Пользователи приложения настороженно относятся к рекомендациям по здоровью и фитнесу, основанным на данных социальных сетей.

Люди могут ценить онлайн-приложения, которые дают советы по здоровью и фитнесу, но, по мнению исследователей, они, похоже, подводят черту, когда эти приложения используют свои социальные сети для сбора данных.

В исследовании пользователи продемонстрировали сильное предпочтение рекомендациям по фитнесу, которые были персонализированы для них на основе их собственных предпочтений. Им также нравились системы, которые позволяли пользователям выбирать из различных подходов к рекомендациям, что позволяло им чувствовать себя более уверенно.

«Поскольку большие данные дают людям новые возможности персонализировать свое здоровье и фитнес-программы, это также ставит вопрос о том, как эти данные собираются», — сказал С. Шьям Сундар, профессор медиаэффектов Джеймса П. Джимирро в Колледже Дональда П. Беллисарио в США. Коммуникации и содиректор Лаборатории исследований медиаэффектов в Пенсильвании.

По словам Сундара, люди используют системы рекомендаций, чтобы принимать больше решений, таких как выбор развлекательных мероприятий и взвешивание вариантов отдыха. Здоровье и физические упражнения — естественные области применения; однако конфиденциальность данных о здоровье может заставить людей опасаться таких систем.

Исследователи представили свои результаты сегодня (24 апреля) на конференции ACM CHI по человеческому фактору в вычислительных системах и сообщили о них в своих материалах.

«Мы движемся к эре, когда фитнес-планы, режимы диеты, упражнения и другие формы профилактического управления здоровьем могут быть адаптированы к нашим конкретным индивидуальным потребностям и ситуациям», — добавил Сундар, который также является филиалом Института вычислительной и вычислительной техники штата Пенсильвания. Науки о данных. «Это возможно благодаря технологии и доступности больших данных, но это также вызывает вопросы об информации, которую она использует для адаптации. Она адаптируется на основе ваших собственных предпочтений, например, или она адаптирует их на основе ваших демографических данных? Или это основано на других людях, которые использовали это приложение?»

В ходе исследования исследователи привлекли 341 человека для тестирования шести подходов к фильтрации для систем рекомендаций, в том числе: демографическая фильтрация, которая делает предложения на основе предпочтений других пользователей, схожих по возрасту, полу и этнической принадлежности; совместная фильтрация, основанная на тех, кто разделяет схожие предпочтения в упражнениях; и фильтрация на основе контента, которая зависит от собственных предпочтений пользователя.

Эти подходы были дополнительно разделены на две версии в зависимости от того, были ли данные получены из приложения или из социальных сетей , что требует доступа к подключениям пользователя к социальным сетям. Кроме того, одной половине участников была предоставлена ​​возможность изменить свой подход к персонализации на один из пяти других подходов, а другой половине такой возможности не было предоставлено.

Участникам особенно не нравились подходы, требующие доступа к социальным сетям, сказал Юань Сунь, докторант по массовым коммуникациям в Пенсильванском университете и первый автор исследования.

«Мы обнаружили, что людям действительно не нравятся рекомендации, основанные на социальных сетях, — сказал Сан, который осенью 2023 года перейдет в Университет Флориды в качестве доцента. — Этому может быть несколько причин. может быть, они воспринимают это как угрозу своей идентичности. Они думают, что это подрывает их суть быть уникальной личностью. Кроме того, рекомендации, основанные на социальных сетях, вызывают беспокойство о конфиденциальности».

Когда исследователи дали им возможность выбрать другие подходы к фильтрации, более 96% участников отказались от условия, которое предоставляло фитнес-контент, который они просматривали или любили в социальных сетях. Другие подходы, основанные на активности и демографических данных друзей в социальных сетях, также не пользовались популярностью.

«Такие результаты особенно примечательны, потому что персонализация обычно инерционна», — сказал Сундар. «Когда система собирается выполнять задачу определенным образом, для людей слишком много хлопот, чтобы переключиться. Таким образом, для этих участников, чтобы они потрудились отказаться от значения по умолчанию, это изменение мышления и немного усилий. , что показывает, насколько им это не нравится».

По словам исследователей, разработчики и дизайнеры должны быть внимательны при разработке систем рекомендаций, связанных со здоровьем, которые могут полагаться на данные из социальных сетей. Несмотря на то, что люди публикуют много информации о здоровье и фитнесе в социальных сетях, им не нравятся онлайн-приложения, использующие эти сообщения для предоставления рекомендаций.

«Что касается приложений для дизайна, когда разработчики создают приложения для здоровья, они должны воздерживаться от использования данных социальных сетей для создания рекомендаций», — сказал Сундар. «Вместо этого им следует использовать больше сигналов идентификации и информации для защиты личности».

Исследователи также рекомендуют, чтобы дизайнеры предоставляли пользователям возможность выбора предпочтительного метода адаптации рекомендаций по здоровью .

«Это подтверждается другим нашим важным открытием: пользователи чувствуют больший контроль, когда им предоставляется такая возможность, несмотря на дополнительную работу, которую она требует», — сказал Сан.

Магдалайна Дривас, докторант Школы коммуникаций и журналистики Анненбергского университета Южной Калифорнии, и Мэнци Ляо, докторант по массовым коммуникациям в Пенсильванском университете, также работали с Сундар и Сан.