Améliorer les applis de santé grâce à des stratégies persuasives
Des recherches sur les applis de santé mettent en avant le rôle de la persuasion dans le changement de comportement.
― 7 min lire
Table des matières
- Le Problème des Messages Persuasifs
- Le Rôle des États et des Caractéristiques
- L'Étude
- Résultats sur les États
- Effets à Long Terme de la Persuasion
- Comparaison des Différentes Stratégies Persuasives
- Le Rôle des Caractéristiques Utilisateur
- L'Importance de l'Implication
- Conclusion
- Directions Futures
- Source originale
- Liens de référence
Ces dernières années, on a vu une montée des applis de santé qui veulent aider les gens à changer leurs comportements, surtout pour arrêter de fumer et bouger plus. Ces applis balancent souvent des messages persuasifs pour motiver les utilisateurs à faire des trucs qui les aident à atteindre leurs objectifs. Mais, en vrai, beaucoup de ces messages n’ont qu’un impact limité sur le Changement de comportement. Comprendre ce qui rend ces messages plus efficaces est super important pour améliorer ces applis.
Le Problème des Messages Persuasifs
Les messages persuasifs sont là pour encourager les gens à faire des actions spécifiques, comme se fixer un objectif ou adopter un comportement sain. Même si ces messages peuvent être utiles, ils ne fonctionnent pas toujours comme prévu. Les recherches montrent que l’impact d’un seul message sur le comportement est souvent minime. Donc, il faut trouver des moyens d’améliorer leur efficacité.
Un moyen prometteur serait de prendre en compte l’état actuel de l’individu, comme sa confiance, ses connaissances et sa motivation. En plus, des caractéristiques personnelles comme le genre, l’âge et la personnalité peuvent influencer la manière dont une personne réagit aux messages persuasifs. Mais on ne sait toujours pas comment ces facteurs peuvent vraiment prédire les changements de comportement, surtout sur le long terme.
Le Rôle des États et des Caractéristiques
L’état actuel d’une personne fait référence à ses sentiments et son état d’esprit à un moment donné. Par exemple, quelqu’un qui se sent motivé pourrait réagir différemment à un message persuasif comparé à quelqu’un qui est au plus bas. De même, des caractéristiques personnelles comme l’âge et les traits de personnalité peuvent modeler la réaction à une tentative persuasive.
Comprendre comment ces états et caractéristiques interagissent peut mener à des stratégies de persuasion plus efficaces. Mais récolter des infos détaillées sur ces facteurs peut coûter cher et être lourd pour les utilisateurs. Ça soulève la question de comment comprendre efficacement quels facteurs sont les plus pertinents pour prédire le changement de comportement.
L'Étude
Pour aborder ces problèmes, une étude a été réalisée avec un coach virtuel qui interagissait avec des fumeurs voulant arrêter. Ce coach proposait diverses activités pour les préparer à arrêter de fumer et à être plus actifs. Pendant l’étude, le coach virtuel utilisait différentes stratégies persuasives selon les états et caractéristiques des participants.
Au total, 671 personnes ont participé à l’étude, interagissant avec le coach virtuel lors de plusieurs sessions. Le coach les encourageait à effectuer des activités et suivait leurs progrès en demandant des retours sur leurs expériences et l’effort qu'ils mettaient dans les activités.
Résultats sur les États
L’étude a montré que considérer l’état actuel d’une personne peut vraiment améliorer la prédiction de son effort comportemental. Quand les messages persuasifs collaient à l’état d’une personne, l’effort qu’elle mettait dans les activités avait tendance à augmenter. Par exemple, si quelqu’un se sentait confiant et motivé, il était plus susceptible de s’engager dans les activités proposées.
De plus, les états n’influençaient pas seulement le comportement immédiat mais aidaient aussi à prédire les états futurs. Ça veut dire que si on persuadait doucement les gens à passer à l’action quand ils se sentaient bien, ils étaient plus enclins à garder cet état positif lors des interactions suivantes.
Effets à Long Terme de la Persuasion
L’étude a aussi examiné les Implications à long terme de plusieurs tentatives persuasives sur le changement de comportement. En simulant différents scénarios, ils ont montré que quand les individus étaient bien persuadés dans le temps, un plus grand nombre d’entre eux passaient à des états plus favorables.
En gros, utiliser les bonnes stratégies de persuasion régulièrement a aidé beaucoup de participants à atteindre des états où ils étaient plus susceptibles de fournir un effort significatif pour arrêter de fumer ou devenir plus actifs.
Comparaison des Différentes Stratégies Persuasives
Il est devenu évident que le choix de la stratégie persuasive a un impact énorme sur le changement de comportement. Les participants persuadés avec une stratégie optimale se sont engagés bien plus que ceux qui ont eu des stratégies moins efficaces. Les résultats ont montré que toutes les stratégies persuasives ne se valent pas, et certaines peuvent être beaucoup plus performantes que d’autres.
Le Rôle des Caractéristiques Utilisateur
À part les états, les caractéristiques utilisateur jouent aussi un rôle dans la manière dont les tentatives persuasives sont reçues. L’étude a exploré des caractéristiques comme les traits de personnalité et l’implication dans les activités. Ils ont constaté qu’intégrer ces caractéristiques dans l’approche persuasive menait à de meilleures prévisions du comportement.
Cependant, se fier uniquement à des caractéristiques générales n’était pas aussi efficace que de considérer l’état actuel de l’individu. Ça indique que même si les caractéristiques personnelles sont importantes, elles fonctionnent mieux quand elles sont combinées avec des insights tirés de l’état émotionnel et motivationnel de l’utilisateur.
L'Importance de l'Implication
L’implication dans les activités a aussi été soulignée comme un facteur clé. Quand les utilisateurs se sentaient plus impliqués dans leurs activités, ils étaient plus enclins à s’engager avec les messages persuasifs. Ça suggère que comprendre à quel point une personne se sent investie dans un changement de comportement peut mener à des efforts persuasifs plus efficaces.
Conclusion
En gros, l’étude a mis en avant l’importance d’utiliser à la fois les états et les caractéristiques utilisateur dans la conception de stratégies persuasives pour les applis de santé. Ce n’est pas suffisant de s'appuyer seulement sur des caractéristiques générales ; capturer l’état d’esprit d’une personne peut vraiment aider à mieux comprendre comment les motiver efficacement.
En améliorant la manière dont les messages persuasifs sont adaptés aux individus, les applis de santé peuvent augmenter leur efficacité pour encourager les utilisateurs à prendre des actions positives concernant leur santé. Les insights tirés de cette étude peuvent aider les développeurs de technologies eHealth à créer des interventions de changement de comportement plus conviviales, rentables et impactantes.
Directions Futures
À l’avenir, il faut explorer comment ces résultats peuvent être appliqués dans des situations réelles. Les études futures devraient tester ces stratégies dans de vraies interventions de santé et évaluer leur efficacité sur le long terme.
De plus, il y a besoin de plus de recherches pour trouver des moyens de mesurer l’implication et les états des utilisateurs efficacement, sans trop les surcharger de questions. Ça pourrait passer par des approches innovantes comme l’utilisation de capteurs et d’autres méthodes de collecte de données passives pour suivre l’engagement des utilisateurs plus efficacement.
En se concentrant à la fois sur les états et les caractéristiques, les développeurs d’applis de santé peuvent créer des expériences plus personnalisées qui encouragent un changement de comportement durable. Avec les bonnes stratégies en place, il pourrait devenir possible de faire une vraie différence dans la vie des gens qui cherchent à améliorer leur santé.
Titre: Persuading to Prepare for Quitting Smoking with a Virtual Coach: Using States and User Characteristics to Predict Behavior
Résumé: Despite their prevalence in eHealth applications for behavior change, persuasive messages tend to have small effects on behavior. Conditions or states (e.g., confidence, knowledge, motivation) and characteristics (e.g., gender, age, personality) of persuadees are two promising components for more effective algorithms for choosing persuasive messages. However, it is not yet sufficiently clear how well considering these components allows one to predict behavior after persuasive attempts, especially in the long run. Since collecting data for many algorithm components is costly and places a burden on users, a better understanding of the impact of individual components in practice is welcome. This can help to make an informed decision on which components to use. We thus conducted a longitudinal study in which a virtual coach persuaded 671 daily smokers to do preparatory activities for quitting smoking and becoming more physically active, such as envisioning one's desired future self. Based on the collected data, we designed a Reinforcement Learning (RL)-approach that considers current and future states to maximize the effort people spend on their activities. Using this RL-approach, we found, based on leave-one-out cross-validation, that considering states helps to predict both behavior and future states. User characteristics and especially involvement in the activities, on the other hand, only help to predict behavior if used in combination with states rather than alone. We see these results as supporting the use of states and involvement in persuasion algorithms. Our dataset is available online.
Auteurs: Nele Albers, Mark A. Neerincx, Willem-Paul Brinkman
Dernière mise à jour: 2023-04-05 00:00:00
Langue: English
Source URL: https://arxiv.org/abs/2304.02264
Source PDF: https://arxiv.org/pdf/2304.02264
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.