- GND
- 1386017523
- ORCID
-
0000-0003-4468-5980
- GND
- 1015876811
- LSF ID
- 3881
- ORCID
-
0000-0001-9603-5272
- Other
- connected with university
Abstract in German:
Körperliche Aktivität ist ein essenzieller Bestandteil eines gesunden Lebensstils. Ihr gesundheit-licher Nutzen ist unbestritten. Sie wirkt präventiv und therapeutisch gegen eine Vielzahl häufiger Zivilisationskrankheiten. Trotz des hohen Nutzens ist nur ein geringer Teil der erwachsenen Be-völkerung in Deutschland ausreichend körperlich aktiv. Zur Förderung der körperlichen Aktivität werden unter anderem persuasive Technologien eingesetzt. Weit verbreitet sind diesbezüglich Activity-Tracking-Apps, die unterschiedliche persuasive Techniken beinhalten. Die Technik, die in der vorliegenden Arbeit im Vordergrund steht, ist die Zielsetzung. Zielsetzung ist eine nachweislich wirksame Technik, um Verhaltensänderungen zu unterstützen, sofern die gesetzten Ziele bestimmten Anforderungen entsprechen. Dazu zählt insbesondere, dass die Höhe des Ziels herausfordernd, jedoch erreichbar gewählt sein muss. Im hier betrachte-ten Anwendungskontext der Aktivitätsförderung mit Hilfe persuasiver Technologie hat sich je-doch gezeigt, dass es Menschen schwerfällt, solch ein passendes Ziel zu bestimmen. Diese Dissertation setzt sich mit der Fragestellung auseinander, ob und wie die Wahl eines pas-senden Ziels durch persuasive Technologie unterstützt werden kann. Dazu wird zum einen das Potenzial algorithmischer Unterstützung bei der Zielempfehlung untersucht und zum anderen das Potenzial der Einbeziehung der Nutzer:innen in den Empfehlungs- und Entscheidungspro-zess. Zu diesem Zweck werden zuerst Einflussfaktoren auf den Grad der Herausforderung und Erreich-barkeit eines Aktivitätsziels identifiziert. Neben interpersonellen Aspekten nehmen die momen-tane körperliche Konstitution, weitere unterstützende oder hinderliche äußere Umstände und psychologische Zustände Einfluss. Theoriegeleitet wird das Drei-Säulen-Modell der Zielsetzung entwickelt, das diese Faktoren in drei Säulen abbildet und ihren Einfluss auf das Aktivitätsverhal-ten beschreibt. Die Säulen sind die Körperliche Leistungsfähigkeit, der Volitionale Aufwand und die Volitionale Kapazität, wobei die Diskrepanz zwischen volitionalem Aufwand und volitionaler Kapazität, das Volitionale Delta, ein entscheidender Aspekt bei der Berechnung der Empfehlung ist. Die vergangene körperliche Aktivität der Person bildet die Basis, auf der die weiteren Berech-nungen aufbauen. Das Modell dient als Grundlage für die Entwicklung eines Empfehlungsalgo-rithmus zur Unterstützung bei der Zielsetzung. Kennzeichnend sind dabei die Abbildung lang-fristiger Veränderungen des Aktivitätsniveaus sowie kurzfristiger Schwankungen. Der mehrstu-fige Algorithmus besteht aus der Ermittlung einer Zielspanne, Zielbereichen und schließlich einer konkreten Empfehlung innerhalb eines dieser Bereiche. Unter anderem wird dabei Gebrauch ge-macht vom Rating-Scale-Modell aus der Familie der Rasch-Verfahren, das im originären Kontext zur Fragebogenkonstruktion eingesetzt wird. Für den vorliegenden Anwendungsfall eignet es sich unter anderem deshalb besonders gut, da es die Diskrepanz zwischen volitionalem Aufwand und volitionaler Kapazität – analog zur Itemschwierigkeit und Personenfähigkeit im ursprünglichen Anwendungsfall – abbildet und daraus Wahrscheinlichkeiten für die Zielerreichung (ursprüng-lich: Itemlösung) errechnet. Anhand dessen wird der Bereich auf der Zielspanne bestimmt, der die höchste Erreichungswahrscheinlichkeit hat und daraus wiederum die Empfehlung abgeleitet. Der entwickelte Algorithmus wird anschließend in der Activity-Tracking-App My Exercise Tra-cker umgesetzt, um als Proof of Concept in einer langzeitlichen Feldstudie ausgerollt und unter-sucht zu werden. Für den Praxiseinsatz ist die Erfassung von Kontextfaktoren, die in die Empfeh-lung einfließen, maßgeblich. Aufgrund des Fehlens praxistauglicher Instrumente, werden zur Er-hebung der Variablen der volitionalen Kapazität bildbasierte Ein-Item-Skalen vorgeschlagen und in drei Studien mit insgesamt n = 879 Teilnehmenden hinsichtlich gängiger Testgütekriterien va-lidiert. Zur Erhebung der Variablen des volitionalen Aufwands werden ebenfalls Instrumente vorgeschlagen und mit n = 59 Teilnehmenden validiert. Bei der Umsetzung der App werden zu-dem zahlreiche Techniken der Einbeziehung der Nutzer:innen in den Empfehlungs- und Ent-scheidungsprozess genutzt. Hierfür wird ein im Rahmen dieser Arbeit entwickeltes Design-Framework angewendet. Das Framework umfasst die drei Kernziele Empower, Encourage und Engage, die darauf abzielen, die Einbeziehung der Nutzer:innen zu fördern. Empower bezieht sich auf die Befähigung der Nutzer:innen, die Hintergründe und Implikationen von Systemergeb-nissen zu verstehen, während Encourage sie dazu anregt, die Ergebnisse kritisch zu reflektieren und ihnen nicht blind zu vertrauen. Engage schließlich ermöglicht den Nutzer:innen, durch ge-eignete Interaktionselemente Einfluss auf die Datengrundlage und die Rechenmethoden des Sys-tems zu nehmen, was ihre Entscheidungsautonomie stärkt und eine tiefere Einbindung in den Prozess fördert. Das Framework schlägt für jedes dieser Kernziele abstrakte Strategien, konkrete Strategien und schließlich Implementierungstechniken vor, von denen eine Vielzahl in My Exer-cise Tracker umgesetzt wird. Die zielsetzungsunterstützenden Wirkung des algorithmischen Ansatzes sowie der Einbeziehung der Nutzer:innen wird auf Basis einer zehnmonatigen Feldstudie mit auswertbaren Daten aus ins-gesamt 1391 Nutzungswochen, die sich auf 72 Nutzer:innen verteilen, untersucht. Den Studien-ergebnissen ist zu entnehmen, dass der Algorithmus die Leistungsschwankungen der Nutzer:in-nen gut abbildet, bei einer Tendenz zur Überschätzung, was jedoch vor dem Hintergrund der Herausforderung nicht zwingend nachteilig ist. Im Vergleich zu anderen Ansätzen, die basierend auf den Studiendaten rechnerisch gegenübergestellt werden, liefert der hier vorgeschlagene Al-gorithmus die passendsten Empfehlungen. Es werden zudem Verbesserungspotenziale des Algo-rithmus untersucht und letztendlich eine Optimierung vorgeschlagen. Zudem zeigen die Studien-ergebnisse, dass die Einbeziehung der Nutzer:innen in den Empfehlungsprozess gelungen ist und zu verbesserten Entscheidungen führt.
Abstract in English:
Physical activity is an essential part of a healthy lifestyle. Its health benefits are undisputed. It has a preventive and therapeutic effect against several common diseases of civilisation. Despite the great benefits, only a small proportion of the adult population in Germany is sufficiently physically active. Among other things, persuasive technologies are used to promote physical activity. Activity tracking apps, which contain various persuasive techniques, are widely used in this regard. The one focussed on in this study is goal setting. Goal setting is a demonstrably effective technique for supporting behavioural change, provided that the goals set meet certain requirements. In particular, the level of the goal must be challeng-ing but achievable. However, in the application context of activity promotion using persuasive technology, it has been shown that people find it difficult to determine such a suitable goal. This dissertation deals with the question if and how the choice of a suitable goal can be supported by persuasive technology. On the one hand, the potential of algorithmic support in goal recom-mendation is examined and, on the other hand, the potential of involving users in the recommen-dation and decision-making process is investigated. For this purpose, factors influencing the degree of challenge and attainability of an activity goal are identified first. In addition to interpersonal aspects, the current physical constitution, other supporting or hindering external circumstances, and psychological states also have an influence. The three-pillar model of goal setting, which depicts these factors in three pillars and describes their influence on activity behaviour is developed theory-driven. The pillars are Physical Perfor-mance Ability, Volitional Effort and Volitional Capacity, whereby the discrepancy between voli-tional effort and volitional capacity, the Volitional Delta, is a central aspect in the calculation of the recommendation. The person's past physical activity forms the basis for further calculations. The model serves as the basis for the development of a recommendation algorithm to support goal setting. It is characterised by the mapping of long-term changes in activity levels as well as short-term variations. The multi-stage algorithm consists of determining a goal range, goal areas and a precise recommendation within one of these areas. Among other things, the rating scale model from the Rasch method family, which is originally used in the context of questionnaire con-struction, is used here. It is particularly suitable for the present use case, because it maps the dis-crepancy between volitional effort and volitional capacity - analogous to item difficulty and per-son ability in the original use case - and calculates probabilities for goal achievement (originally: item solution). This is used to determine the area of the goal range that has the highest probability of being achieved. This, in turn is used to derive the recommendation. Following this, the algorithm developed will be implemented in the My Exercise Tracker activity tracking app in order to be rolled out and analysed as a proof of concept in a long-term field study. For practical use, the recording of contextual factors that are used in the recommendation is cru-cial. Due to a lack of suitable practical instruments, image-based one-item scales are being pro-posed to assess the variables of volitional capacity. They are validated in three studies with a total of n = 879 participants with regard to common test quality criteria. Further, instruments to assess the variables of volitional effort are proposed and validated with n = 59 participants. Moreover, numerous techniques for involving users in the recommendation and decision-making process are used in the implementation of the app. A design framework developed in this work is applied for this purpose. The framework comprises the three core objectives Empower, Encourage and Engage, which aim to promote user integration. Empower refers to empowering users to under-stand the background and implications of system outcomes, while Encourage encourages them to critically reflect on the outcomes and not blindly trust them. Finally, Engage enables users to influence the system's data basis and calculation methods through appropriate interaction ele-ments, which strengthens their decision-making autonomy and promotes deeper involvement in the process. For each of these core objectives, the framework proposes abstract strategies, con-crete strategies and finally implementation techniques, of which a large number are implemented in My Exercise Tracker. The supportive effect the algorithmic approach and the integration of users have on suitable goal setting is investigated in a ten-month field study is conducted, gathering analysable data from a total of 1391 weeks of use, spread over 72 users. The study results show that the algorithm reflects the performance variations of the users well, with a tendency to overestimate, but this is not nec-essarily a disadvantage considering that goals should be challenging. Other approaches are com-pared computationally based on the study data. In comparison, the algorithm proposed here pro-vides the most suitable recommendations. Potential improvements to the algorithm are also ex-amined and an optimisation is ultimately proposed. In addition, the study results show that the inclusion of users in the recommendation process is successful and leads to improved decisions.