在线自我跟踪小组增加水果和蔬菜摄入量:群体效应对行为改变机制的小规模研究

介绍

大量证据表明，食用水果和蔬菜可以预防肥胖[1，2]，降低心血管疾病的风险[3.，4]，并降低患某些癌症的风险[5，6]。尽管越来越多的文献研究了增加儿童和青少年水果和蔬菜摄入量的有效策略[7，8，对年轻人的研究相对不足[9]。18至22岁的早期年轻人正处于从父母监督过渡到独立生活的阶段，这是形成影响他们未来的食物模式的重要阶段[10]。最近的一份报告显示，在所有年龄组中，18至34岁的成年人(包括成年人、儿童和青少年)消耗的水果和蔬菜最少，他们的水果和蔬菜摄入量比18岁以下的年龄组明显下降。11]。因此，有必要研究有效的干预策略，帮助年轻人每天摄入至少5份水果和蔬菜(即每天5份)[12])。

基于网络的干预措施已被发现在促进成年人食用水果和蔬菜方面很有效[13]，儿童和青少年[14]。然而，这些现有的在线干预措施主要侧重于基于个人的行为改变，错过了利用在线群体的机会。大约62%的美国成年互联网用户使用与健康相关的在线群组来查找具有相似健康兴趣的其他人的经历[15]。文献表明，社会支持和社会影响是这些在线群体可能有效改变行为的途径[16]。当相似的人互动以增加水果和蔬菜的消费量时，社会支持可以通过提供信息和陪伴来减少行为改变的不确定性和成本[17]。社会影响也可能通过从网络群体的行为模式中观察学习或遵守这些群体中出现的规范行为来增加水果和蔬菜的消费[18，19]。此外，大约70%的美国成年人跟踪一项健康指标，其中饮食和锻炼习惯是最常被监测的。18]。考虑到网络群体的潜在社会影响和自我跟踪行为的流行，允许分享和比较自我跟踪饮食的基于网络群体的计划可能为年轻人提供新的干预机会，以增加水果和蔬菜的消费量，他们被认为是一个精通技术的人群[20.]。

本文将在线群体定义为包含三个或更多具有相似健康状况的个体的小型社会网络，这些个体通过计算机网络相互作用以实现共同的健康目标[21，22]。尽管先前的研究表明，与健康相关的在线团体通过社会支持交换运作的影响[23，24]以及通过社交网络产生的社会影响[25，26]，很少有人研究群体和群体特征在动态群体过程中对个人健康结果的影响[27]。在水果和蔬菜消费不断增加的背景下，本研究旨在直接测试基于群体的在线健康计划的有效性，并检查群体特征(即人口统计学相似性和社会建模类型)，这些特征使群体在促进个人水果和蔬菜消费方面更加成功。

基于个人与基于群体的自我跟踪

自我跟踪是一种人们监控和记录他们生活中特定特征的方式[28]。它使人们能够反思自己健康的具体方面，并作出相应的改进，以实现健康目标[29]。在健康行为改变的文献中，自我跟踪经常与自我监控互换，自我监控指的是一种要求人们记录目标行为的干预技术[30.]。对行为改变干预的荟萃分析发现，自我监控在很大程度上解释了身体活动和健康饮食干预的成功[30.，31]。

自我跟踪已经存在很长时间了。例如，糖尿病患者通过血糖仪记录他们的血糖，而超重的人则记录他们的锻炼活动。自我追踪的新鲜之处在于，社交媒体技术的兴起使得分享和比较个人记录成为可能。32]。社交媒体使两种自我跟踪模式在实践中变得方便:基于个人和基于群体的自我跟踪。在以个人为基础的自我跟踪中，人们收集和查看自己的信息，以提高自我意识，改善自己的健康状况;而在以群体为基础的自我跟踪中，人们收集和分享个人信息，并集体跟踪相同的健康方面[28]。尽管有文献证明自我跟踪对增进个人健康有积极作用[32]，很少有研究比较不同自我跟踪模式的有效性。

这项研究试图填补这一空白，通过比较单独的自我跟踪或在其他小组成员不断增加水果和蔬菜消费的情况下的有效性。其他群体成员的水果和蔬菜消费可能对焦点人产生规范性影响。特别是以电脑为媒介的沟通(CMC)可以加强群体成员之间的规范影响[19]。根据去个性化效应的社会认同模型，通过计算机网络进行的互动强化了群体影响力，因为相对匿名实际上可以促进个体成员融入群体[33]从而使个体成员更容易受到规范行为的影响[19]。

群体成员不仅表现出水果和蔬菜消费的规范性行为，而且作为群体焦点人物的社会榜样。社会认知理论认为，观察他人执行推荐行为是一种强大的学习手段[18]。社会模型经常用于饮食干预的设计[9，34]。最近的评论表明，社会模特对食物摄入和选择有强大的影响，例如，当他们的模特同伴吃得更多时，参与者吃得更多[35]，并且参与者倾向于选择与他们的模特同伴选择的相同的食物[36]。社会模式不仅有助于学习如何做一种行为，而且还显示了环境中可供消费的资源的可用性(例如，获得健康食品)。

因此，我们的第一个假设是，在一个由水果和蔬菜消费量随着时间的推移而增加的成员组成的自我跟踪小组中，个体的水果和蔬菜消费量会比单独进行自我跟踪的个体大。

自我跟踪群体的特征

群体的人口构成、行为模式和互动过程各不相同，所有这些都有助于不同的群体动态和实现特定目标的表现[37]。自我跟踪小组的特点是什么，使小组更有效地促进水果和蔬菜的消费?在群体构成方面，作为社会模范的群体成员在人口统计学特征上可以与焦点人物相似或不同。社会认知理论的研究指出，人们更有可能学习和制定他们认同的人的行为模式[18]。在CMC中，当其他社会线索被过滤掉时，年龄、性别和种族是关于群体成员身份的重要线索[38]。人们很容易利用人口统计学线索将自己和他人划分为不同的社会群体。39]。特别是在一个群体存在的初期，当人口统计学特征很突出时，个体倾向于在识别过程中使用这些特征[40]。此外，根据CMC中应用的相似吸引原理[41]，人口特征的相似性可能会增加对其他群体成员的吸引力，从而导致更强的群体突出性和对群体影响的敏感性。实证研究表明，在虚拟环境中，群体成员之间的人口统计学相似性与群体表现和完成群体任务呈正相关[42，43在高度相似的群体中，个体成员比在不同的群体中更有积极性[44]。在在线健康小组中，如果小组成员在人口统计学上相似，人们会将其视为相关参考[26因此，更容易受到他们的影响。

因此，我们的第二个假设是，人口统计学上相似的在线群体对个人水果和蔬菜消费的影响要大于人口统计学上不同的在线群体。

虽然社会模式对促进个人健康行为具有强大的积极作用，但很少有研究考察模式对行为改变进展的影响。先前对食物消费的干预侧重于诱导社会模特的特征，包括焦点人物与模特之间的熟悉程度，模特的体重状况(例如，苗条、正常体重或肥胖)，以及现场模特与远程模特的对比[35]。与那些模型在执行推荐行为方面表现优异的干预措施不同，随着时间的推移，这些模型极有可能显示出它们朝着健康相关目标前进的不同步伐。在增加水果和蔬菜消费的背景下，有些模式可能会循序渐进地达到每天5份的目标(即增量变化模式)，例如每周增加一份水果和蔬菜，持续数周，而另一些模式可能会立即实现每天5份的理想变化(即理想变化模式)，例如在一周内增加吃五份水果和蔬菜。增量变化模型可能比理想变化模型更有效，因为循序渐进看起来更现实，也不那么令人生畏。

特别是在与健康相关的在线群组中，参与者希望遇到与自己健康状况相似的其他人，并将自己的情况与其他人进行比较[45]。在这样的网络环境中，社会比较过程自然会发生。群体成员健康行为差异可能调节群体影响背后的社会比较机制[j]。46]。一个人的团队成员，谁示范推荐的行为，必须被认为是鼓励和可实现的激励。如果群体成员表现得更好，个体倾向于停止将自己与群体成员进行比较，从而避免模仿群体成员的行为[47]。在促进果蔬消费的网络群体中，表现差异是指在行为改变过程中，焦点人物与社会模特在不同时间点的果蔬消费差异。平均而言，焦点人物在存在增量变化模型时的绩效差异可能低于存在理想变化模型时的绩效差异。增量改变模式可能更令人鼓舞，而理想改变模式可能使焦点人在追求健康目标时受挫。

因此，我们的第三个假设是，增量变化模型比理想变化模型对在线群体中个人水果和蔬菜消费的影响更大。

正如前面假设的基本原理所讨论的那样，社会比较可能是增量建模对增加个人水果和蔬菜消费的假设的积极作用的一种心理机制[48]。两种类型的社会比较一种是向下的社会比较，指的是别人做得不好，另一种是向上的社会比较，指的是别人做得更好[49]。布恩克和伊贝玛[50认为，向下和向上的比较可以进一步细分，这取决于个体是否将自己与比较目标进行对比或认同比较目标。当与处境较差的人比较时，个体会因为处于较好的位置而感到宽慰和舒适(即向下对比)，但又会因为未来处于同样的位置而感到焦虑(即向下认同)。当与较富裕的人比较时，个体会因处于较差的位置而感到沮丧(即向上的对比)，但又会感到乐观和希望得到改善(即向上的认同)[50]。文献中的例子显示了向下对比和向上认同的偏好，因为它们通常与更好的心理健康有关[45，51]。在渐进式建模条件下，社会模型在水果和蔬菜消费方面表现出一致的小幅增长，焦点人在干预期间的表现可能比模型更好或更差。在理想的建模条件下，社会模特迅速改变自己的果蔬消费量，在一开始就达到理想的果蔬消费量，并在整个干预过程中保持。那么，在干预期间的大部分时间里，焦点人物的表现可能比模型更差，尽管这种表现差异有望随着时间的推移而减少。向下和向上的社会比较都可能发生在增量条件下:有时焦点人可能优于社会模型，当模型优于焦点人时，低绩效差异可能促进焦点人对模型的认同。然而，鉴于以往缺乏建立社会建模类型与不同社会比较过程之间联系的研究，本研究将探索这一机制的潜力。

因此，我们的研究问题是，在网络群体中，不同的社会比较过程是否会介导社会模式对个人果蔬消费的积极影响?

方法

概述

这个为期4周的基于网络的实验采用了2(人口统计学相似性:人口统计学相似vs人口统计学不同)× 2(社会建模:增量变化vs理想变化)的被试设计加上一个对照组。对照组的参与者在没有小组成员在场的情况下访问该网页，并报告他们每周三次水果和蔬菜消费的自我跟踪。干预组的参与者被要求加入一个四人小组，每个小组成员每周三次发布他们的水果和蔬菜消费量的自我跟踪。每组中有三名成员是同党。他们的人口统计数据(即年龄、性别和种族)以及自我跟踪帖子中显示的水果和蔬菜消费量被操纵，以创建四个干预组。干预包括几个步骤，包括筛选、信息会议、为期4周的网络实验和实验后调查。研究设计和参与者流程见图1．

‎ 查看此图

参与者

参与者是通过注册办公室和密歇根州东兰辛的密歇根州立大学的两个参与者池向本科生发送的信息招募的。密歇根州立大学的人类研究保护计划批准了这项研究。参与者首先被邀请进行一项10分钟的在线调查，以进行筛选，调查的目的是评估他们的食物消耗。根据筛选调查中的回答，为期四周的干预研究的合格参与者的选择标准是参与者必须(1)年龄在18至22岁之间，并且是白人，以实现人口统计学相似性的干净操纵，(2)目前每天消耗的水果和蔬菜少于三份，(3)每天通过电脑和/或手机上网。筛选产生了338名符合条件的参与者，然后通过电子邮件邀请他们参加为期四周的干预。在邀请邮件中，他们被要求亲自参加一个信息会议，参加为期四周的干预研究。然后，111名参与者参加了信息会议并开始了研究。每位完成研究的参与者都获得了30美元的奖励。

程序

一旦确定符合条件，338名参与者被随机分配到控制和实验条件，因为在线小组页面需要根据他们分配的条件为每个参与者定制。这些在线组页面是在信息会话之前创建的，因为参与者需要在信息会话中在他们的组页面上完成一些重要的任务。随机化使用计算机生成的随机数字进行。

实验前一周，111名符合条件的参与者参加了一个30分钟的信息会议。在信息会议开始时，参与者提供书面知情同意加入研究。然后，每个参与者都会收到一封邀请电子邮件，邀请他们加入一个在线小组页面，这个小组页面表面上是根据从筛选调查中收集的参与者的人口统计信息(即年龄、性别和种族)预先制作的。三个参与者的起始水果和蔬菜食用量分别设置为等于，高于0.5，低于0.5，其平均值等于筛选调查中显示的参与者的当前食用量。在创建一个在线档案并加入指定的小组页面后，参与者可以看到他或她自己和三个同伙的信息。参与者被告知，小组成员的信息是从筛选调查中获得的。我们对对照组和干预组分别进行了信息交流。预先制作的视频说明了创建在线个人资料和加入在线群组页面的步骤，并指示参与者发布自我跟踪消息，报告他们在为期四周的实验中每周3天的水果和蔬菜消费量。

实验条件

在宁网上创建了一个健康饮食社区，只有受邀者才能进入群组页面。尽管干预组的参与者被认为他们是和其他三个参与者在一起的;事实上，这三位参与者的信息都是经过实验操纵的。每个小组页面由三个模块组成:(1)小组目标(即，每个小组成员在计划结束时每天将吃五份水果和蔬菜)和小组成员的人口统计数据，(2)自我跟踪消息墙，允许小组成员发布他们的水果和蔬菜消费，以及(3)一个条形图，说明每个小组成员每周的水果和蔬菜消费摘要。图2和3.提供组页面的示例。

‎ 查看此图

‎ 查看此图

人口统计学上的相似vs .多样化

人口统计学上的相似性被不同的同盟者所显示的年龄、性别和种族所操纵。在人口统计学上相似的情况下，三个同盟者的年龄、性别、种族与参与者相同。在人口统计学不同的条件下，每个同谋者在三个人口统计学因素中的两个方面与参与者不同。例如，当参与者是一名18岁的白人女性时，三个同盟者是一名26岁的非裔美国女性(即不同年龄和种族)，一名18岁的非裔美国男性(即不同种族和性别)和一名25岁的白人男性(即不同年龄和性别)。

增量变化与理想变化模型条件

在为期四周的实验中，通过改变参与者的水果和蔬菜摄入量来操纵模型的类型。在增量变化模型条件下，三个参与者预先写好信息，表明每个参与者在四周内的平均水果和蔬菜消费量分别为3份、4份、4.5份和5份。在理想改变模型的条件下，三个参与者预先写好信息，表明每个参与者在四周内的平均水果和蔬菜消费量为五份。从本质上讲，这操纵了联盟成员朝着一天5个目标前进的速度:实现理想目标的渐进进展vs即时进展。由于我们无法控制参与者在4周实验期间的实际水果和蔬菜消费量，因此在增量变化条件下，参与者有时可能表现得比其他人好，表现不佳，或者表现一般。文本框1给出预写自跟踪消息的示例。

测量

主要结果是使用食物频率问卷(FFQ)测量水果和蔬菜的消耗量[52]。调查询问市民在过去四周内食用23种蔬菜(例如菜豆、四季豆、煮熟蔬菜(例如菠菜、芥菜))及12种水果(例如油桃、李子、西瓜、蜜瓜)的数量及频率。对于食量，参与者可以选择份量(小、中、大)。随问题一起提供了不同食用量的图片示例。对于消费频率，参与者被要求用8分制进行评分:(1=从不或每月少于一次，8=每天2次或更多)。

社会比较过程由四个不同的指标来衡量，每个指标由三个项目组成[49]。参与者被要求在阅读其他小组成员的自我跟踪信息和每周水果和蔬菜消费总结时，将自己的感受分为5分(1=一点也不，5=非常多)。一个衡量向下对比的指数(例如，“……我很高兴我自己做得很好" Cronbach alpha=。92;平均值3.14，标准差1.04)，一个指数测量向上对比(例如，“……我对自己的处境感到沮丧，”Cronbach alpha=.91;平均值2.12，标准差1.08)，其他两个指标衡量向上识别(例如，“…我意识到有可能改进，”Cronbach alpha=.77;平均值3.70，标准差0.93)和向下识别(例如“…我担心我的未来也会如此，”Cronbach alpha=.83;平均1.77，标准差0.86)。

除了年龄和性别，参与者的基线水果和蔬菜消费量也在筛选调查中被测量。自我报告的身高和体重被用来计算身体质量指数(BMI)得分。对参加校园膳食计划(1=是，0=否)的人数进行了测量，因为膳食计划的参与者倾向于每天摄入推荐的水果和蔬菜[53]。

分析计划

首先，一系列独立样本t通过检验和卡方检验来检验参加信息会议的参与者与未参加信息会议的参与者之间，开始研究(即参加信息会议)但后来退出的参与者与完成研究的参与者之间以及分配到不同实验条件的参与者之间在年龄，性别组成，BMI等方面的等效性。同样的分析方法被用来检查我们的操作是否成功。

为了检验我们的假设，使用意向治疗分析[54]，使用线性混合效应模型评估干预后水果和蔬菜消费的差异，包括条件和时间(即测量水果和蔬菜消费的时间:基线与测试后)作为自变量，以及用于解释缺失数据的随机截距。具体来说，为了验证我们的第一个假设，即在一个由水果和蔬菜消费量随时间增加的成员组成的自我跟踪小组中，个体的水果和蔬菜消费量会比单独自我跟踪的个体大，我们将研究条件(对照与干预条件)与时间一起作为自变量输入。为了验证人口统计学上相似的网络群体和增量变化模型比人口统计学上不同的网络群体和理想变化模型对个人水果和蔬菜消费的影响更大的假设，将人口统计学上的相似性(人口统计学上相似vs不同)和社会建模类型(增量变化vs理想变化)以及时间作为自变量输入。在分析中引入了时间因素，以包括辍学，并为混合效应分析提供了分组因素。作为随机效应，我们允许每个参与者有不同的截距。的P检验各自变量统计显著性的值由FKenward-Roger近似检验[55]。这些分析是使用R软件包“Ime4”[56]。然后，我们的研究问题在一个使用自举的并行中介模型中进行了检验[57]。自举法已被推荐用于测试小到中等样本的间接影响，因为Baron和Kenny方法[58]是测试调解的最不有效的方法之一，因为它依赖于许多推理程序[59]。

结果

样本特征

共有73名参与者完成了为期4周的干预和后调查。其中女性49例，平均年龄19.86岁(SD 1.65)。73名参与者在基线时平均每天食用2.03份(SD 0.72)，在4周的实验后平均每天食用3.05份(SD 2.01)。比较参加和未参加信息会议的合格参与者。结果表明，他们在年龄上没有差异。t₃₃₃= -1.61,P=.11)、水果及蔬菜的基线食用量(t₃₃₃＝1.29,P=.19)，或性别(χ²₁= 0.3,P=.66)，尽管参加信息会议的参与者比没有参加信息会议的参与者(平均1.94，标准差1.13)对参加在线健康饮食支持小组更感兴趣(平均2.36，标准差1.25);t₃₃₃= 2.49,P= . 01)。

在111名参加信息会议的参与者中，73名(65.8%)完成了为期4周的干预和后调查。分析显示，开始研究但中途退出的参与者与完成研究的参与者在年龄上没有差异。t₁₀₉= 1.53,P=.13)，性别(χ²₁= 0.1,P=.81)， bmi (t₁₀₉= -0.69,P=.49)，水果及蔬菜的基线食用量(t₁₀₉= 0.24,P=.81)，或有兴趣参加网上健康饮食支援小组(t₁₀₉= 1.52,P= 13)。

表1给出了按条件划分的样本的描述性统计数据，包括基线水果和蔬菜消费、BMI、年龄、性别分布和完成率。不同条件下的参与者在这些特征上没有显著差异。

操作检查

为了检验对群体人口统计相似性的操纵是否成功，在实验后的调查中，我们要求参与者指出以下哪一种陈述最能描述他们的群体成员:“我们在年龄、性别和种族方面是不同的”(编码为0)和“我们在年龄、性别和种族方面是相似的”(编码为1)。卡方检验显示，人口统计学上相似的群体(平均1.81,SD 0.40)和不同的群体(平均1.00,SD 0.01;χ²₁= 11.2,P<措施)。

为了检查增量与理想变化模型的操作是否成功，在10名参与者的试点测试中，我们要求他们指出其他组成员的水果和蔬菜消费量是逐渐增加(编码为0)还是保持不变(编码为1)。卡方检验表明，增量建模条件下的参与者更有可能选择0，而理想建模条件下的参与者更有可能选择1²₁= 10.0,P= .008)。

我们还包括两个间接操作检查增量与理想变化模型:实际和感知的性能差异。实际的表现差异是根据参与者在小组页面上的帖子来计算的。这是在4周干预的前3周中，社会模型中被操纵的食用量与参与者在自我跟踪信息中报告的实际食用量之间的平均差异。在实验后的调查中，通过要求参与者评价其他小组成员在实现每天5个目标方面的表现是比(=1)差，与(=2)相似，稍好(=3)，还是比他们好得多(=4)，来测量感知的表现差异。的t检验显示，增量变化模型(平均0.82,SD 0.75)与理想变化模型(平均1.18,SD 1.04;t₇₁= -1.48,P= 0.15)，或者在增量变化模型(平均值3.35,SD 0.79)和理想变化模型(平均值3.29,SD 0.69;t₇₁= -0.34,P= .74点)。因此，增量建模与理想建模并不一定会导致低性能与高性能的差异。

基于个人与基于群体的自我跟踪

结果显示，被分配到干预组(即以小组为基础的自我跟踪)的参与者比分配到对照组(即以个人为基础的自我跟踪;β= .20,F_1、88.25= 6.83,P= . 01)。与其他小组成员一起自我记录水果和蔬菜摄入量的参与者(平均3.37,SD 2.01)比单独自我记录水果和蔬菜摄入量的参与者(平均1.37,SD 1.44)消耗更多的水果和蔬菜。

组的自我追踪

人口统计学上的相似性并没有显示出对水果和蔬菜消费有显著的主要影响(beta= - 0.06;F_1、76.92= 1.02,P=收)。社会建模类型也没有显示出显著的影响(beta= 0.04;F_1、75.88= 0.50,P=的相关性)。人口统计学相似性与社会模式类型之间没有交互作用(P= .46)。换句话说，人口统计学相似组(平均3.40,SD 2.55)和人口统计学不同组(平均3.19,SD 1.45)在4周的实验后的水果和蔬菜消费量没有差异。同样，在水果和蔬菜消费量方面，增量变化模型组(平均3.58,SD 2.30)和理想变化模型组(平均3.18,SD 1.70)之间也没有差异。此外，结果显示时间的主效应显著(beta=.34;F_1、77.52= 24.82,P<.001)，因此参与者的水果和蔬菜消费量在干预过程中增加。然而，时间与实验条件之间没有显著的交互效应。

事后分析:绩效差异

我们的间接操纵检验表明，增量变化和理想变化模型并不一定会产生我们预期的性能差异;因此，我们在事后分析中探讨了绩效差异作为自变量的影响。使用实际表现差异的平均值(平均值0.96，标准差0.92)，将参与者分为低(编码为0,n=32)和高(编码为1,n=31)实际表现差异组。采用随机截距的线性混合效应模型来解释缺失的数据，以评估干预后水果和蔬菜消费的差异，包括性能差异、人口统计学相似性和时间作为自变量。结果显示，在为期四周的实验结束时，实际表现差异对参与者的水果和蔬菜摄入量有显著的主要影响(beta= - 0.29)。F_{1, 56}= 12.64,P= .002)。具体而言，与其他成员表现差异较小的参与者比与其他成员表现差异较大的参与者(平均2.56，标准差1.32)消耗更多的水果和蔬菜(平均4.11，标准差2.28)。采用类似的分析方法，将性能差异的实际值(即不进行性能差异二分类)作为自变量之一进行附加分析。结果显示了相同的结果，即表现差异对水果和蔬菜的摄入量有负面影响(β = - 0.35，P=措施)。考虑到实际绩效差异的显著主效应，我们进行了一系列事后分析，以检验不同的社会比较过程是否介导了绩效差异对果蔬消费的影响。间接效应在平行中介模型中采用自举法进行检验[57]。间接效应的存在是由以下两个标准确定的。首先，总效应在统计上显著，而直接效应在统计上不显著。第二，间接效应应具有统计显著性[57]。如表2，通过向下对比的间接效应显著，系数为-0.78 (95% CI -2.44 ~ -0.15)。研究表明，低绩效差异导致了更大的向下对比，这反过来又导致了更多的水果和蔬菜消费。因此，向下对比在成绩差异与果蔬消费之间起中介作用。

讨论

这项研究建立了一个基于在线小组的项目，允许年轻人自我跟踪饮食行为。当参与者与其他小组成员一起进行自我跟踪时，水果和蔬菜的消费量明显高于参与者单独进行自我跟踪时的消费量。因此，我们的第一个假设得到了支持。这一发现表明，对年轻人来说，使用在线自我跟踪小组和社交模式是有效的。尽管自我追踪有助于提高对水果和蔬菜摄入量的自我意识[28]，人们需要一个更大的背景，比如一个群体环境，在那里他们可以观察和比较其他人的表现，从而更显著地增加水果和蔬菜的消费量。

理论意义

在增加水果和蔬菜消费方面，人口统计学上相似的群体和不同的群体之间没有差异，这表明人口统计学上的相似性并不是一个决定群体特征，它不能使自我跟踪的群体在行为改变方面更成功。社会认知理论指出，当一个人对一个模型有强烈的认同时，社会学习和行为改变更有可能发生[18]。在这项研究中，年轻人不一定会更多地认同具有相似人口特征的其他人，因为年轻人生活在一个多种族和多元文化的社会中，在日常接触中，人口多样性是很自然的[60，61]。此外，参与者被安排与不知名的陌生人分组。虽然对人口统计学相似性的操纵可能会促进对群体成员的某种程度的认同，但由已经认识的人组成的群体可能会呈现出完全不同的认同水平，可能比我们在本研究中发现的更强。鼓励未来的研究研究不同的群体组成，如群体成员有预先存在的联系，并评估模型在自然主义实验中朝着健康目标前进的速度的影响。

另一种解释是，每天吃五份水果和蔬菜是一种适用于所有人的健康行为[62]，不分年龄、性别或种族。因此，模型的人口特征在这里可能不会起关键作用。此外，尽管自我跟踪小组的参与者共同朝着“一天五次”的目标努力，但他们并不相互依赖以实现目标。显示人口统计学相似性对表现有显著影响的群体文献通常涉及群体成员之间更高水平的相互依赖和互动[40]。对于协同工作而非相互依赖的成员来说，人口统计学相似性的影响可能微乎其微。

与理想变化模型相比，增量变化模型在增加个体水果和蔬菜消费方面没有表现出优势。这一发现表明，社会模式实现健康目标的速度并不影响个人行为的改变。操纵检验表明，与我们的假设相反，增量变化模型并不一定会导致比理想变化模型更低的实际或感知性能差异。参与者的实际表现差异与他们的感知表现差异是一致的，并且实际表现差异对增加个人的水果和蔬菜消费量有显著影响。综上所述，使网络群体更有效的不是模型在行为改变方面的进展，而是模型在行为改变方面的表现差异的大小。在同一个网络群组中，与模特表现差异较小的参与者比与模特表现差异较大的参与者消耗了更多的水果和蔬菜。高绩效差异可能使焦点人认为他或她永远无法匹配或超越永远优秀的团队成员[63]。因此，随着时间的推移，高绩效差异可能会削弱个体持续增加水果和蔬菜消费的功效。有趣的是，持续的向上或向下的比较在行为改变方面效果较差，因为它们呈现的激励或挑战场景不如向上向下的组合比较。与模型相比，表现差异低的参与者有时表现得更好，表现不佳，或与模型表现相同(差异范围从-0.48到0.96份)，而表现差异高的参与者总是表现不佳(差异范围从1.00到3.29份)。未来的研究应该测试这一推测，并增加我们对行为改变的有效社会比较机制的理解。

此外，我们的事后分析显示，向下对比介导了绩效差异对水果和蔬菜消费结果的影响。当与偶尔表现较差或相似的小组成员进行比较时，焦点人物会感觉良好，并为自己做得很好而感到宽慰。然而，向上识别并不是显著的中介。与表现较好的小组成员相比，向上认同是导致积极行为改变的机制，但本研究未观察到这一点。因此，在网络群体中，除了匹配表现相似(即有时差一点，有时好一点)的群体成员以促进向下对比外，激活向上识别以使参与者能够模仿更好的模型是至关重要的。

实际意义

这项研究为设计有效的在线群体以促进年轻人的水果和蔬菜消费提供了一些见解。随着各种自我跟踪技术的快速发展[29]，自我跟踪器之间的虚拟连接允许共享个人健康信息。当团队成员在健康目标方面取得积极进展时，团队中的集体自我跟踪比单独的自我跟踪更有效。现有的自我追踪手机应用程序和在线社区(如MyFitnessPal, FatSecret)可能会利用这种洞察力，将自我追踪者虚拟地连接到小群体中。对于那些需要增加水果和蔬菜摄入量的人，比如糖尿病或心血管疾病患者，医疗保健提供者可能想要开出超出自我跟踪实践的处方，并鼓励他们通过在线或离线支持团体或移动网络与其他自我跟踪者建立联系。

此外，先前的研究发现，在线健康社交网络中的人们倾向于与具有相似人口背景和相似健康目标进展的其他人建立联系[26]。这项研究发现，是健康进展的相似性，而不是人口背景的相似性，使在线群体在促进水果和蔬菜消费行为方面更有效。因此，在创建在线小组或在线社交网络以增加人们的水果和蔬菜消费时，可能会开发算法来推荐与其他有类似健康进展的人合作，以实现目标。

限制

除了合理的减员外，本研究还存在一些局限性。首先，在有资格并被邀请参加为期4周干预的338名参与者中，只有111名(32.8%)参与者参加了研究的信息环节。在信息会议中失去合格参与者的原因是，从注册办公室和参与者池中招募的学生参与者通常可以选择参加其他研究。学生参与者倾向于选择花费最少努力的研究，比如在线调查。我们的研究包括参加信息会议和为期4周的干预，这对学生参与者的吸引力较小。然而，我们的分析显示，参加和未参加信息会议的符合条件的参与者在年龄、性别和基线水果和蔬菜消费量方面没有任何显著差异。

其次，在事后功率分析中，我们有74%的观察功率来检测对照组与干预组之间的显着差异d=0.63，有80%的能力检测到表现差异对干预后水果和蔬菜消费的显著主要影响(事后分析)d= 0.61。然而，我们只有13%的能力来检测社会模式对干预后水果和蔬菜消费的显著主要影响d=0.12，人口统计学上与科恩的相似度为10%d= 0.08。因此，小样本量可能导致了我们假设的无效结果，即人口统计学上相似的在线群体和增量变化模型比人口统计学上不同的在线群体和理想变化模型对个人水果和蔬菜消费的影响更大，影响规模非常小。同样，样本特征的组等效检验可能因每种情况下的小样本量而产生偏差。读者在解释这些结果时，要考虑到样本量小和缺乏权力。

第三，这项研究是一个短期的行为改变(即4周)。我们不知道水果和蔬菜的消费量是否会继续增加或保持在五份。未来的研究应该检查在线群体对改变水果和蔬菜摄入量的潜在长期影响。最后，本干预中使用的自我跟踪方法是传统的自我报告食物日志，这给参与者带来了很高的负担[64]。最近的自动食品识别技术依赖于可穿戴相机或手机来捕捉食物照片，并利用计算机视觉技术来分析食物成分[65，66]。另一种替代方法是使用即时照片作为轻量级的食物日志，以减少用户的工作量[67]。未来的研究应该考虑这些更先进的自我跟踪方法，以减少参与损耗，并提高自我跟踪信息的准确性和有用性。

结论

这项研究是首次尝试测试在线自我跟踪小组对年轻人增加水果和蔬菜消费的影响。为期4周的实验表明，有模特的在线自我跟踪组在促进水果和蔬菜消费方面比单独的自我跟踪组更有效。我们还发现，模型之间的低绩效差异会导致向下的对比，从而随着时间的推移增加参与者的水果和蔬菜消费。该研究强调了允许分享个人健康信息的在线群体中的社会比较过程。