更新后的健身科技应用现状：测量量表的概念化与验证

《Information & Management》：Actualized Fitness Technology Affordances: Conceptualization and Validation of a Measurement Scale

　　**摘要**

以往关于健身技术的研究已经识别出许多支持用户健身目标的特性。然而，这些特性往往被概念化为感知到的行动可能性，并且在不同的研究中使用不一致的标签进行描述，导致了研究结果的碎片化和理论积累的局限性。可能性实现理论认为，只有当这些技术特性通过用户的行动得以实现时，它们才会产生实际影响。然而，捕捉这种实现的实证测量方法仍然不够成熟。为了解决这一问题，我们开发并验证了一个用于测量健身技术特性实现情况的量表。遵循既定的量表开发程序，我们生成了量表条目，对其进行了改进，并通过三轮数据收集（包括学生样本、MTurk样本和Prolific样本）来评估其可靠性和有效性。最终形成的四因素、18条目的量表捕捉到了四种不同类型的特性实现：自我评估、社会评估、奖励和提醒，这些反映了用户在实践中通过健身技术进行的目标导向行为。研究发现，该验证过的量表扩展了可能性实现理论在健身技术研究中的解释力，并为研究实现行为与用户体验、身份以及数字健康环境下的成果之间的关系奠定了基础。

**引言**

健身技术已成为最广泛采用的数字健康技术之一，用于支持健康和健身目标[1,7,25]。尽管这些技术提供了越来越多功能和能力，但关于其效果的证据仍然存在分歧。一些用户成功地将这些技术整合到日常生活中并从中获得了实质性的好处，而另一些用户则未能充分利用这些功能或完全放弃了它们[23,44]。这种差异给健身技术研究带来了重大挑战——即理解为什么同样的技术在不同用户身上会产生不同的结果。

以往的研究主要试图通过技术特性（如提醒、奖励、数据跟踪或社交互动）来解释健身技术的效果[25]。然而，这种以特性为中心的观点得出了不一致的研究结果。一些研究表明使用额外的特性可以增加身体活动[18]，而其他研究则发现效果有限或不明确[41,44]。例如，James等人[25]识别了三类健身技术特性——数据管理、运动控制和社交互动——但他们发现只有社交互动特性能够增强用户的主观活力。即便如此，社交分享特性对健身结果的影响往往会随时间减弱（Choi, 2018）。总体而言，这些发现表明，基于特性的解释只能部分说明健身技术是如何影响用户结果的。这是因为基于特性的研究侧重于技术提供了什么，而不是用户实际如何使用这些技术[10,32]。

为了克服这些局限性，学者们越来越多地转向了“可能性”视角。与关注技术特性不同，“可能性”视角强调技术为用户追求目标所提供的行动可能性[10,32]。可能性并不是技术的固有属性，而是通过用户与技术的互动才显现出来的。只有当用户通过具体行动实现这些可能性时，它们才会产生实际效果。这种实现过程被称为“可能性实现”，只有实现的可能性才是可观察的，并且能够影响最终结果[27,28,45]。尽管“可能性”视角在概念上很清晰，但在健身技术研究中的具体应用仍不均衡。大多数研究集中在识别用户对技术可能性的感知上，而不是它们是否已经实现，这为了解用户认为技术能够实现的功能提供了有价值的见解（如自我监控、社交互动和运动指导功能[26,[38], [39], [40],46]）。然而，由于感知到的可能性反映了用户对技术可能性的解读，研究人员常常将相似的技术功能视为不同的特性，从而导致标签的重叠、概念上的不一致以及研究结果的分散。同时，很少有研究关注那些反映用户如何在实践中利用技术可能性的具体、目标导向的行为。

更重要的是，当前文献缺乏在行动层面上操作化可能性的验证工具。现有研究通常依赖于基于感知的测量方法，在某些情况下，直接将感知到的可能性视为实现可能性的代理，将其与行为或健康结果联系起来，而不对相应的行为是否真的发生了进行考察。这种混淆限制了概念的精确性，使得关于可能性实现的实证证据难以积累。我们的研究通过将健身技术特性的实现抽象为用户通过技术追求健身目标时的具体行为模式来填补这一空白。遵循既定的量表开发程序[31]，我们通过三轮数据收集（包括方便样本的前测、与Amazon Mechanical Turk (MTurk) 参与者的试点测试，以及多样化的Prolific样本的最终验证研究）来开发和验证这些测量方法。通过这一迭代过程，我们将11个从文献中得出的类别整理成了四个具有实证区分度和理论一致性的结构：实现的自我评估、实现的社会评估、实现的奖励和实现的提醒。我们还通过考察实现的可能性与两个外部结构（IT身份和健身应用程序使用频率）之间的关系，建立了规范性效度和标准效度。

本研究做出了三个贡献。首先，它超越了以特性和感知为中心的方法，提供了对实现可能性的更清晰的概念化解释，通过区分感知到的可能性和实际发生的、目标导向的行为，解决了以往研究中的核心概念模糊性，明确了实践中可观察到的实现可能性的具体内容。其次，它在方法论上做出了贡献，提供了一个简洁且基于行为的实现可能性操作化框架，并开发了一个经过验证的18条目量表。该量表提供了一种可靠且一致的方法来评估实现的可能性，并为累积性实证研究提供了基础。第三，它通过展示实现可能性与行为和身份相关结果的关联，展示了它们的实际意义。这些发现表明，实现的可能性提供了一个有意义的分析层次，有助于理解用户如何与健身技术互动，并为未来研究提供了基础，以探讨实现可能性与持续使用、用户身份和健康相关结果之间的关系。对于实际应用者而言，该量表提供了一个诊断工具，用于评估用户是否将技术功能转化为实际行动，并指导设计选择，以支持用户的实际使用体验。

本文的其余部分内容如下：首先介绍“可能性”视角和相关文献；接着概述我们的量表开发方法并展示验证结果；最后讨论本研究在理论和实践上的贡献，以及未来的研究方向。

**可能性实现理论**

“可能性”视角提供了关于技术对象与其用户之间互动的见解[21]。该概念最初由Gibson[17]提出，他强调了对象所启用的行动可能性。Norman[34]后来将这一概念应用于人机交互，关注设计如何塑造感知到的行动可能性。信息系统（IS）研究大多采用了Gibson的关系视角，将IT可能性定义为“……

**量表开发与验证**

为了定义健身技术特性的实现情况并开发调查工具，我们遵循了MacKenzie等人[31]推荐的量表开发程序。这种方法使量表建立在理论基础上，并通过实证进行了验证。图2展示了开发和验证过程的关键步骤。

**讨论**

在本研究中，我们开发并验证了一个用于测量健身技术特性实现的工具。通过多阶段的量表开发过程[31]，我们证明了许多先前识别出的特性类别可以归结为四种实证上不同的实现形式：实现的自我评估、实现的社会评估、实现的奖励和实现的提醒。研究结果表明，在行动层面考察这些特性……

**局限性与未来研究**

尽管本研究有所贡献，但仍存在一些局限性，为未来的研究提供了机会。首先，虽然量表开发过程使用了来自不同招募平台（学生样本、MTurk、Prolific）的多个独立样本以减少潜在的人口统计偏差，但这些参与者主要来自美国，并代表了一般健身技术用户。由于可能性是关系性的……

**结论**

本研究通过开发并验证了一个用于测量健身技术特性实现的行为测量工具，推进了健身技术研究。将注意力从技术提供了什么或用户感知到了什么，转向用户在实际操作中反复执行了什么，为考察健身技术如何融入日常目标导向行为提供了一个更精确的基础。通过多阶段的量表开发过程，本研究阐明了实现可能性的概念边界……

**关于生成式AI和AI辅助技术在写作过程中的声明**

在准备本工作时，作者使用了ChatGPT来提高手稿的可读性和语言质量。使用该工具后，作者们根据需要对内容进行了审查和编辑，并对出版物的内容负全责。

**作者声明（CRediT角色）**

**作者贡献**

- **Yafang Li（通讯作者）**：概念化、方法论、调查、正式分析、初稿撰写、审稿与编辑、可视化、项目管理
- **Michelle Carter**：监督、概念化、验证、审稿与编辑
- **Robert E. Crossler**：监督、概念化、验证、审稿与编辑

所有作者都阅读并批准了最终稿件。

**未引用参考文献**

[15,36]

**CRediT作者贡献声明**

- **Yafang Li**：审稿与编辑、初稿撰写、验证、方法论、调查、正式分析、概念化
- **Michelle Carter**：审稿与编辑、初稿撰写、监督、项目管理、方法论、正式分析、数据管理
- **Robert E. Crossler**：审稿与编辑、初稿撰写、监督、方法论、正式分析、数据管理、概念化

Yafang Li（[e-mail]；通讯作者）是孟菲斯大学Fogelman商学院的信息系统助理教授，她的研究领域包括消费者健康IT、健身技术、IT采纳和扩散以及采用后的IT使用行为。她的研究成果发表于《信息系统杂志》、《国际人机交互杂志》、《计算机与人行为杂志》、《数据库管理杂志》和《工业管理杂志》。

Yafang Li | Michelle Carter | Robert E. Crossler