設計結合行動與穿戴式感測數據的健康福祉對話代理人
arXiv - Human-Computer InteractionHansoo Lee, Pablo Fonseca, Md Haseen Akhtar
本文介紹如何將穿戴式感測數據與對話代理人結合，將被動監測轉化為具備個人化情境感的健康行為引導。
AI 幫你先抓重點
AI 重點 1
從「被動監測」轉向「主動對話」的範式轉移
滑鼠懸停看 AI 判斷理由
這改變了健康科技的設計邏輯：數據本身不等於行動。透過將感測數據與對話代理結合，能解決數據與行為改變之間的斷層，讓使用者從單純的觀察者轉變為能與數據互動的決策者。
AI 重點 2
強調正向運算（Positive Computing）的設計原則
滑鼠懸停看 AI 判斷理由
在開發 AI 健康助手時，必須在支持自主性與醫療建議邊界之間取得平衡。這提醒開發者，AI 的介入必須考量隱私、安全與使用者的自主能力，而非僅追求技術的精準度。
核心研究發現
- 1
現有的健康應用多以儀表板為主，僅呈現圖表與數據，使用者往往難以自行解讀數據意義或決定後續行動。
- 2
通用型大型語言模型（LLM）對話代理雖具備流暢建議能力，但因缺乏個人感測數據的基礎，無法提供具備情境感的個人化指導。
- 3
透過 WSDWAS 工作坊工具，使用者可以模擬穿戴式設備、生成感測快照，並配置不同人格與提示詞塊來測試對話風格。
對教育工作者的啟發
對於設計學習或行為改變系統的設計者而言，此文提供了重要啟發：單純的數據視覺化（如學習進度圖表）不足以驅動行為改變。有效的系統應結合「數據感知」與「情境對話」，將抽象的數據轉化為具體的、個人化的建議。在設計 AI 輔助系統時，應建立一個能讓使用者透過不同人格（Persona）與提示詞（Prompt）進行測試的環境，以確保 AI 的回饋風格能符合使用者的心理需求與自主性，同時需嚴格劃分輔助建議與專業醫療建議的界線。
原始文獻資訊
- 英文標題：
- Designing Mobile and Wearable Sensor-Fused Conversational Agents for Health and Wellbeing
- 作者：
- Hansoo Lee, Pablo Fonseca, Md Haseen Akhtar
- 來源：
- arXiv - Human-Computer Interaction
- AI 摘要模型：
- /models/gemma-4-26B-A4B-it
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。