Simple Science

La science de pointe expliquée simplement

# Informatique# Interaction homme-machine# Intelligence artificielle

Approches adaptatives à l'utilisation excessive des smartphones

Un nouveau système utilise l'IA pour aider à réduire l'utilisation excessive des smartphones.

― 6 min lire


S'attaquer à laS'attaquer à lasurutilisation dusmartphone efficacementinterventions personnalisées.excessif des smartphones grâce à desUn système basé sur l'IA réduit l'usage
Table des matières

Les smartphones sont devenus une grosse partie de notre vie quotidienne, nous aidant à rester connectés mais aussi entraînant des problèmes comme l'usage excessif. Beaucoup de gens passent trop de temps sur leurs téléphones, ce qui peut affecter leur santé mentale et physique. Pour résoudre ce problème, des chercheurs ont cherché des moyens d'aider les utilisateurs à réduire leur utilisation de smartphone. Une approche prometteuse s'appelle l'Intervention Adaptative Juste à Temps (JITAI), qui utilise l'intelligence artificielle (IA) pour fournir un soutien opportun basé sur les besoins des utilisateurs.

Cet article discute d'un nouveau système conçu pour aider à réduire l'usage excessif des smartphones en utilisant les principes de JITAI. Ce système est assez intelligent pour s'ajuster en fonction des retours des utilisateurs et fournir des explications pour ses actions. Nous avons mené une étude de huit semaines avec des utilisateurs pour voir à quel point ce système pouvait être efficace pour réduire l'usage excessif des smartphones.

Contexte

Une utilisation excessive des smartphones est liée à divers effets négatifs, comme l'anxiété, la dépression, des problèmes de sommeil et des inconforts physiques. Les gens ont tendance à passer beaucoup de temps sur des applications liées aux réseaux sociaux, aux jeux et au divertissement, ce qui contribue à ces problèmes. Beaucoup d'outils existants visent à aider les utilisateurs à suivre leur utilisation et à définir des limites, mais ils reposent souvent sur des règles simples qui pourraient ne pas convenir à tous les utilisateurs.

Comprendre le comportement humain est important pour créer des stratégies d'intervention efficaces. Une approche plus personnalisée pourrait aider les utilisateurs à réduire leur usage de smartphone selon leurs contextes et habitudes spécifiques. C'est là que JITAI entre en jeu, permettant de donner des Interventions au bon moment en fonction des données collectées sur les utilisateurs.

Qu'est-ce que JITAI ?

JITAI est une approche qui fournit un soutien aux utilisateurs à des moments critiques, tenant compte de leurs situations internes et externes. L'objectif est de livrer la bonne intervention quand un utilisateur est susceptible d'y être réceptif. Les systèmes traditionnels s'appuient sur des règles prédéterminées, qui peuvent ne pas bien fonctionner avec la nature imprévisible du comportement humain. JITAI aide à combler ce fossé en utilisant des données et de l'IA pour adapter les interventions à chaque utilisateur.

Présentation de notre système

Le système que nous avons développé est conçu pour réduire l'usage excessif des smartphones en utilisant les principes de JITAI, en se concentrant sur l'adaptabilité et l'explicabilité. Voici les éléments clés :

  1. Application Smartphone : Une appli mobile collecte des données sur le comportement et le contexte des utilisateurs.
  2. Serveur Cloud : L'appli envoie ces données à un serveur basé sur le cloud qui utilise l'apprentissage machine pour les analyser.
  3. Interface d'Intervention : Lorsque le système détecte une surutilisation, il fournit des interventions opportunes et des explications sur pourquoi l'utilisateur pourrait avoir besoin de réduire son utilisation du téléphone.
  4. Boucle de Feedback Utilisateur : Ce système permet aux utilisateurs de donner leur avis, qui est ensuite utilisé pour améliorer le système au fil du temps.

Aperçu de l'étude

Pour évaluer l'efficacité de notre système, nous avons mené une étude de terrain de huit semaines avec 71 participants. L'étude s'est concentrée sur la compréhension de la façon dont notre approche adaptative et explicable fonctionnait pour aider les utilisateurs à réduire leur usage excessif de smartphone.

Participants

Les participants à l'étude étaient des personnes qui utilisaient fréquemment leurs smartphones. On leur a demandé d'interagir avec le système pendant que nous collectons des données qualitatives et quantitatives pour évaluer son impact.

Méthodologie

L'étude avait plusieurs phases, y compris une période de collecte de données, une pause, puis la phase d'intervention. Pendant la phase d'intervention, les participants ont reçu différents types d'interventions, ce qui nous a permis de mesurer leur efficacité.

Résultats

Les résultats de l'étude ont montré que notre système adaptatif réduisait significativement l'usage excessif des smartphones par rapport à des interventions basiques. Voici quelques résultats clés :

  1. Précision de l'Intervention : Les interventions adaptatives étaient beaucoup plus précises, aidant les utilisateurs à mieux reconnaître leur surutilisation.
  2. Réceptivité des Utilisateurs : Les participants étaient plus susceptibles de réagir positivement aux interventions lorsqu'ils recevaient des explications, les aidant à arrêter d'utiliser leurs téléphones dans des situations critiques.
  3. Réduction de l'Usage : Globalement, les modèles Adaptatifs ont conduit à une diminution notable du nombre de fois que les utilisateurs ouvraient leurs applis.

Discussion

Les résultats indiquaient que notre système pouvait efficacement aider les utilisateurs à gérer leur utilisation de smartphone. L'incorporation d'explications a joué un rôle important dans l'aide aux utilisateurs pour comprendre leur comportement, menant à une meilleure auto-conscience et une efficacité d'intervention améliorée.

Le Rôle des Explications

Les participants ont apprécié les explications fournies par le système. Alors que certains les trouvaient utiles pour la réflexion personnelle, d'autres pensaient qu'elles pouvaient être trop générales. Cela reflète le besoin d'explications personnalisées qui résonnent avec chaque utilisateur, encourageant un engagement plus profond avec le système.

Directions Futures

Bien que notre système montre du potentiel, plusieurs domaines nécessitent une exploration plus approfondie :

  1. Adaptation Dynamique : Les futurs travaux peuvent se concentrer sur la génération d'explications plus dynamiques et personnalisées en fonction des préférences des utilisateurs.
  2. Études à Long Terme : Enquêter sur les effets à long terme de tels systèmes sur différents groupes d'utilisateurs peut aider à améliorer leur conception.
  3. Préoccupations en Matière de Confidentialité : Comme avec tout système basé sur des données, garantir la confidentialité des utilisateurs et la sécurité des données est crucial. Explorer des approches décentralisées peut aider à répondre à ces préoccupations.

Conclusion

En conclusion, notre système JITAI adaptatif et explicable montre du potentiel pour réduire l'usage excessif des smartphones parmi les utilisateurs. En utilisant l'apprentissage machine et une approche humaine, notre système peut adapter les interventions pour répondre aux besoins individuels, aidant finalement les utilisateurs à reprendre le contrôle sur leurs habitudes de smartphone. De futurs développements dans ce domaine peuvent conduire à des solutions encore plus efficaces pour l'usage excessif des smartphones, bénéficiant à un public plus large.

Points Clés

  • Les smartphones peuvent entraîner des problèmes d'usage excessif affectant le bien-être.
  • Les principes de JITAI offrent un moyen de délivrer un soutien opportun et personnalisé.
  • Le système développé a montré une amélioration significative dans la réduction de l'utilisation des smartphones grâce à des interventions adaptatives et des explications.
  • Comprendre les retours des utilisateurs est essentiel pour l'amélioration continue des stratégies d'intervention.

Références

(Il n'y a pas de références directes fournies dans cet article simplifié selon l'instruction.)

Source originale

Titre: Time2Stop: Adaptive and Explainable Human-AI Loop for Smartphone Overuse Intervention

Résumé: Despite a rich history of investigating smartphone overuse intervention techniques, AI-based just-in-time adaptive intervention (JITAI) methods for overuse reduction are lacking. We develop Time2Stop, an intelligent, adaptive, and explainable JITAI system that leverages machine learning to identify optimal intervention timings, introduces interventions with transparent AI explanations, and collects user feedback to establish a human-AI loop and adapt the intervention model over time. We conducted an 8-week field experiment (N=71) to evaluate the effectiveness of both the adaptation and explanation aspects of Time2Stop. Our results indicate that our adaptive models significantly outperform the baseline methods on intervention accuracy (>32.8\% relatively) and receptivity (>8.0\%). In addition, incorporating explanations further enhances the effectiveness by 53.8\% and 11.4\% on accuracy and receptivity, respectively. Moreover, Time2Stop significantly reduces overuse, decreasing app visit frequency by 7.0$\sim$8.9\%. Our subjective data also echoed these quantitative measures. Participants preferred the adaptive interventions and rated the system highly on intervention time accuracy, effectiveness, and level of trust. We envision our work can inspire future research on JITAI systems with a human-AI loop to evolve with users.

Auteurs: Adiba Orzikulova, Han Xiao, Zhipeng Li, Yukang Yan, Yuntao Wang, Yuanchun Shi, Marzyeh Ghassemi, Sung-Ju Lee, Anind K Dey, Xuhai "Orson" Xu

Dernière mise à jour: 2024-03-03 00:00:00

Langue: English

Source URL: https://arxiv.org/abs/2403.05584

Source PDF: https://arxiv.org/pdf/2403.05584

Licence: https://creativecommons.org/licenses/by/4.0/

Changements: Ce résumé a été créé avec l'aide de l'IA et peut contenir des inexactitudes. Pour obtenir des informations précises, veuillez vous référer aux documents sources originaux dont les liens figurent ici.

Merci à arxiv pour l'utilisation de son interopérabilité en libre accès.

Plus d'auteurs

Articles similaires