägga ett fåtal timmar på en design och därefter testa för att se vad som fungerar.
Torning et al. presenterar i sin litteraturstudie listor med tekniker som kan bidra till att bättre beskriva hur deras tjänster är ämnade att fungera samt vilket sammanhang de är tänkta för [90]. Författarna har delat upp punkterna de ansett viktiga under ett antal övergripande kategorier: “Persuader”, “Change type”, “Use context”, “User context”, “Technology context”, “Message”, “Route” samt “Experimental papers and ethical considerations and implications”.
Enligt Comber et al. bör beteendeförändrande teknologi som riktar sig mot hållbar utveckling fokusera på själv-reflekterande förändring med fokus på att rikta uppmärksamhet och vanor [14]. Författarna menar att ju mer vanebaserat beteendet är, ju större vikt behöver läggas vid att öka användarens medvetenhet, erbjuda utlösande faktorer (eng. triggers) och socialt tryck.
Fritz et al. [30] lägger i sin artikel vikt vid nödvändigheten att motivera användaren till underhåll (eng. maintenance) av sin data likaväl som designers motiverar till förändring i sig. Författarna poängterar att det är kritiskt för långsiktig beteende-förändring. Författarna menar, precis som Comber et al. [14], att social interaktion är en viktig källa för att motivera beteendeförändring. Dock påpekar Fritz et al. [30] att det som användare kan vara svårt att hitta rätt social grupp eller “community” att dela
16 sin data med. Artikeln tar upp detta som något utvecklare och designers borde ha i åtanke och mer forskning bör ske för att ge stöd för att hitta relevanta och motiverande sociala grupper.
17
4. Analys och diskussion
Forskningsfråga (RQ) 1 - Vilka typer av studier har undersökt området?
I enlighet med vår första forskningsfråga har vi kategoriserat de granskade artiklarna efter typ av studie. Nästan hälften (43 st) var prototypstudier, vilka utmärker sig från de teoretiska studierna då författarna av prototypstudierna utvecklat egna artefakter som de använt för att göra studier och undersökningar på. De teoretiska studierna å sin sida har inte utvecklat någon prototyp för studiens syfte utan behandlar teorier och forskning och diskuterar potentiella lärdomar och rekommendationer. Således besvaras forskningsfråga 2-3 med hjälp av de 43 prototypstudierna, medan resterande studier ger underlag till forskningsfråga 4.
Vi kan se att det är vanligt att designa egna prototyper för att sedan genomföra olika former av studier på den skapade prototypen. Detta kan bero på fältets teknologiska inriktning samt hur tekniken numera finns överallt och lättillgänglig för att skapa beteendeförändrande teknologier. Dessa studier har primärt varit fokuserade på att testa och utvärdera resultaten efter sin prototyp och vi har därför använt de övriga studierna för att lyfta fram vad författarna diskuterat och ansett vara viktiga rekommendationer och riktlinjer att följa vid utvecklingen av PI- och beteende-förändrande tjänster.
Många studier verkar ta fram egna riktlinjer och rekommendationer (se 3.2.6), men många färre studerar om alla dessa riktlinjer har någon validitet. Detta behövs som vidare forskning om dessa forskningsfält ska kunna bibehålla sin trovärdighet.
Forskningsfråga (RQ) 2 - Vilka typer av plattformar utvecklas tjänsterna för?
Den stora majoriteten av prototyper utvecklades för de digitala plattformarna mobil och webb, men det fanns även ett större intresse för att utveckla plattforms-överstigande tjänster. Utöver dessa var resultaten väldigt utspridda. Det fanns endast ett fåtal prototyper med fokus på läsplatta som plattform. Däremot fungerar applikationer för mobil många gånger även på läsplattor, vilket kan vara något forskarna är medvetna om. De övriga spridda plattformskategorierna kan bero på att det finns ett intresse för, och att vi rör oss mot vad som kallas “Internet of Things”.
Forskningsfråga (RQ) 3 - Vilka typer av tjänster och data återfinns i området?
De typer av tjänster som vi funnit mest populära bland forskare har fokuserat på självmedvetenhet och social interaktion och därefter har mängden tjänster stadigt minskat bland de övriga kategorierna. Likt prototypernas plattform har tjänste-typernas fokus haft stor spridning vilket återigen visar på ett intresse att hitta nya områden att applicera beteendeförändrande teknologi.
Den data som forskarna haft intresse av att behandla har huvudsakligen rört självreflektion, diet samt fitness och hälsa, något som överensstämmer med det allmänintresse kring diet och fitness som blommat upp på senare tid.
Hälften av prototyperna vi undersökt har ej haft en uttalad eller specificerad målgrupp omnämnd i sin artikel. Innebär detta att författarna anser att deras studie representerar alla tänkbara användare? Vi anser att man som författare bör omnämna den tänkta målgruppen, något som resterande artiklar gjort. Av de 43 prototyper vi undersökt har endast fyra studier haft äldre användare och deras behov som specifikt fokus och vi vill belysa detta som ett område forskare kan undersöka ytterligare.
18
Forskningsfråga (RQ) 4 - Vilka riktlinjer för utveckling av tjänster anses som särskilt viktiga inom området?
De rekommendationer som forskarna belyst i sina forskningsartiklar har överlag haft stor spridning, även om vissa delar är sådant som poängterats och får medhåll av flera forskare. Ett fåtal rekommendationer får däremot direkt motstånd av andra författare.
Något vi kunde utläsa ur resultaten var hur tydligt det var att Personal Informatics och Persuasive Design samverkar. Ett exempel på detta är hur Li et al. [57] styrker att användare av Personal Informatics-tjänster vill uppnå beteendeförändring och hur Comber et al. [14] påpekar att beteendeförändrande teknologi bör sträva efter att stödja självreflektion. Dessutom vill en stor del av författarna belysa vikten av att utnyttja sociala sammanhang och den påverkan de har på människor. Detta går på samma linje som vi kunde se bland prototyperna där självreflektion och sociala sammanhang var de främst återkommande ämnena.
Något som diskuteras en del är hur tjänsterna bör hantera insamlingen av data. Cho et al. [12] skriver att det är viktigt att involvera användaren i både insamling och reflektion för att få användaren att känna sig involverad i sin data. I motsats till detta vill dock Li et al. [57]. Påpeka att insamlingen av data bör ske automatiskt eftersom insamlingen i sig kan bli en börda för användaren. Det kan vara så att en balans häremellan måste hittas och ytterligare forskning kan behövas för att få tydligare svar på denna fråga.
Att på olika sätt öka motivation tycks vara den starkaste aspekten för att uppnå beteendeförändring och Fogg [25] lyfter detta som en viktig faktor i sin modell för beteendeförändring, likväl som andra författare, däribland Fritz et al. [30] och Comber et al. [14] Utöver dessa kategorier var det allmänt spridda rekommendationer som lyftes fram av författarna och får inte medhåll av exempelvis Daae et al. [18] Som istället belyser att ett beteende endast kommer att ske ifall där finns en utlösande faktor och vill styrka detta som en särskilt kritisk aspekt för beteendeförändring. Både Fogg [25] och Davis [20] tar upp vikten av att testa flera designkoncept i ett tidigt stadie om man vill utveckla för beteendeförändring. Detta för att man ska snabbt kunna se vilket koncept som fungerar och som man kan gå vidare med. Genom att göra tidiga testförsök så minskar man risken att ens projekt misslyckas efter en längre tid, detta då man kan se om ens design kan fungera eller ej i ett tidigt stadie.
En stor del av studierna förankrar sin teori i antingen Li et al. eller Foggs artiklar, något som skulle kunna anses vara smal vetenskaplig grund att stå på. Kan den smala grunden leda till snedvridna eller partiska resultat? Vi tror att det bör finnas mycket forskning att hämta ur bland annat kognitionsvetenskapen för att främja området.
Davidson et al. [19] som har studerat äldres behov och intressen inom Personal Informatics tar upp att de äldre är en viktig målgrupp att forska inom då deras behov skiljer sig från den yngre generationen, och ju mer de äldre börjar leta efter bland annat hälsoinformation på internet så blir de en viktig grupp att fokusera på. De områden som Davidson et al. [19] delvis belyser som viktiga för forskningen är social interaktion, och hälsosam kost. Att han påstår att dessa kategorier skiljer sig från andra generationer stämmer dock inte helt, eftersom vi återfinner dessa bland de mest populära kategorierna även för andra tjänster. Å andra menar Davidson et al.
19 [19] att äldre lägger stor vikt vid hälsofrågor i mer medicinsk mening snarare än fitness.
Ett antal forskare, däribland Davis [20], Daae et al. [18] och Fogg [25] diskuterar vilken frihet som bör ges användaren och i vilken utsträckning användaren bör vägledas. Davis [20] belyser de etiska problem som uppstår ifall utvecklare av beteende-förändrande teknologi försöker tvinga eller lura användaren till ett beteende. Frågan är var gränsen går när tjänster uppmanar till beteende innan de anses för tvingande eller vilseledande?
4.1 Validitetsdiskussion
Trots att vi strävar efter att hålla vår uppsats neutral och objektiv finns det risk för bias, särskilt när vi måste tolka information och när vi vill belysa vad vi anser viktigt för uppsatsen. En sådan risk för partiskhet har uppstått när vi valt ut de nyckelord som använts i sökningen av artiklar. Exempelvis skulle sökordet ”Quantified Self” ha kunnat ge annorlunda resultat jämfört med ”Personal Informatics”.
Vi baserade relevansen på de artiklar vi valde ut till stora delar på dess titel och abstract. Det finns risk att vissa artiklar som tyckts irrelevanta utifrån dessa kriterier ändå kan ha haft relevant innehåll. Däremot har det inte varit möjligt för oss att läsa igenom alla artiklar vi hittat från början till slut på grund av den stora mängden artiklar vi funnit.
Kategorierna vi sorterat in artiklarna i är skapade av oss själva med avsikt att övergripande försöka beskriva och kapsla in innehållet ur artiklarna. Här finns risk för partiskhet eftersom andra författare skulle kunna klassificera visst innehåll på ett annat sätt. Vissa av artiklarnas innehåll har även varit svåra att klassificera och möjligtvis kunnat placeras i andra kategorier än de vi placerat dem i.
I vårt resultat rörande lärdomar och rekommendationer från artiklarna har vi försökt plocka ut de tydligaste och mest relevanta rekommendationer och lärdomar som vi tolkat att författarna velat poängtera. Dessa ”poänger” har vi försökt sammanfatta i vår uppsats och eftersom texten inte är skriven i sin helhet som i ursprungsartikeln finns risk att vår sammanfattning tolkas på ett annorlunda sätt än hur den ursprungligen var tänkt. Det finns också risk att andra läsare skulle tolka annan information från artiklarna som mer viktig att presentera än vad vi gjort.
Slutligen vill vi också nämna att det är möjligt att vi hade kunnat formulera annorlunda forskningsfrågor och därmed också fått antingen fler eller färre artiklar att behandla i studien, men vi har strävat efter att följa de aspekter som ansetts viktiga i etablerad forskning, såsom Webster & Watsons [95] artikel om litteraturstudier. Framför allt vår sista forskningsfråga, ”Vilka riktlinjer för utveckling av tjänster anses som särskilt viktiga inom området?” är det möjligt att i större utsträckning djupdyka och mer specifikt diskutera särskilda tekniker och hur viktiga just dessa är i gentemot andra tekniker och vilken påverkan de har för framgångsrika tjänster. Dock var huvudsyftet med vår studie att ge en överblick, och därför har vi undvikit att i allt för stor utsträckning djupdyka i specialiserade frågor.
20
5. Slutsats
Vi har studerat och analyserat en stor mängd aktuell forskning i området Personal Informatics och Persuasive Design. Vi har identifierat ett stort intresse för att skapa prototyper för att testa teorier om beteendeförändring. De stora områdena för prototyper är mobil och webb, men utvecklingen går mot att vi mer och mer omsvärmar oss med beteendeförändrande teknologi som ska hjälpa oss på nya sätt i vår vardag. Tjänster och studier riktade mot självmedvetenhet och social interaktion är de områden som tycks vara mest intressanta för forskare.
De forskningsfrågor vi ställt upp för att kunna genomföra studien gällde vilka studier som undersökt området, vilka plattformar tjänsterna utvecklats för, vilka typer av tjänster som återfinns inom området samt vilka riktlinjer för utveckling av tjänster som anses särskilt viktiga inom området. Vi har i vår studie tabulärt skapat en sammanfattning av de typer av studier som finns i området samt kort presenterat vad dessa typer innefattar. Vi har även presenterat och diskuterat de plattformar som använts, vilka som varit mest populära och vilka orsaker detta kan ha. På liknande sätt har vi undersökt och presenterat de tjänster som prototyperna utgör och slutligen har vi framfört de riktlinjer och rekommendationer som författarna av de teoretiska studierna poängterat. Med detta har vi fått svar på våra forskningsfrågor och skapat en översikt av den forskning som finns för Personal Informatics och Persuasive Design, vari vi också anser oss ha uppfyllt syftet med denna uppsats. En slutsats vi nått är att både artiklar riktade mot Personal Informatics och Persuasive Design tacklar liknande frågor på liknande sätt och når slutsatser om vikten av att stödja beteendeförändring och utnyttja sociala sammanhang samt dess påverkan på människor och vi kan därmed bekräfta överlappet mellan de två områdena. Vårt resultat visar på att de plattformar som används av tjänsterna är detsamma för både Personal Informatics och Persuasive Design och därför är vår rekommendation att framtida forskare ser till båda områdena för att dra nytta av den totala kunskap som finns. En ytterligare slutsats efter studien är att ett flertal av artiklarna står på smal vetenskaplig grund på så vis att det är återkommande referenser till ett fåtal artiklar.
För framtida forskning vill vi poängtera att forskning i större utsträckning bör kunna hämtas från kognitionsvetenskapen för att ge bredare vetenskapligt underlag för studier. Det är ett flertal rekommendationer och riktlinjer som presenteras av författarna, men det finns inte mycket skrivet om vilken validitet dessa har. Detta är också något som det kan behövas forskning inom för att stärka trovärdigheten i området. Dessutom kan det vara av nytta att ytterligare studera äldres behov och intressen då detta tycks vara en grupp användare som blir allt större i takt med att mer teknikvana personer åldras. Ytterligare en aspekt som kan behöva vidare forskning är de etiska frågeställningarna kring utveckling av beteendeförändrande tjänster.
21
Referenser
[1] Ahmed, R., Frontz, M., Chambers, A., Voida, S. A tangible approach to time management. Proceedings of the 2014 ACM International Joint Conference on Pervasive and Ubiquitous Computing: Adjunct Publication (2014) pp. 207-210 [2] Baadkar, S., Singh, G., Saraf, A., Bagalkot, N. SnapTag: Leveraging Situated Memory
to enhance self-efficacy for well-being. Proceedings of the India HCI 2014 Conference on Human Computer Interaction (2014) p. 136
[3] Bae, J. E., Lim, Y. K., Bang, J. B., Kim, M. S. Ripening room: designing social media for self-reflection in self-expression. Proceedings of the 2014 conference on Designing interactive systems (2014) pp. 103-112
[4] Bartley, J., Forsyth, J., Pendse, P., Xin, D., Brown, G., Hagseth, P., Agrawal, A., Goldberg D, W., & Hammond, T. World of workout: a contextual mobile RPG to encourage long term fitness. Proceedings of the Second ACM SIGSPATIAL International Workshop on the Use of GIS in Public Health (2013), pp. 60-67
[5] Barua, D., Kay, J., & Paris, C. Foundations for infrastructure and interfaces to support user control in long-term user modelling. Proceedings of the 25th Australian Computer-Human Interaction Conference: Augmentation, Application, Innovation, Collaboration (2013), pp. 125-134
[6] Bentley, F., Tollmar, K. The power of mobile notifications to increase wellbeing logging behavior. Proceedings of the SIGCHI Conference on Human Factors in Computing Systems (2013) pp. 1095-1098
[7] Beun, R. J. Persuasive strategies in mobile insomnia therapy: alignment, adaptation, and motivational support. Personal and Ubiquitous Computing (2013) pp. 1187-1195
[8] Calvo, R. A., & Peters, D. The irony and re-interpretation of our quantified self. Proceedings of the 25th Australian Computer-Human Interaction Conference: Augmentation, Application, Innovation, Collaboration (2013) pp. 367-370
[9] Caraban, A., Ferreira, M. J., Belim, V., Lyra, O., & Karapanos, E. SmartHolder: sensing and raising families' awareness of tooth brushing habits. Proceedings of the 2014 conference on Interaction design and children (2014) pp. 341-344
[10] Casado-Mansilla, D., Lopez-de-Armentia, J., Garaizar, P., López-de-Ipiña, D. To switch off the coffee-maker or not: that is the question to be energy-efficient at work. CHI'14 Extended Abstracts on Human Factors in Computing Systems (2014) pp. 2425-2430
[11] Chang, T. R., Kaasinen, E., & Kaipainen, K. What influences users' decisions to take apps into use?: a framework for evaluating persuasive and engaging design in mobile Apps for well-being. Proceedings of the 11th International Conference on Mobile and Ubiquitous Multimedia (2012), p. 2
[12] Choe, E. K., Lee, N. B., Lee, B., Pratt, W., & Kientz, J. A. Understanding quantified-selfers' practices in collecting and exploring personal data. In Proceedings of the 32nd annual ACM conference on Human factors in computing systems (2014), pp. 1143-1152
[13] Collins, E. I. M., & Cox, A. L. Barriers to Engagement with a Personal Informatics Productivity Tool. Proceedings of the 26th Australian Computer-Human Interaction Conference on Designing Futures: the Future of Design (2014) pp. 370-379
[14] Comber, R., & Thieme, A. Designing beyond habit: opening space for improved recycling and food waste behaviors through processes of persuasion, social influence and aversive affect. Personal and ubiquitous computing (2013) pp. 1197-1210 [15] Consolvo, S., Markle, K., Patrick, K., & Chanasyk, K. Designing for persuasion:
mobile services for health behavior change. Proceedings of the 4th International Conference on Persuasive Technology (2009), pp. 11
[16] Curmi, F., Ferrario, M. A., & Whittle, J. Sharing real-time biometric data across social networks: requirements for research experiments. Proceedings of the 2014 conference on Designing interactive systems (2014), pp. 657-666
[17] Cuttone, A., & Larsen, J. E. The long tail issue in large scale deployment of personal informatics. Proceedings of the 2014 ACM International Joint Conference on Pervasive and Ubiquitous Computing: Adjunct Publication (2014) pp. 691-694
22 [18] Daae, J. Z., & Boks, C. Reinforcing preliminary design strategy selection guidelines with insight from Fogg's behaviour grid. Proceedings of the 6th International Conference on Persuasive Technology: Persuasive Technology and Design: Enhancing Sustainability and Health (2011), p. 7
[19] Davidson, J. L., & Jensen, C. What health topics older adults want to track: a participatory design study. Proceedings of the 15th International ACM SIGACCESS Conference on Computers and Accessibility (2013), p. 26
[20] Davis, J. Early experiences with participation in persuasive technology design. In Proceedings of the 12th Participatory Design Conference: Research Papers - Volume 1 (2012), pp. 119-128
[21] de Oliveira, R., Carrascal, J. P. Towards effective ethical behavior design. CHI'14 Extended Abstracts on Human Factors in Computing Systems (2014) pp. 2149-2154 [22] Dietrich, M., van Laerhoven, K. Recall your actions!: using wearable activity recognition to augment the human mind. Proceedings of the 2014 ACM International Joint Conference on Pervasive and Ubiquitous Computing: Adjunct Publication (2014) pp. 1347-1353
[23] Epstein, D., Cordeiro, F., Bales, E., Fogarty, J., & Munson, S. Taming data complexity in lifelogs: exploring visual cuts of personal informatics data. Proceedings of the 2014 conference on Designing interactive systems (2014), pp. 667-676
[24] Epstein, D. A., Jacobson, B. H., Bales, E., McDonald, D. W., Munson, S. A. From “nobody cares” to “way to go!”: A Design Framework for Social Sharing in Personal Informatics. Proceedings of the 18th ACM Conference on Computer Supported Cooperative Work & Social Computing (2014) pp. 1622-1636
[25] Fogg, B. J. A behavior model for persuasive design. Proceedings of the 4th International Conference on Persuasive Technology (2009), p. 40
[26] Fogg, B. J. Creating persuasive technologies: an eight-step design process. Proceedings of the 4th International Conference on Persuasive Technology (2009) p. 44.
[27] Fogg, B.J., Persuasive technology: using computers to change what we think and do, Morgan Kaufmann Publishers, 2003.
[28] Fogg, B. J. The Behavior Grid: 35 ways behavior can change. Proceedings of the 4th International Conference on Persuasive Technology (2009), p. 42
[29] Friberg, F., Dags för Uppsats - Vägledning för litteraturbaserade examensarbeten, Författarna & Studentlitteratur, 2006.
[30] Fritz, T., Huang, E. M., Murphy, G. C., & Zimmermann, T. Persuasive technology in the real world: a study of long-term use of activity sensing devices for fitness, Proceedings of the SIGCHI Conference on Human Factors in Computing Systems (2014) pp. 487-496
[31] Giannakis, K., Chorianopoulos, K., & Jaccheri, L. User requirements for gamifying sports software. Proceedings of the 3rd International Workshop on Games and Software Engineering: Engineering Computer Games to Enable Positive, Progressive Change (2013) pp. 22-26
[32] Harjumaa, M., Segerståhl, K., & Oinas-Kukkonen, H. Understanding persuasive software functionality in practice: a field trial of polar FT60. Proceedings of the 4th International Conference on Persuasive Technology (2009) p. 2
[33] Harrison, D., Berthouze, N., Marshall, P., & Bird, J. Tracking physical activity: problems related to running longitudinal studies with commercial devices. Proceedings of the 2014 ACM International Joint Conference on Pervasive and Ubiquitous Computing: Adjunct Publication (2014), pp. 699-702
[34] Hermawati, S., & Lawson, G. Managing obesity through mobile phone applications: a state-of-the-art review from a user-centred design perspective. Personal Ubiquitous Computing (2014), pp. 2003-2023
[35] Hirano, S. H., Farrell, R. G., Danis, C. M., Kellogg, W. A. WalkMinder: encouraging an active lifestyle using mobile phone interruptions. CHI'13 Extended Abstracts on Human Factors in Computing Systems (2013) pp. 1431-1436
[36] Hsu, A., Yang, J., Yilmaz, Y. H., Haque, M. S., Can, C., & Blandford, A. E. Persuasive technology for overcoming food cravings and improving snack choices. Proceedings of the SIGCHI Conference on Human Factors in Computing Systems (2014), pp. 3403-3412
23 [37] Jimenez Garcia, J., Romero, N. A., Keyson, D., Havinga, P. ESTHER 1.3: integrating in-situ prompts to trigger self-reflection of physical activity in knowledge workers. Proceedings of the 2013 Chilean Conference on Human-Computer Interaction (2013) pp. 1-4
[38] Jones, J., Hall, S., Gentis, M., Reynolds, C., Gadwal, C., Hurst, A., Ronch, J., Neylan, C. Visualizations for self-reflection on mouse pointer performance for older adults. Proceedings of the 14th international ACM SIGACCESS conference on Computers and accessibility (2012) pp. 287-288
[39] Jordan, T. B., Johnson, B., Witschey, J., Murphy-Hill, E. Designing Interventions to Persuade Software Developers to Adopt Security Tools. Proceedings of the 2014 ACM Workshop on Security Information Workers (2014) pp. 35-38
[40] Kamal, N., Fels, S., & Ho, K. Online social networks for personal informatics to promote positive health behavior. Proceedings of second ACM SIGMM workshop on Social media (2010) pp. 47-52
[41] Karanam, Y., Alotaibi, H., Filko, L., Makhsoom, E., Kaser, L., Voida, S. Motivational affordances and personality types in personal informatics. Proceedings of the 2014 ACM International Joint Conference on Pervasive and Ubiquitous Computing: Adjunct Publication (2014) pp. 79-82
[42] Kay, M., Choe, E. K., Shepherd, J., Greenstein, B., Watson, N., Consolvo, S., Kientz, J. A. Lullaby: a capture & access system for understanding the sleep environment. Proceedings of the 2012 ACM Conference on Ubiquitous Computing (2012) pp. 226-234
[43] Kehr, F., Hassenzahl, M., Laschke, M., Diefenbach, S. A transformational product to improve self-control strength: the chocolate machine. Proceedings of the SIGCHI Conference on Human Factors in Computing Systems (2012) pp. 689-694
[44] Kennedy, C., M., Powell, J., Payne, T., H., Ainsworth, J., Boyd, A., Buchan, I. Active Assistance Technology for Health-Related Behavior Change: An Interdisciplinary Review. Journal of medical internet research (2012) pp. 1439-4456
[45] Khovanskaya, V., Baumer, E. P., Cosley, D., Voida, S., & Gay, G. "Everybody knows what you're doing": a critical design approach to personal informatics. Proceedings of the SIGCHI Conference on Human Factors in Computing Systems (2013), pp. 3403-3412
[46] Kim, T., Hong, H., Magerko, B. Design requirements for ambient display that supports sustainable lifestyle. Proceedings of the 8th ACM Conference on Designing Interactive Systems (2010) pp. 103-112
[47] Kirman, B., Linehan, C., Lawson, S., Foster, D., Doughty, M. There's a monster in my kitchen: using aversive feedback to motivate behaviour change. CHI'10 Extended Abstracts on Human Factors in Computing Systems (2010) pp. 2685-2694
[48] Kuznetsov, S., & Paulos, E. UpStream: motivating water conservation with low-cost water flow sensing and persuasive displays. Proceedings of the SIGCHI Conference on Human Factors in Computing Systems (2010), pp. 1851-1860
[49] Lau, P., WC., Lau, E., Y., Wong, D., P., Ransdell, L. A Systematic Review of Information and Communication Technology–Based Interventions for Promoting Physical Activity Behavior Change in Children and Adolescents. Journal of medical Internet research (2011) pp. 1439-4456
[50] Lawson, S., Jamison-Powell, S., Garbett, A., Linehan, C., Kucharczyk, E., Verbaan, S., Rowland, D, W., Morgan, K. Validating a mobile phone application for the everyday, unobtrusive, objective measurement of sleep. Proceedings of the SIGCHI Conference on Human Factors in Computing Systems (2013) pp. 2497-2506
[51] Lee, J., Burleson, W., Walker, E., & Hekler, E. B. Exploring users' creation of personalized behavioral plans. Proceedings of the 2014 ACM International Joint Conference on Pervasive and Ubiquitous Computing: Adjunct Publication (2014), pp. 703-706
[52] Lee, M. L., & Dey, A. K. Real-time feedback for improving medication taking. In Proceedings of the SIGCHI Conference on Human Factors in Computing Systems (2014), pp. 2259-2268
[53] Lee, Y., Lim, Y. K. Understanding the Roles and Influences of Mediators from Multiple Social Channels for Health Behavior Change. Proceedings of the 18th ACM
