大学生抑郁监测智能服装的用户调研及分析

余雨声，彭玉元，徐斯琦

大学生抑郁监测智能服装的用户调研及分析

余雨声，彭玉元*，徐斯琦

（桂林电子科技大学 艺术与设计学院，广西 桂林 541004）

以健康监测类智能服装为研究基础，针对抑郁发生率较高的大学生群体进行调研分析，通过访谈及文献收集整理，提出面向大学生抑郁情绪监测智能服装的结构方程模型，使用SPSS24与AMOS软件对收集的数据进行校准与分析，依据分析结果，总结出针对抑郁监测智能服装的功能、感官、情感、交互、安全和信度等多维度的设计策略。

智能服装；结构方程模型；抑郁情绪监测

抑郁是一种常见的心境障碍，而大学生处于人生的关键阶段，更容易受到抑郁情绪的侵扰。多项调查研究表明大学生抑郁症患病率已超过了普通群体，且呈现出明显上升态势。[1-3]在可穿戴设备的高速发展下，智能服装是综合服装工程、材料科学、数据可视化、传感技术等多门学科而设计出来的新型服装，可实现实时采集心率、脉搏、体温等多种人体数据，并通过应用程序将数据可视化反馈，从而满足用户的各类需求。智能服装具备便携、舒适、实时反馈等多种特点，其在医疗健康领域已产生一定影响，也为抑郁症的防治工作提供了新方向。

根据国内外的文献分析，各方面因素的限制导致智能服装的研究设计相对较少，大多数使用智能手环、手表及其他可穿戴设备。上世纪60年代，阿波罗计划就利用动态心电图监测了解宇航员的身体状况。[4]瑞典某开发商推出了一款针对成年抑郁患者的头戴可穿戴设备，与应用程序配合使用能够大幅度降低药物副作用。美国旧金山某公司也设计了一款能够调节用户情绪的智能健康胸贴。浙江大学设计并实现了一款可穿戴式动态心电实时监测终端，将采集的传感器数据发送到云服务器，可以对动态心电信号实时采集、分析与报警。[5]Sens Echo随行生理监护系统结合智能终端、无线信号传输及中央系统，实现了对400多例患者进行睡眠分析、心脏健康监测等临床研究。[6]目前来看国内外研究重点还是针对生理健康方面的可穿戴设备，智能服装的研究尤其是在心理健康方面仍然面临着众多阻碍。

1 研究假设

1.1 指标选取

1.1.1 信息可信度（Information credibility）

信息可信度指人体数据通过可穿戴媒介反馈的数据与APP传达出信息的有效程度，人体信息的数据化、自动化、可视化使其从医学垄断中解放出来。[7]健康监测的智能服装首先需要正确地获取人体数据并进行反馈，通过蓝牙传输到网页或APP，运用可视化手段给用户呈现出来。用户在了解自身数据后可以通过APP联系医生进行咨询、挂号、治疗，还可学习相关抑郁症专业知识、缓解压抑情绪、进行娱乐消遣。但在得到互联网高速、快捷的便利同时，网络上的信息鱼龙混杂，用户在接受信息时时常无法甄别真伪，所以专业性、时效性、权威性尤为重要。

1.1.2 信息安全性（Information security）

目前国内外的可穿戴设备研究工作主要侧重于设计与研发，对于信息安全隐私方面并没有监管与重视，更没有相关网络安全技术标准。而可穿戴设备高度依赖的IOS以及Android系统漏洞很容易造成隐私数据泄露，市面上多个可穿戴设备在传感器数据、用户交互数据、设备内部数据等多个方面都存在安全隐患。[8-11]未来的可穿戴设备将延伸数据的空间范围与时间广度，但存在的安全隐患尤其是针对用户健康状况的数据泄露很容易导致诈骗、歧视等多种威胁。所以智能服装在使用过程中不仅要保障数据信息的安全，也应该相应提高用户的安全隐私意识。

1.1.3 信息交互性（Information interaction）

交互技术是人体与服装进行沟通、回应的主要途径，也可称为人衣交互。[12]智能服装同时具有感知和反应双重功能，将模糊的身体特征利用具象的服装传输并可视化，根据人体需求或环境条件的限定，做出相应的反馈和行为，与穿戴者产生活动、情感、认知等多种交互。智能服装通过智能交互的理念和方式对应起来, 运用应用程序创建服装设计与交互设计间相互映射的关系，使设计要素空间与感性意向空间之间达到某种内在的联系。[13]在此基础之上，智能服装身体数据监测的过程中，特别是针对心理情绪用户，通过应用程序可以进行去中心化活动参与，记录自身情绪，并且与其他用户分享自己的经验、感悟、生活等。

1.1.4 功能维度（Functional dimension）

目前智能服装被应用于生活娱乐、运动健康、医疗监测、特殊装备等多种领域。为用户提供健康辅助是身体数据监测类的智能服装设计初衷，精确、便捷的数据是使用的基础，易用性、功能化和高性能是智能服装的发展方向，而提高模块的集成程度、数据处理速度、操作运行稳定是智能服装发展的未来趋势。[14]在设计满足高功能、高性能的基础上，智能服装的美观性、个性化也是吸引用户的一大关键，美观设计提升用户审美上的需求意愿，个性设计提高用户在产品交互上的参与度，趣味设计能够提升用户的认知、情感态度。

1.1.5 感官维度（Sensory dimension）

智能服装的本体是服装，首先满足服装设计的客观功能，其次还要满足用户的心理、情感等主观需求。进行以人为本的工效学设计是需要重点关注和解决的问题。服装的视觉设计、舒适程度、传感器与人体皮肤接触的感觉性及服用安全性等方面都尤为重要。[15]除服装本体外，以软件系统和互联网平台为基础的应用程序也需要满足用户感官需求，设计并不只是满足表面的视觉美, 其目的是视觉、触觉、听觉多方面的美感。[16]清晰的文字、合理的色彩、合适的图形、流畅的交互过程也是满足感官需求的基础。

1.2 模型假设

结构方程模型是一种多元统计模型，能同时探讨多个变量关系，允许变量存在测量误差，并能估计出整个模型的拟合度。针对上述分析指标提出假设并构建结构方程模型如下：

H1：信息可信度对智能服装功能维度有正向影响

H2：信息交互性对智能服装功能维度有正向影响

H3：信息安全性对智能服装功能维度有正向影响

H4：信息可信度对智能服装感官维度有正向影响

H5：信息交互性对智能服装感官维度有正向影响

H6：信息安全性对智能服装感官维度有正向影响

H7：功能维度对智能服装感官维度有正向影响

H8：功能维度对智能服装认知态度有正向影响

H9：感官维度对智能服装认知态度有正向影响

H10：认知态度对智能服装情感态度有正向影响

基于以上假设，构建理论研究模型如图1所示：

图1 大学生抑郁情绪监测智能服装设计要素研究模型

2 实证研究

2.1 问卷调研及分析

本调查问卷由两部分组成：第一部分是调查对象的基本情况；第二部分是采用自编量表，提出假设变量的度量指标均借鉴国内外文献中常用的潜在变量测量问题项作为理论基础，再参考生理监测类智能服装与可穿戴设备对测量问题进行修改。通过求同存异的方式整合文献中对同意变量差异化的描述。问卷采用李克特五级量表设计，1表示“非常不同意”，5表示“非常同意”。问卷完成后进行小规模的预调查，根据调查对象反馈对问卷进行进一步修改。最终问卷包含7个因子，27个测度项。

调研针对高校学生及学生家长、朋友等，使用问卷星制定问卷，主要通过网络发布与高校学生抽样调查。发放问卷共341份，去除不符合要求的问卷，最终有效问卷336份（有效率98.53%）。有研究表明五到七个左右潜变量，最小问卷样本量为300，[17]故本次问卷数量基本满足要求。问卷被调查对象性别的平均值在1.49，标准差在0.50；年级的平均值在3.53，标准差在1.59。其中性别调查结果男性比例为50.9%，女性比例为49.1%，男性与女性比例分布均匀，年级调查具有针对性，86%以上为高校学生与监护人，年级分布平均。根据各个变量的频率分析结果可以看出，分布基本满足抽样调查的要求。

2.2 信效度分析

信度（reliability）表示问卷或量表测量结果的可靠性，可靠性越高的问卷或量表，越不受时间、地点等的影响，用其进行检测得到的结果也较为稳定。效度（validity）指问卷或量表的准确性，衡量问卷或量表能否把要测量的目标真正地检测出来。效度分析时具体考察每个题项的能效性，即每个题项对于量表而言是否发挥了重要作用。首先通过计算量表的Cronbach’s Alpha系数的数值来检验量表的内部一致性即信度。在本问卷的信度分析中，七个因子分别为功能维度、感官维度、信息可信度、信息交互性、认知态度和情感态度，信度都在0.7以上，并且总体信度达到0.948（见表1）说明本问卷结果信度较好。其次是效度检验。选用SPSS探索性因子分析考察量表效度如表2所示。根据探索性因子分析的结果可以看出，KMO检验的系数结果为0.959，KMO检验的系数取值范围在0-1之间。根据球形检验的显著性也可以看出，本次检验的显著性无限接近于0。拒绝原假设。所以问卷具有良好的效度。

表1 信度检验结果

2.3 结构模型检验

测量模型拟合度影响调查结果的准确度，因此有必要对模型的拟合情况进行分析验证。通过将数据导入AMOS中进行分析，得出模型拟合结果如表3所示。根据与结构方程模型的适配指标推荐值对比，各个适配指数GFI、NFI、IFI、CFI等指标均在推荐值范围内，故本理论模型的设定是可接受的。

表2 效度检验结果

表3 结构方程模型适配度检验

2.4 假设检验结果

潜变量之间的结构关系及其标准化的估计值、T值和假设检验结果等如表4所示。其中信息可信度对感官维度的显著正向影响、信息安全性对感官维度的显著正向影响没有通过检验，其他假设都通过验证。

表4 结构方程模型假设检验结果

3 研究结果对智能服装设计的启示

3.1 研究结果

（1）本研究以智能服装为基础，旨在深入调研大学生抑郁群体对于可智能服装的需求，希望通过可穿戴设备为大学生抑郁者提供一定帮助。通过智能服装的使用流程结合文献调查法构建结构方程模型，调整后得到具有21个题项7个维度的量表，分别从信息可信度、信息交互性、信息安全性、功能维度、感官维度、认知态度、情感态度为切入点探索设计策略。

（2）在问卷星发放问卷并获取336份有效数据，使用SPSS、AMOS对数据进行分析，经过信效度分析、相关性分析、拟合度检验等，问卷数据均通过检验，能够满足研究的基本要求，具有一定的价值和意义。

（3）根据各个维度的研究发现，功能与感官都是显著正向影响用户对智能服装的认知态度，而认知态度显著正向影响用户的情感态度。对于各维度的潜变量题项研究发现，信息可信度对于智能服装的功能维度的重要程度最高，其次是信息交互性、信息安全性对于功能维度的影响，信息可信度、安全性对于感官维度都不存在显著影响。虽然功能和感官都会正向影响到用户使用智能服装的认知态度、情感态度，但当下更重视的是产品的功能性。

3.2 设计策略

根据以上研究数据及讨论结果，总结出面向大学生抑郁情绪监测智能服装的五点设计策略：

3.2.1 实用、易用性

实用与易操作是智能设备的必然趋势，尤其是面向抑郁者使用的智能服装，必须能够简单直观的为用户提供帮助。在智能服装设计中，选取合适的传感器位置，保证无线通信传输，做出正向反馈，帮助用户调节情绪。在应用程序上采用模块化设计，配备自我测评、数据可视化、远程医疗、线上交流、行为预警等功能，降低用户的使用压力，合理的通过视觉、听觉提供自然性的交互过程。

3.2.2 可靠、安全性

智能服装的身体机能监测重点在于数据的可靠、及时与安全。首先是保证传感器的基本功能，在此基础上还要保护用户的个人隐私。对于抑郁患者，如果产生了信息泄露，很容易造成情绪大幅波动、社会歧视增加、人际关系紧张等问题。应当在设计过程中设置指纹、面容、手势解锁等；用户信息可设置隐藏、定期或授权删除；医生、监护人等获取身体数据时需要得到用户的同意；抑郁患者还可能存在病耻心理，对此也可以设置匿名交流。

3.2.3 美观、舒适性

时尚美观的服装设计能够提升消费者的使用意愿与情感态度，智能服装在满足功能需求的前提下，应当考虑服装的舒适度、色彩款式的设计感。需要接受人体信息的智能服装应该满足紧身、透气、排汗、柔软多种因素，选取舒适、透气、安全环保的贴身面料；同时考虑人体行动时的肌肉活动，可以参考运动内衣、专业运动服款式设计。颜色可以影响人的思想和行为，并引起一系列的反应，与观者产生一种潜意识的信息。[18]在APP设计中，颜色选取针对用户的偏好设定，使人放松、愉快；其次在版面设计上避免复杂化、病态化；元素运用上考虑扁平、圆润化。文字排列根据具体要求，调节大小、突出重点等，帮助用户获取有价值的信息。

3.2.4 积极、愉悦感

抑郁症属于心境障碍，不仅需要药物治疗，也要能够在情绪低沉时通过产品缓解自身压力，积极向上的设计能够给用户带来潜移默化的影响。适当加入音乐治疗、色彩干预等艺术治疗，如中医五行音乐利用相生相克和五音关系进行辨证施乐，从而改善抑郁情绪。[19]合理的色彩设计能够在心理和生理上产生积极影响，如绿色处于冷暖色调分界点，可以使中枢神经系统放松、缓和；蓝色使人联想到海水、蓝天，达到镇定情绪的效果。色彩明度，相近色系或同色系搭配可以缓解焦虑等。[20]

3.2.5 交互、个性化。

款式、界面设计都是处于表面视觉维度的设计，而交互设计是作为行为层次的情感化设计。触摸、输入、加载都是交互设计，合理的设计能够提升用户体验，建立良好的渠道。处于抑郁情绪的用户需要便利、流畅的互动过程，包括在加载失败等缺省页面时也应该给予用户安全、稳定的情感反馈，缓解等待过程中产生的负面情绪。而根据不同用户的差异性，APP可以参考数据提供相应的个性化反馈，如音乐治疗，大数据推送符合要求的推文，志同道合的交流对象，增强用户与产品之间的沟通，提高参与度。

4 结语

在智能科技时代的高速发展下，身体更像是一种传播数据的媒介，将我们健康、思维、情绪传播出去，与此同时越来越多的人的情绪得不到合理的管理与释放。本文将智能服装健康监测功能应用到抑郁情绪的防治工作中，一定程度上提升了智能服装的理论研究。并且通过结构方程模型的调研分析，考虑到设计中的复杂性与多元性。设计者可以更好的全面了解影响用户体验的设计要素，抓住设计重点，做到以人为本的服务设计。

但本研究仍然存在一定的局限性，一方面，由于抑郁症患者的特殊性，为照顾调研对象的心理状态，笔者将调研范围扩大到大学生及大学生家庭、朋友群体，样本量不够精确，样本数据中存在部分没有抑郁情绪的调研对象，导致调研结果有一定偏差。另一方面，智能服装还处于实验研究阶段，面临的挑战众多，目前提出的理论策略，未来还需深入进行多学科、多领域的研究，才能真正满足用户需求。

[1] 王蜜源, 刘佳, 吴鑫, 等. 近十年中国大学生抑郁症患病率的Meta分析[J]. 海南医学院学报, 2020, 26(09): 686-693+699.

[2] 刘爱楼, 刘贤敏. 基于潜变量混合增长模型的大学生抑郁情绪的发展轨迹：3年追踪研究[J].中国临床心理学杂志, 2020, 28(01): 71-75+118.

[3] 叶磊, 尹海国, 刘剑华. 陕西某高校大学生抑郁症的调查研究[J]. 教育现代化, 2016, 3(25): 189-191.

[4] 麻琛彬, 徐浩然, 李德玉, 等. 穿戴式生理参数监测及其临床应用研究进展[J]. 生物医学工程学杂志, 2021, 38(03): 583-593.

[5] 汤明. 基于物联网的可穿戴式动态心电实时监测终端设计与实现[D]. 杭州：浙江大学, 2018.

[6] 曹德森, 李德玉, 张政波, 等. 随行生理监护系统设计及性能初步验证[J]. 生物医学工程学杂志, 2019, 36(01): 121-130.

[7] 宋美杰, 徐生权. 作为媒介的可穿戴设备: 身体的数据化与规训[J]. 现代传播(中国传媒大学学报), 2020, 42(04): 46-50.

[8] 刘强, 李桐, 于洋, 等. 面向可穿戴设备的数据安全隐私保护技术综述[J]. 计算机研究与发展, 2018, 55(01): 14-29.

[9] 张佩江, 李瑞昌. 可穿戴计算在医疗卫生领域应用的现状及展望[A]. 第一届中国中医药信息大会论文集[C]. 中国中医药信息研究会, 2014. 5.

[10] 刘金芳. 可穿戴设备的信息安全风险及我国应对建议[J]. 信息安全与技术, 2014, 5(11):10-12.

[11] Roberto Di Pietro, Luigi V Mancini. 2003. Security and privacy issues of handheld and wearable wireless devices. Commun[J/OL]. ACM, 2003, 46(9):74–79.

[12] 王朝晖, 程宁波. 智能服装的应用现状及发展方向[J].服装学报, 2021, 6(05): 451-456.

[13] 鲁虹. 服装感性设计的知识平台与应用研究[D]. 苏州：苏州大学, 2010.

[14] 郝静雅, 李艳梅. 智能服装发展现状及趋势[J]. 纺织导报, 2020, (04): 62-65.

[15] 王军, 陈晓玫, 穆芸, 等. 智能纺织品的内涵、设计及其应用前景分析[J]. 武汉纺织大学学报, 2015, 28(01): 23-26.

[16] 陈志莹, 赵伟交. 视觉元素在数据可视化设计中的运用[J]. 艺术与设计(理论), 2019, 2(03):39-41.

[17] Hair Joseph F., William с Black , Barry J Babin , et al. Multivariate Data Analysis (7th Edition)[M]. Englewood Cliffs: N.J. Prentice Hall, 2009.

[18] 刘文东. 视觉获取色彩的生理构成初探及价值[J]. 价值工程, 2012, 31(26):319-321.

[19] 林法财. 基于体质观探讨五行音乐在五态人和五行人中的应用[J]. 中华中医药杂志, 2017, 32(11): 4940- 4942.

[20] 于斯淼, 张耿. 疫情后基于视觉心理效应的大众化艺术治疗设计研究[J]. 设计, 2020, 33(11):55-57.

User Research and Analysis of Smart Clothing for College Students' Depression Monitoring

YU Yu-sheng, PENG Yu-yuan, XU Si-qi

(School of Art and Design, Guilin University of Electronic Technology, Guilin Guangxi 541004, China)

This paper takes health monitoring smart clothing as the research basis, conducts research and analysis for college students with high incidence of depression, proposes a structural equation model for depression monitoring smart clothing for college students through interviews and literature collection, uses SPSS24 and AMOS software to calibrate and analyze the collected data, and based on the analysis results, summarizes the design strategies for depression monitoring smart clothing in terms of functions, senses, emotions, interaction, safety and reliability.

smart clothing; structural equation modeling; depression monitoring

TS941

A

2095－414X(2022)04－0078－05

通讯作者：彭玉元（1983-），男，副教授，博士，研究方向：数字媒体艺术.

桂林电子科技大学研究生教育创新计划资助项目（2021YCXS078）.