《Proceedings of the Human Factors and Ergonomics Society Annual Meeting》：Using Generative Artificial Intelligence in Mindfulness Technology Within an Everyday Digital Context
编辑推荐：
慢性压力会导致不良的身心健康结果。定期进行正念练习已被证明可以减轻压力并改善幸福感。尽管数字正念工具已广泛存在，但大多数应用程序依赖预先录制的引导内容，对监测用户的内部过程或评估练习有效性的支持有限。为弥补这一差距，本项目提出了Recalibrate——一个以
慢性压力会导致不良的身心健康结果。定期进行正念练习已被证明可以减轻压力并改善幸福感。尽管数字正念工具已广泛存在，但大多数应用程序依赖预先录制的引导内容，对监测用户的内部过程或评估练习有效性的支持有限。为弥补这一差距，本项目提出了Recalibrate——一个以用户为中心的网络应用程序，它集成了生成式人工智能（Generative AI）、大语言模型（Large Language Model, LLM）和神经文本转语音（Neural Text-to-Speech, TTS），以支持日常数字情境中简短、个性化的正念练习。采用研究性设计（research-through-design）方法，该系统通过短引导冥想、呼吸意识和可选反思性日记来强调降低认知负担。一次典型会话从情绪和躯体检查开始，该检查为生成个性化的一分钟冥想脚本和日记提示提供信息。冥想通过自然语音输出呈现，随后是可选的日记记录、意图设定和反馈。通过将自适应的人工智能生成引导与轻量级反思实践相结合，Recalibrate贡献了一套可迁移的设计考量，用于创建支持性、低需求的反思系统。
慢性压力是焦虑、抑郁、心血管疾病和高血压等不良身心结果的重要诱因。规律的正念冥想被证实能够通过支持神经可塑性和改善大脑连接来减轻压力、焦虑和抑郁，提升整体幸福感。尽管数字正念工具已经普及，但主流应用程序主要提供预先录制的引导冥想，对监测用户的内在过程或评估练习效果的支持有限。此外，现有正念技术的概念和实施差异显著，导致系统间难以比较评估。近年研究趋向沉浸式、交互式和生物反馈支持体验，以虚拟现实（VR）为主要介质；例如生成式人工智能可根据用户意图在VR中生成个性化冥想内容。然而，这些方案高度依赖实验装置、专用硬件或受控环境，限制了日常可及性。针对上述问题，研究人员旨在开发一种轻量、非沉浸、兼容日常数字情境的正念系统，探索生成式人工智能（Generative AI）如何以低认知负荷的方式提供个性化正念支持。
为此，研究人员采用研究性设计（research-through-design）方法，设计并实现了高保真网络应用Recalibrate。该系统集成OpenAI GPT-4o大语言模型（LLM）和ElevenLabs Multilingual v2神经文本转语音（TTS）技术。在典型会话中，用户先完成情绪与躯体状态检查，GPT-4o根据其输入生成约一分钟的个性化冥想脚本及日记提示，再由TTS输出自然语音；用户可跟随音频冥想，并可选完成反思日记、意图设定和后测调查。系统设计遵循正念核心原则——暂停、注意当下、温和引导注意和不加评判的反思，并以人因工程约束来最小化时间负担、设置努力和认知需求。这一研究得出核心结论：生成式AI可被整合进一个轻量级、低需求的日常正念系统，提供个性化语音引导，并形成可迁移的设计框架。该成果发表在《Proceedings of the Human Factors and Ergonomics Society Annual Meeting》，为数字健康领域的人因设计提供了实证范例。
本研究采用研究性设计方法，通过实际构建原型来生成设计知识。关键技术方法包括：基于Web的高保真应用开发；使用OpenAI GPT-4o作为后端大语言模型，根据用户情绪与躯体检查输入生成个性化冥想脚本和日记提示；使用ElevenLabs Multilingual v2神经文本转语音将脚本转为自然语音；设计情绪与躯体状态检查作为上下文输入机制；设计包含三项指标的事后反馈调查（练习后感受、落地感、节奏适当性）。研究未涉及样本队列，属于设计研究，不包含实验参与者数据。
**System Workflow and Design Outcome**
通过高保真原型实现，研究人员展示了Recalibrate的完整工作流程。会话以简要检查提示开始，用户选择当前情绪并简述身体感觉；后端GPT-4o基于这两个输入生成约一分钟的个性化冥想脚本和日记提示；ElevenLabs multilingual_v2将脚本渲染为自然语音，供用户播放并跟随。冥想结束后，用户可选择“继续日记”进行打字或语音输入，并在其中设定当日意图。会话结束前，用户需完成可选调查。该结果说明，借助生成式AI和神经TTS，可以在Web端实现从用户状态采集到个性化语音冥想输出的闭环流程。
**Personalization and Feedback Structure**
个性化通过两种用户输入实现：起始的情绪和躯体检查，以及可选的结束反馈调查。检查输入决定本次冥想脚本和日记提示的内容；调查收集三项数据：练习后感受、感知落地感和节奏适当性。这些数据在未来迭代中可作为结构化反馈，用于调整后端提示设计，例如节奏反馈可促使生成更慢或更多停顿的脚本，落地感反馈可调整对呼吸、身体提示或接地实践的侧重。结果表明，该反馈结构不仅用于评估，也为后续自适应脚本生成提供了优化基础。
在讨论部分，研究人员总结了设计贡献。Recalibrate相较于预录制正念应用，能够根据用户当前状态动态生成内容；相较于沉浸式VR正念系统，它基于Web且无需专用硬件，更易融入日常简短休息。该工作并非替代传统正念练习，而是探索生成式AI如何通过个性化语音引导降低开始练习的障碍。其核心贡献是一个整合生成式AI、神经TTS、沉思交互原则和轻量反思实践的可迁移设计框架，并符合研究性设计在过程、发明、相关性、可扩展性四个维度上的价值。
未来工作包括开展试点用户研究，评估可用性、感知有用性、信任、节奏、落地感和个性化感知；将反馈调查发展为评估工具和自适应提示细化机制；以及对比不同正念技术在可访问性、日常整合、参与度、落地感和用户体验方面的差异。
研究结论部分可翻译为：通过这一设计，Recalibrate以领域扎根的方式阐释了AI赋能界面如何以尊重用户时间、注意力和自主性的方式支持正念与反思实践。通过将生成式人工智能、自然语音文本转语音和可选结构化反馈整合进一个简短、由用户掌控的工作流程，Recalibrate展示了将沉思实践转化为日常数字交互的一种可能途径。这项工作并非取代传统正念实践或沉浸式正念系统，而是为支持当下意识、自我观察和可选反思提供了一个轻量级设计示例。本文旨在为关注数字健康的设计师和研究人员提供支持性、低需求反思系统的可迁移设计考量。
