基于移动经验取样法的量化自我参与流程及内在机理研究

朱庆华，徐孝婷，赵宇翔，杨梦晴

（1.南京大学信息管理学院，南京 210023；2.南京邮电大学社会与人口学院，南京 210023；3.南京理工大学经济管理学院，南京 210094；4.南京师范大学新闻与传播学院，南京 210097）

1 引 言

当前生态环境日益严峻，加之以牺牲个人健康为代价的快节奏生活模式涌现，由此引发的人类亚健康、慢性病等健康议题正成为需要全世界共同应对的问题。2016年，中共中央、国务院印发《“健康中国2030”规划纲要》，旨在强调健康是促进人的全面发展的必然要求，是经济社会发展的基础条件，要摆在优先发展的战略地位[1]。2019年发布的《健康中国行动（2019—2030年）》倡导每个人是自己健康第一责任人的理念，并提倡人们需要主动学习健康知识，养成健康的生活方式[2]。量化自我（quantified self，QS）作为健康管理的有效手段，可以帮助用户通过数据追踪促进自我反思，进而提升用户对健康问题的认知，主动改变不良的生活方式，因此，逐渐受到人们的青睐[3]。

皮尤研究中心（Pew Research Center，PRC）的《健康跟踪》报告发现，近70%的成年人定期跟踪至少一项指标来进行健康管理，有关体重、饮食和锻炼的追踪最受欢迎[4]。与此同时，移动设备、传感器以及互联网技术的快速发展，促进可穿戴设备、移动终端应用的快速普及，为获取个人数据（如生理数据、行为、习惯和思想）提供了极大便利，用户可以随时随地开展追踪和记录[5]。例如，Apple Watch可以实时追踪心率、步数、速度、睡眠等，Keep可以记录运动轨迹、里程、配速、卡路里等。传统环境下，个人需要向医生或专业机构咨询有关自身健康的生物数据，而现在通过量化自我工具即可快速获取，用户逐渐成为个人健康管理的专家[6]。目前，量化自我在日常健康促进、慢性病管理、疾病预防、院外康复等诸多领域中发挥了重要作用，并逐渐深入人们健康生活的方方面面[7-8]。

然而，研究发现用户在参与量化自我的过程中，面临数据不准确、时间压力、精力不足、可视化结果复杂、反思难等各类困难，导致用户中断参与，无法实现可持续的量化自我效应[9-10]。此外，尽管各种量化自我工具的发展已经较为成熟，但是用户仍然面临操作困难、数据权限甚至结果无法理解等障碍[11]。相关学者认为，这与量化自我本身以及参与量化自我过程中用户需求没有被充分理解有关。量化自我究竟是什么，以及参与过程中用户需要什么数据、为什么需要这些数据、什么工具可以提供这些数据，还有，用户遇到什么障碍，目前这些问题的答案都还不够清晰[12]。与此同时，量化自我概念以及本质具有一定的抽象性[5]，不同情境下类型表现多样化[13]，这给理解量化自我带来了一定的困难。尤其是量化自我阶段特性，更是导致不同阶段中用户行为、体验、障碍等各有差异。鉴于此，如何能够详细、具体地剖析量化自我参与的全流程，对解释上述问题具有较为关键的意义和价值。

已有学者就量化自我流程的划分开展了部分研究，但相关研究主要基于系统和技术的视角[9,14]。本研究认为，为了更好地理解量化自我参与流程以及内在机理，充分理解用户需求、行为、障碍等因素，应该从用户参与的视角出发对量化自我进行流程划分。基于此，本研究尝试开展纵向实验研究，借助移动经验取样、事后访谈的方法，挖掘用户参与量化自我具体流程，并深入分析各阶段关键信息行为、主要障碍及内在机理等，试图将抽象的量化自我具体化、形象化，以期为后续研究及实践发展提供参考依据。

2 研究综述

2.1 量化自我的定义

量化自我（quantified self）一词由《连线》杂志主编凯文·凯利和技术专栏作家加里·沃尔夫于2007年提出，指的是“用户和工具制造商通过自我追踪来分享对自我认识的兴趣的一种协作”[15-16]。量化自我又被称为自我量化（self-quantification，self-quantifying），与之密切相关的概念有：个人信息学（personal informatics）、自我追踪（self-track‐ing）、自我监视（self-surveillance）、自我监控（selfmonitoring）、个人分析（personal analytics）、数字生活（living by numbers）或生活黑客（life hacking）、自动分析（auto-analytics）、生活记录（lifelog‐ging）等[3,9,17-19]。

目前，在量化自我的界定上已经开展了一系列尝试。维基百科[20]将量化自我定义为“通过技术进行自我跟踪的文化现象，也指用户群体和自我跟踪工具制造者感兴趣于‘通过数字进行自我认识’”。Swan[5]认为，量化自我通过获取数据来采取行动，是个人对自身生理、物理、行为以及环境等数据的追踪过程；其指出量化自我的概念起源于个人层面的自我追踪（self-tracking），目前已经逐步扩展到群体数据（group data）层面。Lupton[13,21]认为，量化自我是用户主动监测、记录有关生活相关特征数据的实践。Almalki等[18]将量化自我过程视为一种记录生活的方式，通过运用量化工具进行数据的收集和管理，并根据数据结果进行反思来调整健康状况和行为。Rooksby等[22]则认为，量化自我不应局限于个体视角，社群视角的量化自我更具普适性；其将量化自我的定义延伸到社群角度，认为量化自我是指集体进行数据追踪、共享、协调来改善提升群体健康的社会化、群体化活动。李东进等[23]梳理量化自我的定义，认为量化自我是在个体层面或群体层面追踪自我生理、物理、行为或环境方面的数据信息，旨在提升自我感知、自我意识或自我绩效等的过程。

2.2 量化自我流程的相关研究

大量的相关研究已经明确量化自我的阶段性特性，基于不同视角，其划分依据、划分结果也不尽相同，此外流程之间的内在机理也具有一定的差异性。例如，Li等[9]从信息系统角度将量化自我流程分为五个阶段：准备（preparation）、收集（collection）、集成（integration）、反思（refection）和行动（ac‐tion），阶段间的内在机理表现为连锁障碍（cascad‐ing barriers）、迭代（iterative）、基于用户驱动和基于系统驱动（user-drivenvs.system-driven）、单维度与多维度信息（uni-facetedvs.multi-faceted informa‐tion）；此外，Li等[12]还提出量化自我的关键阶段主要集中在保持（maintenance）和发现（discovery）阶段，两个阶段既具有一定的差异性（discrepancies）又存在相互过渡性（transitions between phases）。De Maeyer等[14]从自我寻优动机角度将量化自我流程分为目标设定、数据解读/反思以及数据反馈/指导三个过程，不同阶段存在互相影响、连锁障碍以及反复性等特征。Prochaska等[24]则从健康行为改变的视角认为思考前（precontemplation）、思考（contem‐plation）、准备（preparation）、行动（action）和维持（maintenance）是五个必备阶段，用户在此过程中不断提升自己进而实现目标。Rooksby等[22]认为以上划分方式过多侧重技术的核心作用，应该重视用户的体验，并提出追踪（tracking）、反思（refection）和行动（action）三个阶段。对比国际学者的研究成果，目前国内在这一领域还有较大空缺，只有部分学者提出特定阶段的重要性。例如，李东进等[23]在对已有研究梳理的基础上，发现量化自我过程的划分缺乏对数据反思与行动之后的维持阶段的关注，该阶段对于用户健康行为改变具有关键性作用，建议相关学者给予更多重视。

综上，已有对量化自我流程的划分多基于系统、数据周期等视角，缺乏从用户参与的角度进行划分，尤其是不同阶段中的关键信息行为和主要障碍还不清楚。基于此，本研究重点围绕用户参与的整个过程对量化自我进行详细划分，并梳理各个阶段关键行为表现。

3 研究设计

3.1 研究过程

研究过程主要分三个阶段。第一阶段，招募阶段。通过不同渠道发布招募公告，借助问卷调查获取用户的基本信息，经过筛选最终招募符合条件的被试15人。第二阶段，数据收集阶段。基于移动经验取样法，借助AWARE Client日志记录软件以及用户自主汇报两种数据收集形式，获取被试连续两周的日志数据以及个人汇报的结构化文本。第三阶段，事后访谈阶段。以非结构式访谈进一步获取量化自我过程中反映用户相关行为的访谈信息，作为补充性数据。具体研究过程如图1所示。

图1 研究过程

此外，为了激励参与者完成整个实验过程，充分获取完整的实验数据，本研究制定了激励规则，即任务完成度越高的用户，最终获得的回报越多。具体包括：完成初步筛选的用户，获赠小礼品；完成两周实验数据收集的用户，获得100元奖励；完成事后访谈的用户，再获得50元的经济回报。

3.2 实验对象

本研究以线上招募的方式开展实验用户的选取。招募条件是具有量化自我的经历（如饮食、减肥、体育活动、健康、睡眠）。招募被试的渠道主要有三种：第一，利用微信和QQ发布招募信息，共招募到9人；第二，通过“滚雪球”的方法，委托已经招募到的9位用户以推荐的方式，介绍身边符合实验条件的对象，共招募到6人；第三，借助2个热门的可穿戴设备在线社区（小米手环社区[25]、华为运动手环的“花粉俱乐部”社区[26]）以及2个移动应用健康追踪APP社区（Keep和柠檬），招募到6人。整个招募阶段历时1个月（2020年8月1日至2020年9月1日），去除6位之前仅仅试用后就放弃的用户，最终符合条件的被试共15人，基本信息如表1所示。其中，男性9人，女性6人。主要是集中在21～30岁的青年群体，招募结果与已有研究得出的量化自我重度参与者主要是20～30岁群体这一结论较为吻合[27]。在身份分布上，大多数是学生，还有健身教练、特警、教师等。在健康状况方面，大多数参与者健康状况良好。截至目前，参与量化自我持续时间大多在半年以上。量化自我类型以追踪运动、睡眠和饮食为主。然而需要说明的是，由于个人原因，其中3名被试（P6、P8、P14）没有完整地完成实验，但由于这3位被试均参与了整个实验的80%以上，因此，收集的相关数据也被本研究用于分析，剩余共有12名被试完成了整个实验。

表1 实验用户基本信息

3.3 数据获取

本研究主要利用移动经验取样法（mobile expe‐rience sampling method，mESM）作为主要的数据获取方式，事后访谈作为补充性数据。mESM可以借助移动应用或用户自主汇报的方式收集人们日常生活情境下自然发生的行为数据，已被广泛应用于用户行为的纵向研究领域[28]。基于此，mESM适用于追踪量化自我这一自然发生且长期进行的行为数据。目前，mESM软件可以安装在移动设备上，通过人为提醒或发放问卷的方式，获取用户主动汇报的数据或者基于服务器实时收集和跟踪数据[29]。因需要多次纵向数据收集，一般有5～10个被试即可获取充足的数据，且研究周期可以为5天至1个月，通常为1～2周[30]。因此，本研究被试共15人，实验时间为2周，符合mESM的使用标准。

本研究中被试参与量化自我使用的工具以移动终端应用程序和可穿戴设备为主。在使用移动终端应用程序的被试中，有10位愿意采用AWARE Cli‐ent日志记录软件，主要记录被试使用量化自我工具的类型、使用时间、频率以及使用时长。该软件的优点是不会记录个人隐私信息，用户可以通过设置选择想要收集的数据，随后数据会自动保持在移动手机中。因此，本研究培训这类被试在个人手机上安装AWARE Client，进行为期两周的实验时间，期间本研究不对用户进行任何干预，用户按照平时个人习惯使用手机即可。但是，尽管AWARE Client日志记录软件不涉及个人隐私的数据收集，仍有部分用户表示并不愿意接受使用，其中有5位被试（P2、P5、P7、P12、P15）的日志数据没有被获取。此外，实验过程中，所有被试均需要根据实验问题汇报相关数据，这个过程允许他们通过微信或QQ自主向研究者汇报数据。因此，在mESM过程中，数据以AWARE Client记录以及用户主动汇报两种方式并行收集。

整个数据收集采用时间段抽样的方法，实验开始的前两天主要在早上9点和晚上9点发送问题提醒，但发现被试汇报并不积极，为了能够真实获取被试量化自我时的详细行为、体验等数据，根据前两日的AWARE Client日志数据，发现被试活跃时间主要集中在早晨（7:00—9:00）和晚上（17:00—20:00），分布如图2所示。因此，实验员之后选择在这两个时间段发送提醒和相应的问题，被试汇报较为积极。其中，在数据收集过程中需要用户回答的问题主要有：①此次（当天）关注了什么追踪/量化/记录内容？使用工具是什么？②此次（当天）关注/使用的原因是什么？您是如何关注/使用/操作的？是否存在困难？请简单描述。③您如何理解此次（当天）追踪/量化/记录的结果？根据自己的理解发表观点。最终，此阶段获取数据有AWARE日志记录数据及被试主动汇报的结构化文本数据。

图2 量化自我用户活跃时间分布

事后访谈作为补充性知识的一种常见的辅助研究手段，常用于支持ESM的后续具体情境与问题研究的数据获取[30-31]。因此，在mESM实验结束后的第3天，为深入探析用户量化自我全过程，进一步对每位用户进行事后访谈，主要就用户对量化自我过程的理解、困难、感受、认识和建议等主题开展非结构式访谈，围绕“参与量化自我的动机是什么”“如何参与量化自我”以及“参与量自我学到了什么”三个主要问题展开，具体访谈内容如表2所示。首先，要求访谈对象携带量化自我工具，并简单描述或演示一般用法；然后开始访谈，整个过程持续约30分钟；最终获取访谈资料12份。

表2 事后访谈的主要问题

3.4 数据分析

本研究获取的数据主要有三个来源，分别是10位被试的AWARE Client日志记录数据、15位被试主动汇报的结构化文本数据以及12位被试的事后访谈录音数据。本研究对日志记录进行统计描述，将汇报数据以及访谈录音通过人工方式进行翻译和转录为文字，翻译过程中尽力保证原始语句或者相关细节数据原意不变。为了完整、有序地整理相关数据，根据第3节的研究问题，借助NVivo 12将涉及的不同类型进行信息存储和管理，对与本研究问题相关的有意义词句进行推断和归纳，找出准确的主题，形成一个最终分析框架。此外，本研究安排了另一位分析员对相关数据进行分析，以保证分析框架和编码的有效性。同时，在第一轮编码中发现，被试量化自我行为表现较为分散，为了突出主要行为，在正式分析归纳时，仅考虑出现频次在2以上的主题。

4 研究结果和讨论

4.1 参与流程

通过AWARE Client软件可以获取用户使用的量化自我工具、使用时间和频率，此外，结合用户汇报数据以及事后访谈，进一步整理量化自我参与流程。不同于以往侧重从信息系统角度的划分[9,14]，本研究强调以用户为中心，重点探索用户参与视角下量化自我的流程。经过第一轮编码，发现被试的相关数据蕴含着量化自我参与的“开始-过程-结果”逻辑特点。例如，P1、P7等被试汇报了“最近开始”“刚开始”“近期”等时间状态的数据，表明被试正处于量化自我参与的初期开始状态；同时，P2、P8等被试汇报了“一直”“持续”“坚持”等时间状态的数据，与量化自我持续参与的过程状态密切相关；此外，P3、P5等被试还汇报了“作用”“效果”等状态的数据，与量化自我参与结果是否发挥作用密切相关，具体如图3所示。

图3 不同被试对应的不同状态分布

由图3可见，第1个圈中的用户主要是量化自我参与不足3个月的被试，第2个圈中的用户主要以持续参与6个月以上的被试为主，第3个圈中的用户在参与量化自我时间上没有突出特征，可以发生在量化自我开始后的任何阶段。本研究将这三个状态命名为量化自我参与流程的三个阶段，即“初始阶段”“保持阶段”以及“发现阶段”。接下来开始第二轮编码，主要围绕每个阶段中用户的关键信息行为和可能面临的主要障碍进行细微的梳理与归纳，试图从较为微观的角度深入剖析量化自我的全过程。

4.1.1 初始阶段

通过对涉及初始阶段的数据进行编码和分析后，发现那些参与时间不足3个月的被试（如P1、P4）往往表现出不熟悉或反复间断参与的状态。经过归纳分析后发现，此阶段用户参与的核心表现是工具如何选择、追踪内容如何保证更有用以及量化自我目标如何发现等，用户面临的主要障碍也密切围绕这些行为出现。该阶段的关键信息行为和主要障碍如表3所示。

表3 初始阶段的关键信息行为和主要障碍

初始阶段是量化自我的尝试阶段，本阶段涉及的关键信息行为主要在于确定量化自我工具、内容及目标，主要障碍有工具选择困难和信息过载。该阶段中用户进行量化自我的工具主要是可穿戴设备和移动终端应用程序，且用户往往同时使用多个工具。例如，根据AWARE Client软件获取的有关P1日志数据，发现一天中该被试多次使用华为运动健康、悦动圈以及Keep三款不同的APP，具体情况如图4所示。用户存在障碍是相关工具是否易用、个人隐私安全是否可以保障，如何确定正确工具是当前的主要顾虑。如P4认为，“市面上追踪、量化的工具众多，有的操作简单，有的较为复杂，同时你会发现只要你打开相关应用就涉及自己的数据被采集，这些工具根据你的数据提供建议，那么问题来了，当我的个人数据被分析时，如何保证不会存在隐私泄露是我比较关心的”。

图4 一天内量化自我工具使用个例（P6）

量化自我的内容主要与运动锻炼、睡眠、步数、体重、饮食等有关。目前，量化自我工具可以实现多项内容的追踪，但用户表明记录哪些数据可能真正在对个人健康发挥作用还不明确，表现出信息过载的障碍。因为想要记录一项健康状态涉及的健康指标是非常多的，例如，记录睡眠可能包含心率、血氧、脉搏、呼吸等多个指标，用户应该选择去追踪哪些指标对个人来说似乎还存在难度。正如P12所言，“想要清楚了解健康太难了，没有人会告诉你到底追踪哪些内容会真正有作用，为了了解更多，我只能尽可能地多收集一些数据，结果你会发现要追踪记录的项目太多了”。

此外，目标作为初始阶段的重要事件，在借助工具开始量化、追踪时需要明确。量化自我是一个典型的目标设定活动，只有设定好目标，整个量化自我过程才能更有意义[32]。目前，多数工具在使用时提醒用户需要先设定好目标，然后在用户使用过程中系统会根据用户目标以及日常数据收集结果，定期提供反馈建议，协助用户实现目标。研究发现用户主要目标有指导睡眠、合理饮食、减脂、减重、增肌、监测身体指标等，进行量化的目标主要以个人日常健康管理相关。可能是由于工具已经提供了相应目标的选择，本研究在对相关数据编码和分析中没有发现被试表现出目标选择的相关障碍。

4.1.2 保持阶段

通过对涉及保持阶段的数据进行编码和分析，本研究发现持续参与6个月以上的被试（如P8、P9）表现为可以熟练进行量化自我并开始对量化自我工具产生依从。该阶段的关键信息行为是用户持续性地查看每天量化自我的结果、收集要追踪的数据以及分享个人量化自我数据，相关障碍同样伴随这些行为出现。该阶段的关键信息行为和主要障碍如表4所示。

表4 保持阶段的关键信息行为和主要障碍

数据查看主要是用户需要在定期（每分、每时、每天等）查看追踪和量化的结果，用于检测和判断个人追踪的运动、睡眠、饮食等数值是否达标，这一要素成为保持阶段中的必要状态，常常需要反复持续执行。此状态中，用户表示个人障碍有系统提醒不及时，即当数据没有被正常监测、量化结果与目标之间有差距或追踪错误时，系统没有及时地进行提醒，如P2提到，“我经常在睡觉时忘记打开睡眠监测，而我的手环并没有及时提醒我，往往导致我的记录是不连续的、间断的结果”。同时，还存在系统的不稳定性，P2、P9等多位被试提到，“小米手环的系统似乎不太稳定，在使用时容易出现故障，经常闪退、黑屏，要很久才可以重启使用”。此外，用户认为当前量化自我可视化结果较为分散，表现为量化自我工具呈现的可视化结果往往是单一指标单独出现，系统没有实现对所有量化自我内容的整合，导致量化自我数据结果较为零散。如P11提到，“每次运动后，在Keep里可以看到里程、运动轨迹、配速、步频、步幅、海拔等各类对运动过程的记录，但是你会发现每类数据都是单独呈现的，我看不出相互关系，要是可以将分散的可视化结果整合在一起，可能更能反映真实的运动情况”。

数据收集有主动和被动两种形式，前者以手动化输入为主，如饮食记录；后者基于系统驱动，是目前数据收集的主要方式。该行为决定了量化结果数据的准确性，关乎用户对量化自我作用的理解。用户想要追踪、记录内容时，均需自行打开设备或手动记录，在参与量化自我过程中，这同样是一个持续反复的状态。目前，用户存在障碍有系统限定了收集数据的类型，用户无法自定义来选择追踪内容，如P9所言，“咕咚已经限定了我在跑步时可以追踪的项目，我没有权利自行选择，比如，我很想记录快跑和慢跑时对应的卡路里消耗，但咕咚只会告诉你总的卡路里消耗”。同时，在手动化记录数据时，往往没有参考标准，非专业用户很难衡量具体维度，如P8提到，“我一直都在减肥，所以我要严格记录自己每天摄入多少食物，但是我发现自己很难衡量每餐吃了多少克，薄荷里也没有相应的参照标准，所以只能粗略记录，导致卡路里经常超标”。此外，正是因为两种数据收集方式的差异，有些用户对结果表示怀疑，如P15认为，“有的数据是自动化采集，有的需要手动输入，我觉得这很麻烦，比如，我想同时记录饮食和运动，那么饮食和运动的两款软件对应的两种数据能不能衡量我的减重过程，其结果真实性不明”。因此，如何平衡两种数据收集方式值得关注。

数据分享体现在用户可以将量化自我结果以及过程中的经验等信息分享在在线社区中，在用户持续参与量化自我过程中，是部分用户自我反思的一种方式。数据分享是用户反思、认知自我的途径，也为他人进行对比、获取经验提供了参考[33]。如P11提到，“悦跑圈APP可以在自己专属的社交平台与跑友交流，我可以每天打卡自己的跑步情况，也可以分享自己的心得体会，还可以和跑友交流来结交很多志趣相投的朋友”。研究发现，数据分享不仅是记录自己成果的一种方式，也有利于激励个人持续性地参与量化自我，具有社会性的反馈更有利于促进用户持续使用系统[10]。通过编码和分析后，用户表现出较大担忧的是个人隐私的量化自我数据是否受到保护以及数据最终使用权的归属问题。如P11提到，“我把自己的量化自我数据分享出来，这些数据会不会泄露，或者他人通过运动轨迹定位到我的位置，会不会影响我的生活，据我了解好像还没有这方面的政策保护”；P13疑惑的是，“我很好奇我一直记录的数据是属于我个人还是社会，会不会被非法占用”。

4.1.3 发现阶段

通过对发现阶段的数据进行编码和分析，发现大多用户都表示需要参与较长时间后，才可以逐渐意识到量化自我的真正效用，如P3表示，“我可以明确了解我的量化自我过程，以及不同数据之间的内在机理”。但本研究也发现，部分用户可能并没有经历较长时间而因为某些理由中断参与，如P5用户表示，“我觉得量化自我只是记录生活，对我的健康没有帮助，于是在快一年的时候选择放弃参与”。因此，尽管此阶段存在一定的时间性特征，但不同用户认知差异导致此阶段可能是长期行为也可能是短期状态，具体时间无法清晰界定，因此，本研究不做具体时间特征上的限定。通过编码后此阶段的核心表现是用户需要对量化自我的数据结果进行比较、反思、解释，但是在比较、反思、解释的过程中也引发了一系列障碍，具体如表5所示。

表5 发现阶段的关键信息行为和主要障碍

数据比较是试图从长期记录的数据中发现关系和内在影响等，进而获取自我知识，协助健康行为改变或维持[34]。用户往往同时追踪多项数据，不同数据反映不同的健康指标，为了了解自己的健康状况，需要将不同的数据进行比较来发现内在联系，目前似乎还很难通过单个指标确定身体状态的健康标准，只有多项数据都符合标准往往才具有说服力。但是，用户认为数据之间存在的复杂联系，很难通过简单比较来发现其蕴含的价值和意义，更无法像专家、医生一样清晰地分析数据之间的联系以及推测其反映了什么问题，如通过记录血氧饱和度、心率以及睡眠质量，普通用户无法分析三者之间的真正联系。正如P6所认为的，“我很难理解我的血氧饱和度、心率以及睡眠质量之间是否具有内在联系，到底血氧饱和度、心率对睡眠质量是否具有影响我完全不明白”。

此外，用户通过对量化自我数据结果进行自我反思，以进一步认识个人健康状况是否改进。已有学者认为，量化自我是一个自我追踪、自我反思进而获取自我知识的过程[11]。编码分析时发现，由于个体认知和健康信息素养差异，用户自我反思并不顺利，多数用户表示在进行自我反思时，往往依赖于系统反馈的结果和建议，但其准确性往往并不可信。如P9发现，“我的运动显示比上周提升了7%，系统提示我运动量远远不足，但本周运动频率明显少了很多，却又提示我运动量良好，这明显是异常的系统反馈，没有参考价值，导致我不知道自己运动量够不够”；P1也发现，“当我睡眠状态很好时，我的手环评估我的睡眠质量很差，但是当我发现自己没睡好时，却告诉我睡眠质量很好，所以有时候系统反馈似乎也并不准确”。

数据解读是借助数据来解释个人行为状态。已有学者认为，量化自我结果数据隐含用户的行为表现，只有真正理解数据，才能够解释自身行为[35]。但用户表示这并不简单，例如，P10想通过跟踪自己的血氧饱和度来弄清楚如何合理运动，但如何解释异常艰难，他提到，“血氧饱和度需要大于等于95，但是多1%和少1%时系统的区别感知不强，无法理解结果，需要自己上网去查找相关解读，解读也很难，这导致我无法解释自己的运动是否合理、标准”。尤其是当用户使用不同工具进行量化自我时，不同工具可能收集数据的标准不同，那么对于不同系统数据如何实现兼容、整合成为用户实现数据解释的前提。如P6认为，“我在使用手环和Keep时，往往数据记录出现偏差，我不知道哪一个更可信，希望未来不同系统的数据可以有效兼容”；P9也提到，“我有两个手环，是华为的不同版本，我经常发现两个版本的手环记录的睡眠数据是不一样的，我都不知道该如何通过这些解释自己的睡眠好不好”。

4.2 内在机理

在对用户参与量化自我流程划分后，发现不同阶段之间存在内在的联系。下文将继续编码和归纳，挖掘用户参与量化自我流程之间的内在机理，主要从递进、迭代和重叠三个视角进行阐释。

4.2.1 递进

量化自我参与流程的阶段之间表现出明显的递进关系，体现在各阶段之间由浅入深的逻辑关系，且前一阶段相关因素会影响后一阶段。例如，在初始阶段确定量化自我工具和内容是保持阶段中数据查看、输入和分享的前提，而保持阶段中认真严谨的数据查看、收集和分享，能够更好地促进发现阶段中用户对数据的比较、反思和解释。反之，如果初始阶段没有使用正确的工具，导致保持阶段收集到不准确的数据，那么发现阶段的反思、理解也是没有依据的。已有研究发现，量化自我阶段之间存在连锁障碍，即早期出现的问题会影响下一阶段[9]，这也是递进关系的表现形式之一。例如，P11在对整个量化自我过程的回忆中发现，“最初使用薄荷记录饮食是因为朋友推荐，但由于没有明确的目标，个人对饮食数据的记录没有连续性，数据记录是间断的，使得数据反思和理解较为困难，导致在1年时间里个人行为没有显著变化”。递进关系表明，想要实现量化自我最终效用需要充分重视各阶段的行为、体验和影响，把握整体性。目前，没有任何工具可以回到过去收集数据，明确初始阶段的动机、目标、工具和内容是前提。当然，如果数据采集不当，那么无论在保持阶段多么关注数据，也不足以支持合理反思，这不仅浪费时间，而且即时后期更换量化工具，也常常无法将不同工具的数据整合、统一[12,36]。

4.2.2 迭 代

量化自我参与流程的阶段之间表现出迭代关系。迭代来源于系统动力学，主要表示重复反馈的过程，每一次对过程的重复即为一次迭代，每一次迭代的结果作为下一次开始的初始值，系统需要进行反复更新迭代来满足用户动态变化的需求[37]。量化自我的阶段也具有迭代性，原因是用户在各个阶段都有可能产生新的认识、观点和体验，往往需要进行重复反馈的活动，通过改进来逼近目标或结果。

迭代关系可以发生在同一阶段内部的迭代，也可以是整个阶段的迭代。如初始阶段中，用户发现不同工具的功能性差异，为了更好地追踪数据，可能会同时在几个工具之间切换，进行重复的准备，就像P7提到的，“我一直纠结使用记事本还是美柚APP，哪个能更准确地记录生理周期”（初始阶段-初始阶段）。有的用户在查看数据时，发现其他量化自我工具的功能性体验更好，往往会改变之前使用的工具，开始新的量化自我活动。如P9表示，“试用Keep后，发现界面数据分析多，报里程数清晰悦耳，我放弃了悦动圈”（保持阶段-初始阶段）。也有用户表示已追踪的指标并不能反映健康状况，所以选择改变最初追踪的内容。如P8汇报的多次结果中提到，“一直以来，华为手表反映的血氧饱和度数值难以理解，此项功能感知性不强，我觉得可能关注心率、追踪心率更能反映我的日常活动状况”（发现阶段-初始阶段）。因此，用户在量化自我的过程中，反复进行“发现问题-解决问题”的迭代，迭代的过程可以更好地实现用户的自我认知、自我提升，最终通过不断改进来实现优化的效用结果。

4.2.3 重 叠

量化自我参与的不同阶段之间具有重叠性特性，表现在用户可能不属于一个特定阶段，还可能处于几个阶段状态中。访谈中发现，被试往往不会停留在一个阶段，相反，他们往往同时处于几个阶段中。如P8提到，在最初追踪步数时，决定使用微信运动记录步数指标，但很快通过对记录步数的数据反思发现没有促进个人健康。于是，开始改变工具和追踪内容，进行新一轮的量化自我。该被试反复切换于准备和发现阶段。几乎所有的被试都提到自己曾在不同阶段之间切换，如P2表示，“我花高价购买了苹果手表，希望通过记录睡眠改变睡眠质量，但是使用1个月后，我发现我的睡眠质量没有改善，我反思这段时间的睡眠数据，无论我睡得怎么样，好像数据都没有大的变化，于是我放弃了”。P5提到，“在持续使用悦动圈半年后，我发现运动数据结果越来越好，自己越来越热爱跑步，感觉自己一直被督促着运动，有种被监督的感觉，可以避免自己偷懒”。因此，重叠性是量化自我不同阶段表现出的又一显著特征。

综上，本研究通过对日志记录数据、被试主动汇报的结构化文本数据以及事后访谈数据进行编码、归纳和分析，构建了量化自我用户参与流程及内在机理的模型（图5）。

图5 量化自我用户参与流程及内在机理模型

5 总结

量化自我对于指导个人健康管理具有重要作用，但目前基于用户参与视角的量化自我流程以及内在机理还不清晰。基于此，本研究通过移动经验取样法和事后访谈，获取用户为期两周的纵向数据和访谈文本，深入剖析、挖掘用户量化自我详细流程。研究结果发现，用户参与视角的量化自我流程被划分为初始、保持和发现三个阶段，各阶段关键信息行为和主要障碍各有不同。此外，量化自我参与流程的各阶段之间存在递进、迭代以及重叠的内在机理。

本研究具有一定的理论贡献：从用户参与的视角将量化自我划分为初始、保持和发现三个重要阶段，详细归纳了各个阶段的关键信息行为和主要障碍，丰富了从不同阶段视角对量化自我开展研究的内容。此外，进一步分析发现了量化自我不同阶段之间具有递进、迭代以及重叠的内在机理，可以为量化自我相关研究提供较为微观的研究视角。同时，本研究的实践意义在于，可以为相关服务机构和组织从用户角度详细了解和认识量化自我，进而推动量化自我指导健康管理实践发展提供参考。首先，递进性机理揭示了量化自我相关服务不能只关注单个阶段的体验，需要对整体进行把握和监控，明确用户全过程需求、障碍和体验，最终创建整体的、全面的量化自我系统。其次，迭代性呼吁需要对系统的交互设计给予更多重视。相关研究需要优先明确用户需求的动态性，系统应具有灵活性和及时性，以响应用户不断变化的需求。最后，重叠性机理表明相关服务应该重视不同阶段中用户需求的差异和共性，当用户横跨几个阶段或者进行不同阶段切换时，应该重点把握提供不同阶段的个性化服务，从而帮助用户更好地执行量化自我。

虽然本研究利用移动经验取样法获取了大量具有时间序列特征的用户数据，但相关数据的获取主要基于被试的自主汇报，可能存在由人为误差导致的收集数据与真实数据之间的偏差。因此，想要全面、真实地挖掘具体细节行为，在未来可以尝试结合录屏、眼动仪的方法，探索更切合真实场景的用户信息行为。