多重慢性病患者科技原型開發中的參與挑戰
arXiv - Human-Computer InteractionFateme Rajabiyazdi, Julie Babione, Doreen M. Rabi, Foroozan Daneshzand, Sheelagh Carpendale
研究透過 MyCareCompass 兩個月試點，揭示患者工作量與能力平衡對數位工具採用與持續使用的關鍵影響，並提出三項實作教訓。
AI 幫你先抓重點
AI 重點 1
設計時必須先評估患者工作負荷與容量，確保工具功能在可承受範圍內。
滑鼠懸停看 AI 判斷理由
若忽略患者實際負荷，功能雖多但難以被採用，導致工具失效。此觀點提醒設計者將使用者情境置於核心，提升採用率與持續使用。
AI 重點 2
結合即時使用分析與質性回饋，可快速調整介面與流程，提升使用者黏著度。
滑鼠懸停看 AI 判斷理由
即時數據提供客觀使用模式，質性回饋揭示情緒與動機，兩者結合能針對性優化設計，避免單一方法造成的盲點。
核心研究發現
- 1
多重慢性病患者需同時處理可見與隱形的治療工作及日常責任，導致高負荷與高情緒壓力。
- 2
Cumulative Complexity Model（CuCoM）指出患者工作量與容量的平衡決定了他們能否實際採用並維持數位工具。
- 3
在兩個月的 MyCareCompass 試點中，透過使用分析與後續回饋，發現實際採用率與持續使用率高於預期，並歸納出三項實作教訓。
對教育工作者的啟發
設計時先評估患者工作負荷與容量，設定可達成的功能；利用即時使用分析追蹤使用頻率，結合患者回饋迭代介面；提供情境化提醒與自動化資訊同步，減輕重複溝通負擔，提升工具持續使用率。
原始文獻資訊
- 英文標題：
- Challenges in Working Towards Patient Engagement in Developing Technology Prototypes
- 作者：
- Fateme Rajabiyazdi, Julie Babione, Doreen M. Rabi, Foroozan Daneshzand, Sheelagh Carpendale
- 來源：
- arXiv - Human-Computer Interaction
- AI 摘要模型：
- openai/gpt-oss-20b
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。