个人健康管理视角下量化自我初始参与用户特征及模式研究*

徐孝婷 朱庆华

（1.南京邮电大学社会与人口学院 江苏南京 210023）

（2.南京大学信息管理学院 江苏南京 210023）

伴随快速的生活节奏、高强度的工作压力，人们追求美好生活的同时，往往忽略了个人健康。尤其是缺乏对个人日常健康生活的管理，“亚健康”“慢性病”等比例逐年递增，成为全世界都需要面对的重点公共卫生问题。在我国，无论是国家层面还是社会层面，都积极提倡个人应该主动参与健康管理。 2019年国务院发布的《健康中国行动（2019-2030 年）》中，重点围绕疾病预防和健康促进两大核心问题，强调依托互联网和大数据技术的重要性，倡导每个人是自己健康第一责任人的理念［1］。此外，国务院总理李克强在推进健康中国行动会议中作出重要批示，鼓励个人、家庭积极参与健康行动，促进“以治病为中心”向“以人民健康为中心”转变，有效提升健康素养，在全社会加快形成更健康的生活方式［2］。 与此同时，微型传感器和智能移动应用等技术为个人主动实施健康管理提供了契机，如Nike+Running 、Fitbit、Apple watch 、Keep、咕咚等各类可穿戴设备和健康追踪类应用，可以有效记录和监测睡眠、饮食、体重等多方面数据，帮助用户更清晰的认知个人健康状况，促进人们健康的保持和改善，一时间受到大量用户的关注和使用［3］。不同于以往过度依赖医生、专家进行“被动”的健康管理，目前，个人开始发挥较为核心的作用，量化自我逐渐成为个人健康管理的重要手段。

已有研究对量化自我在健康领域的应用展开了众多探索，可以发现量化自我借助健康技术实现对用户日常健康数据的追踪、记录和量化，可以促进用户反思进而指导健康行为改变，在一定程度上帮忙人们进行健康管理［4］。此外，量化自我可以以较低的成本同时测量多项健康指标，同时允许参与者监测自己行为的变化，目前对促进用户健康行为改变具有意义［5］。 然而，尽管量化自我相关的健康技术被逐渐应用，并显示出改善公众健康的潜力，但研究发现现实中仍存在参与度不足、用户流失的问题。相关机构试图通过降低成本、完善设计、奖励等各种策略来积极促进用户参与，结果发现量化自我的活动似乎还不够 普 及 和 广 泛 参 与［6］。 Schrack 等［7］认 为 因 用 户 行为的不确定性，要清楚量化自我的准确实施对象，首先需要了解用户的个体特征和健康状况。此外，甘春梅等［8］发现有效把握早期的用户特征并对其精准干预，能够及时预防用户中辍行为并激发用户持续行为的开展。因此，本研究认为促进用户参与并激励持续参与量化自我的前提需要明确初始阶段量化自我参与者是哪些？其具有什么特征？此外，能否通过参与特征来进一步了解用户参与的行为模式？这更有利于准确识别目标用户，提供精准化服务建立参考依据。

基于此，本研究主要解决两个研究问题：（1）初始阶段参与量化自我的用户具有什么特征?（2）他们的参与模式是什么?本研究主要通过问卷调查获取用户相关数据，利用回归分析探索用户特征，并基于类型理论从Who、How、Why、What 四个方面对量化自我参与模式进行归纳，主要涉及量化自我用户、量化自我工具、量化自我动机和量化自我内容。希望通过本研究可以为量化自我相关服务机构制定激励政策提供理论依据，促进更多用户采纳、使用甚至持续参与量化自我，进而提升公民整体健康水平。

1 相关研究

1.1 类型理论

类型理论（Genre Theory）最初是一种结构主义的文学批评方法， 依赖于文学作品的结构或特征来判断一部文学作品应该属于哪种类型［9］。 如作为读者，经常根据写作风格来考虑文学作品属于喜剧、浪漫、神秘、戏剧和悲剧等类型［10］。 该理论源于18 世纪学者对希腊盛行的诗歌作品的认识，认为诗歌文学具有独特的特征和表征形式，属于一种类型的文学流派，之后，罗马人创作了戏剧，伴随两种文学作品的本质区别和流派差异，由此展开了一系列有关文学作品类型区别的讨论［11］。 类型理论也被应用于信息管理领域，相关研究多基于Chandler 提出的“Why、What、How、Which、Where、Whose”问题准则研究思路进行探索和归纳，主要用于属性划分和内涵界定［12］。如Malone 等［13］从类型理论视角研究集体智能中大众群体行为，主要从“Who、What、Why、How”这四个角度挖掘研究对象的行为模式和特征映射。Yates等［14］基于类型理论，构建了“Why、What、Who、Where、When、How”的六维类型模型，用以考虑在现有技术背景下使用新媒体的核心问题、风险和好处，进而评估员工对新技术的使用和采纳行为。 赵宇翔等［15］基于类型理论构建了用户生成内容研究的概念分析框架，从“Who、How、Why、What ”四个角度分析和归纳社会化媒体环境中UGC 的用户类型与角色、内容类型与属性、动因以及UGC 模式，并梳理了不同类型UGC 在四个维度上展现的差异。Antunes 等［16］利用类型理论解释虚拟社区如何利用数字交流进行协作，以此作为信息系统设计的依据。 潘琼［17］基于类型理论对Web2.0 时代下基于行为视角的用户贡献内容进行界定，主要从Know-what、Know-why、Know-how、Know-who 四个方面与知识共享进行比较来归纳用户贡献行为的内涵。可见，类型理论作为一种研究方法和依据，可以帮助更好地梳理相关研究的本质、模式以及概念等，尤其对于新研究方向的界定和了解，基于不同维度的探索能够对相关研究主题更为清晰地认识和剖析，具有较高的参考价值。

1.2 量化自我用户特征

狭义上，量化自我主要被应用在日常健康（如睡眠、运动、饮食）和慢病管理（如血糖、血压）领域，Waltz［18］认为这类量化自我吸引了运动员、健身爱好者、数据爱好者、疑病症患者和那些只想减肥的人。而广义上，量化自我不再局限于健康领域，还涉及时间管理、教育、能源消耗和行为认知等多个领域，用户群体包含学生、银行工作者、环境爱护者等［19-20］。通过对已有文献的梳理，学者们发现用户特征的因素不同其参与行为不同，如Trost 等［21］认为人口统计学因素，如性别、年龄、社会经济地位或教育程度与身体活动参与度具有一定的联系有关。 Cotter 和Lachman［22］发现年轻人比老年人更活跃，年轻男性比年轻女性更活跃，老年女性比老年男性更活跃，此外，教育水平以及收入水平较低的群体更有可能不运动。同时，Comstock［23］还发现拥有健身追踪器的群体往往比没有的群体更富有、受教育程度更高、更熟悉科技。 另一些研究则发现，不爱运动或失业的男性不太可能使用健身追踪器［24］。除此之外，职业、婚姻状况等人口统计学因素也在量化自我参与上具有差异，Korman 等［25］认为职业不同的群体在参与饮食有关的追踪方面具有显著不同。Khalaf［26］认为已婚的妈妈更具有家庭责任感，更希望保持健康的身体，因此，更可能是量化自我的狂热者。然而，除了人口统计变量的相关特征会影响量化自我的参与，健康状态和意识也具有一定影响，如Choe 等［27］发现那些血糖高、肥胖症的慢病患者为了增加身体活动来保持健康，更有可能跟踪与运动量、饮食等相关的健康指标。同时，Espinosa［28］还研究发现健康意识较高的群体更注重日常健康管理，愿意参与量化自我。

1.3 量化自我参与模式

通过对量化自我参与行为相关研究的回顾，发现相关研究主要聚焦于量化自我的主体、参与量化自我的动机、量化自我的内容类型以及进行量化自我的工具。 本文已经梳理了针对量化自我用户特征的研究，但目前似乎还没有较为全面统一的发现，尤其是针对我国用户的个体特征更是鲜少涉及。 有关参与量化自我的动机，Gimpel 等［29］在有关动机量表设计研究中验证了患者参与追踪个人健康的量化自我是由于自我娱乐（Self-entertainment）、自我联系（Self-association）、自 我 设 计（Self-design）、自 律（Self-discipline）以及自我治愈（Self-healing）5 类动机的驱动。 Jarrahi 等［30］认为事先具有动机的用户因生活方式、个体特征、个性的不同具有差异，他们使用追踪设备时可能更持续，但是事前没有动机的用户追踪设备提供的信息支持并不能促进他们长期使用。Attig 等［31］认为用户对可穿戴活动跟踪的动机主要包含内在动机和外在动机。有关量化自我的内容，Choe 等［27］通过对量化自我用户的视频进行内容分析发现量化自我用户追踪内容主要是运动活动、食物、体重、睡眠、情绪，还涉及其他健康指标（如血压、体脂）、能源消耗以及消费情况等［27］。 Li 等［32］认为目前人们主要进行与银行对账单、电子邮件和信用卡消费有关的追踪［32］。 可以发现，量化自我除了在健康领域的应用外，还渗透消费、能源等多个研究领域。有关量化自我的工具，将量化自我工具划分为智能可穿戴设备、APP 以及网站三大类，并认为当前主要技术包含运动传感器、生物传感器和环境传感器［33］。 不同于用于临床或者疾病治疗的量化自我工具，日常健康生活有关的量化自我工具多具有易携带、方便使用的优势。

2 研究设计

本研究主要遵循以下思路：首先，通过问卷调查获取用户特征数据，其中用户特征包含人口统计变量、健康状态和意识变量、健康技术态度和经验变量三类主要数据，进一步借助回归分析挖掘量化自我用户特征的显著性；其次，通过问卷调查获取量化自我用户的参与数据，主要有量化自我主体、工具、内容和动机，进一步通过内容分析归纳量化自我用户的参与模式。

2.1 变量测量

已有研究表明用户的人口学统计特征［29］、健康状 态［27］、健 康 意 识［34］等 因 素 会 影 响 用 户 对 量 化 自我的参与以及相关健康技术的使用和采纳。然而，Shin［35］认为参与量化自我需要借助专业工具来实现健康数据的追踪、记录，因此，对用户健康技术的技能提出了一定的要求。可穿戴设备、移动应用程序等量化自我工具发展还不够成熟，市场普及率不高，那些试图借助量化自我来实现健康管理的用户需要具备一定的健康技能，否则可能面临操作不当、使用错误等障碍。 尤其当面对部分感知数据（如疼痛、生理周期）的收集需要手动输入，用户更应具备相应健康技术使用经验。基于此，本研究将用户对健康技术态度和经验等相关变量也考虑在内，进一步探索量化自我用户特征。此外，在问卷中本研究设计了近3 个月内参与量化自我的时间阶段来筛选研究对象，与量化自我用户特征相关的变量测量数据（见表1）。

表1 用户特征相关变量分类及测量方法

此外，本研究中量化自我用户参与模式主要包含量化自我主体、量化自我用户动机、使用工具、量化自我内容，这反映了用户参与量化自我的属性和特点。对于动机、使用工具、量化内容主要通过问卷中的填空获取，进一步通过内容分析进行归纳总结（具体变量及测量方法见表2）。

表2 参与模式相关变量说明及测量方法

2.2 问卷调查

调查均采用网络问卷的方式，首先在10 位用户中开展预调研，进而修正问卷中表达不清楚、理解有歧义的题项，形成最终问卷。本研究主要通过三种方式进行问卷发放，一是通过问卷星样本服务（http://www.wjx.cn/），回收问卷507 份；二是借助微信、QQ等平台发布问卷，回收问卷183 份；三是将问卷链接发布在Keep 在线社区中，回收问卷92 份，最终在为期两周的时间中共获取问卷782 份，所有完成问卷的用户都将获取一定的经济回报。整个过程中，用户需要汇报人口统计特征、健康状态和意识、信息技术态度和经验等用户特征变量，同时填写动机、使用工具以及量化自我内容的行为数据。最终，通过人工筛选有效样本731 份，有效回收率93.5%。 与此同时，相关构建的信度通过检验，满足要求（Cronbach’a＞0.7）［36］。

2.3 数据分析

研究主要采用多元线性回归分析的方法，探索用户的人口统计变量、健康状态和意识相关变量、健康技术态度和经验相关变量对量化自我参与的影响，其中初始阶段中量化自我参与经验作为因变量。研究构建了三个回归模型，分别如下：

其中β0为截距，β1-β12为系数，ε 为随 机误差项，i = 1，2，……n，n 为自变量数量。 利用SPSS 23.0软件对多变量进行逐步回归分析。 首先将人口统计变量纳入模型1，变量分别为性别（Gender）、年龄（Age）、教育程度（Education）、居住地区（Area）、月收入（Income）、婚姻状况（Marriage）、职业/身份（Occupation）。 其次在模型1 的基础上将健康状态和意识相关变量纳入模型2，变量分别为是否患有慢性病（Chronic）、健康状态（Health Status，HS）以及健康意识（Health Consciousness，HC）。 最后在模型2 的基础上将健康技术态度和经验相关变量纳入模型3，变量分别为健康技术态度（Attitude toward Health Technology，AHT）、健康技术经验（Health technology experience，HTE）。

此外，通过编码对用户参与模式涉及的部分文本进行内容归纳，为保证编码的有效性，整个过程由两位研究者共同完成。

3 数据分析结果与讨论

3.1 用户特征分析

3.1.1 描述性统计

研究涉及研究对象共731 人，其中量化自我初始阶段的参与者共436 人，占比59.64%。 在性别分布上，男女比例较为均衡。在年龄分布上，主要以中青年群体为主，集中在21-30 岁（43.58%）和31-40 岁（39.68%）两个年龄段，这与国外学者发现的量化自我参与者主要是20-30 岁的年龄群体略有差异［37］，可能是国内外用户身体素质以及生长环境差异，我国量化自我参与者主要集中在20-40 岁。 在教育背景上，量化自我参与者整体文化水平较高，大多数是本科及以上学历。 在居住地区上，样本分布均衡，相对没有突出的地区性差异。在月收入水平上，其中月收入超6000 元以上群体约占大半（58.26%），其他低收入群体主要以学生为主。 婚姻状态中已婚群体略多（59.40%）。 职业/身体分布上，根据职业或身份属性，划分6 类职业所属机构，其中将学生统一纳入高校事业单位中，比例相对略高（26.61%），其他所属单位分布较为均匀（具体人口描述性统计见表3）。

表3 样本描述性统计结果（N=436）

对有关变量的描述性统计结果（见表4）进行梳理，可以发现初始阶段中用户进行量化自我的频率相对较高，表现为每天多次使用量化自我工具。 参与者以中青年高学历群体为主。此外，有关参与者的健康状况和意识可以发现，参与者整体健康状况良好、健康意识较高。 在健康技术态度和经验方面，参与者态度较为积极、整体健康技术经验表现为中等。

3.1.2 回归分析结果

在进行回归分析之前，首先需要进行共线性诊断，来检验自变量之间是否存在较强的线性关系［38］。目前，可以通过相关系数、方差膨胀因子（Variance Inflation Factor，VIF）和容忍度（Tolerence）来诊断多重共线性问题［39］。 其中当相关系数大于0.7 或者VIF大于等于10 或者Tolerence 小于0.1，都可以说明存在严重的共线性。 本研究通过相关性分析以查看各自变量之间的相关系数大小来判断是否存在共线性（见表5），可以发现所有自变量之间的系数值均不超过0.7，说明本研究中涉及的自变量之间不存在共线性问题，可以进行进一步回归分析。

表5 相关分析结果

接下来进行回归分析，通过对三个模型涉及的所有变量进行阶层回归得到结果（见表6）。 模型1是有关人口统计的相关变量，结果发现性别对量化自我参与具有显著正向影响，即女性比男性更积极的参与量化自我，这与以往研究结论较为一致［40］。 此外，年龄与量化自我参与之间的负向关系显著，相对年轻的中青年群体表现积极，这一结论在已有研究中得到了支持［41］。 教育程度对量化自我参与没有显著的影响，尽管诸葛颖［42］认为教育程度较高的群体其健康意识相对较高，更愿意改变健康行为。 但Georgsson 和Staggers［43］认 为 随 着 人 们 整 体 健 康 素 养的提升，教育水平的差异并不影响人们对个人健康的重视，各个学历水平的群体都在努力提升自己的健康生活程度［43］。 居住地区与量化自我参与没有显著影响，虽然已有报道发现生活在一线城市的居民生活压力更大，缺乏运动、亚健康比例明显，应该更为积极地进行健康管理［44］。 此外，月收入对量化自我参与的正向影响显著，收入较高的群体更可能积极参与量化自我，这一发现与已有研究结论一致［45］。 职业对量化自我没有显著影响，虽然已有学者发现不同职业的群体在个人饮食干预上具有差异性［25］，但本研究中不同职业群体的量化自我启动参与没有显著不同。同样的，尽管已有研究发现已婚的妈妈更可能是量化自我的狂热者［26］，但本研究没有发现婚姻状况不同的群体在量化自我参与上的差异。

表6 多元线性回归结果

模型2 是纳入有关健康状态和意识相关变量的结果，发现是否患有慢性病与量化自我参与显著负向相关，即患有慢性病的群体更可能参与量化自我。这与Choe 等发现慢病患者更有可能跟踪健康指标或症状的结论一致［27］。 健康状态和量化自我参与之间没有显著关系，不同健康状态的群体在量化自我参与程度上没有差异。 王晖等［46］认为健康状况差的群体可能更积极参与健康管理，但郭佩佩等［47］认为健康状态良好的用户为了保持健康会更加重视锻炼。 此外，还发现健康意识具有显著性，健康意识较高的群体参与量化自我较为积极。

模型3 是纳入健康技术态度和经验相关变量的结果，发现无论是健康技术态度还是经验都没有显著影响量化自我的参与。 这说明人们对有关健康技术的态度以及是否具有经验不再是参与量化自我需要具备的技能。伴随着可穿戴设备、应用程序等量化自我工具的易操作性、易用性，人们对健康技术的接受和使用似乎没有困难。

3.2 用户参与模式分析

本 研 究 利 用 类 型 理 论 从Who、What、Why、How四个角度深入探究初始阶段中量化自我用户参与行为特征和属性，并进一步提出量化自我用户参与模式（见图1），模型包含量化自我用户、量化自我工具、量化自我的动机以及相关内容。

图1 量化自我用户参与模式

3.2.1 量化自我用户（Who）

在上述对用户特征的研究后发现，初始阶段中量化自我参与者具有一定的特征表现，虽然在教育程度、居住地区、职业、健康状态以及技术等方面没有体现出显著特征，但在性别、收入、年龄等其它有关变量具有显著性，具有可以归纳为量化自我参与者是那些中青年高收入女性且患有慢性病、 健康意识较高的群体更有可能是量化自我初期参与者。

3.2.2 量化自我工具（How）

本研究归纳出人们进行日常健康生活信息管理使用的量化自我工具主要有物理设备和应用程序两大类（见表7）。 从物理设备来看，分为不可穿戴物理设备和可穿戴物理设备，其中不可穿戴物理设备以具有代表性的小米和华为体脂秤为主，主要用于追踪与体重相关指标数据，但为了可视化、时间序列数据的获取还需搭配对应的APP 一起使用，如小米体脂秤需要通过下载“好轻”或“小米运动”App。可穿戴设备主要有小米手表、华为手表、Apple Watch 等，相关设备携带方便且具有小型显示屏， 可以随时追踪心率、睡眠、生理周期等多项身体状态指标，但如需获取健康数据的可视化、趋势图以及健康管理建议等，也需搭配APP 使用。从应用程序来看，主要分为移动终端应用程序以及Web 应用程序，其中移动终端应用的工具主要以安装在手机、PC 的App 为主，通过手机传感、蓝牙、网络等功能获取多维度数据，功能较为强大，可以记录运动、睡眠、饮食等相关的多类型指标，用户群体庞大，具有代表性的APP 为keep、咕咚运动、薄荷健康、悦动圈等。Web 应用程序主要通过浏览器访问，无需安装其他软件，如MEASURED ME（https://measuredme.com/），这是一个博客网站，用户仅通过日常网页记录的方式来追踪相关数据，但随着传感器技术的发展，Web 应用程序的使用群体少之又少。

表7 量化自我工具

3.2.3 量化自我动机（Why）

了解用户参与量化自我的动机对深入明确用户行为模式具有重要意义。 尽管已有学者尝试开展对可穿戴设备、健康追踪APP 等量化自我有关工具的采纳和使用意愿影响因素的研究［48-49］，但目前有关初期或者初始阶段中量化自我参与动机的研究还缺乏理论支持。此外，有关初始阶段中用户特征界定还不清晰，容易导致不同阶段动机概念的混淆。本研究界定初始阶段的用户为参与量化自我时间为近3 个月。为了更好地探索动机，尝试通过定性的研究方法，通过对问卷中用户的填空内容进行分析，对初始阶段中用户主要动机进行归纳，最终梳理用户动机为两大类：有目的性动机和无目的性动机，其中有目的性动机是用户为了实现目标达成、寻找联系、决策辅助、习惯养成、技能提升、行为改变等六个方面影响；无目的性动机主要受到好奇心、社会影响、偶遇三方面的驱动（见表8）。

表8 量化自我动机

3.2.4 量化自我内容（What）

除了量化自我工具的多样性，其内容也具有丰富性（见图2）。通过对问卷获取的内容进行分析后发现，量化自我最受欢迎的内容为运动锻炼（75%）、睡眠（46%）、体重（45%）、步数（27%）、饮食（24%），这与国外学者的研究发现较为一致［27］，说明我国用户量化自我内容和国外用户具有一定的相似性，其他还涉及生理周期、血氧饱和度、心律、呼吸、压力等，可以发现量化自我的内容主要以记录日常健康生活有关的运动健身、日常生理数据为主。 同时，用户往往并不进行单一内容的量化，他们往往同时追踪、量化多项内容，分析发现用户最小量化内容为1 项，最大7 项，平均约3 项（SD=2.67），在本研究涉及与日常健康生活有关的内容约70 项，其中仅运动锻炼就包含对划船、瑜伽、骑行、跳绳、跑步、游泳等多个项目的追踪，涉及运动轨迹、步频、卡路里消耗、速度、运动时间、运动姿势等多个维度。

图2 量化自我主要内容

4 研究启示

把握用户特征和行为是精准定位市场服务的重要前提［50］，量化自我作为个人健康管理的一种重要手段，明确其初期用户特征和参与行为模式对于更早确定目标用户、激发持续参与以及提供细化服务具有重要意义。

首先，应该尽早识别量化自我参与者，给予必要支持和保障。本研究发现初始阶段中女性比男性表现出更积极参与量化自我。 Davison［51］、Franzoi［52］等研究认为这是因为随着时间的推移，女性对自己的身体越来越不满意， 她们具有更多的社会攀比和自我批评，更希望拥有积极健康的生活方式。 同时，中青年群体相对更积极进行量化自我。 Nelson 等［41］认为可能年轻群体对健康技术更热衷。 此外，相对来说，高收入群体更可能是量化自我的主要参与者。 Jiang 等［45］认为收入越高的群体具有更充裕的物质基础，能够支持他们购买健康技术设备，因此，在可穿戴设备使用比例上明显高于其他低收入用户。与此同时，慢性病患者更可能参与量化自我。量化自我工具可以追踪、记录慢性病患者的日常行为数据，如患有糖尿病的用户，可以通过饮食记录了解日常糖分摄入量，用于指导用户健康饮食。同时，相关数据也可以为就诊做好准备，促进与医生的有效沟通。 最后，健康意识较高的群体更积极参与量化自我。 Berry［53］发现健康意识较高的女性，会持续进行自我发现和自我控制的活动，积极参与与减肥相关的健康行为改变过程。因此，在制定相关政策以及提供服务时，应该重点把握用户的特征差异，细分用户类别，并降低普通群体参与的门槛，如加强健康教育、降低成本、重视普适性等，使得更多群体有能力通过量化自我进行健康管理并持续性参与其中。

同时，了解量化自我用户参与模式，促使个人健康管理的有效性和持续性。 本研究发现量化自我初始参与者特征为女性、中青年、高收入、慢性病、健康意识高的群体。 同时，量化自我工包括四大类，主要以可穿戴设备（72%）和移动终端应用程序（80%）为主，相关工具借助传感技术来实现对数据的追踪、收集，具有易携带、可移动、功能强大的优势。在量化自我动机方面，主要包含有目的性动机和无目的性动机两大类，具体还涉及更为微观的不同类别。 Rothman 等［54］认为用户具备明确的动机是长期持续性参与量化自我的前提，具有明确目标的参与者会更主动，做出更为具体的行为表现，有利于促进目标的达成。而那些可能受到他人影响、被动的用户往往参与行为较为短暂，更可能在短期内放弃量化自我［55］。 在量化自我内容方面，有关的数据主要是运动锻炼、睡眠、体重、步数、饮食等，具有多样性特征。因此，建议相关机构在明确目标用户的基础上，还应了解具体参与行为模式，重视工具的适应性，确保更多群体借助量化自我工具实施更为有效的健康管理。此外，根据动机的不同，提供针对性的激励性政策，促进初始参与群体的行为向持续参与转变。

5 结语

本文探索了初始阶段中量化自我的用户特征和参与模式，通过人口统计变量、健康状态和意识相关变量、健康技术态度和经验相关变量三个方面明确了用户具体特征表现，并基于类型理论的Who、What、Why、How 四个角度归纳了参与行为模式现状。 通过对初始参与用户特征和参与模式的研究，有利于更早识别目标用户，提供针对性、个性化的健康管理服务，进而促进“健康中国”战略的实施与发展。

然而在对用户特征进行数据获取时，仅考虑了用户人口学特征、健康状态和意识、健康技术态度和经验等维度，没有考虑用户健康信念以及性格因素的差异，尤其是具体参与模式，本研究仅进行宏观上的归纳，但缺乏更为细微的剖析，未来还应结合具体过程，通过实验、眼动仪以及日志数据进行深入挖掘和探索。