利用数字化工具推动行为改变与意见分析

### 利用数字化工具推动行为改变与意见分析 在当今数字化时代，利用技术手段推动行为改变和辅助意见分析成为了重要的研究方向。本文将探讨两个相关的创新系统——BinCam和OpinionBlocks，它们分别在促进环保行为和处理海量在线意见方面展现出独特的优势。 #### BinCam：借助Facebook促进行为改变 BinCam系统旨在通过Facebook平台设计互动方式，以改变用户的垃圾处理和回收行为。然而，在日常生活中创造意识和改变行为并非易事。 - **干扰日常习惯的设计效果**： - **音频提示**：垃圾桶发出的音频提示足以干扰用户日常的垃圾处理习惯。虽然行为后的音频提示不会立即改变行为，但能引发用户的反思，让他们关注到无意识的垃圾处理行为。 - **BinPictures**：尽管被认为缺乏吸引力，但它却比系统的其他方面获得了更多的用户互动。这至少部分归功于成就机制和游戏化元素的影响。不过，由于垃圾处理的日常性和特殊性，大多数人对查看垃圾桶内的图片并不感兴趣，缺乏内在和情感上的参与度。 - **社交挑战的积极作用**：社交挑战显著提高了用户的参与度，许多参与者表示这是研究中最有趣的部分。这与相关研究观点一致，即包含有意义社交互动的游戏可以增加吸引力。此外，许多参与者会在家庭内部讨论回收问题，这对于获取回收知识至关重要，还能扩展支撑个人回收知识的文化知识。 - **信息传达方式的考量**：BinMan作为Facebook上的信息传递渠道并未对参与者造成干扰，甚至有参与者希望获得更多反馈和通知。考虑到Facebook的使用模式，评论容易被忽略且频率可能不够。因此，干预措施应根据参与者的习惯和期望进行定制，例如采用更直接的通知方式（如电子邮件、短信或在家庭和垃圾桶附近进行可视化展示）。 #### OpinionBlocks：众包驱动的交互式视觉分析系统 随着每天数以亿计的人在网上发表意见，如何从海量意见中提取有价值的信息成为了挑战。OpinionBlocks系统应运而生，旨在帮助用户更好地分析和理解在线意见。 - **现有意见分析方法的局限性**：商业网站通常采用两种方法帮助用户处理大量评论。一种是让读者对评论的有用性进行投票，引导未来读者查看最有帮助的评论；另一种是提供产品或服务最常提及的特征概述以及整体情感表达。然而，用户往往需要更细粒度的理解，而现有的基于名词 - 形容词对的方面总结方法存在诸多局限性，如无法处理隐含意见、不能处理不同评论者的冲突意见，且受自然语言处理（NLP）技术不完善的影响。 - **OpinionBlocks的独特设计**： - **精细的视觉总结**：该系统利用先进的NLP技术自动创建基于方面的精细视觉总结，让用户能够在多个层面深入了解评论集合，包括频繁提及的产品或服务方面、每个方面的关键短语描述、相关评论片段以及推断的情感。 - **用户纠错机制**：OpinionBlocks允许用户与视觉总结进行交互，纠正文本分