通过虚拟化身定制提高数字心理健康干预认知训练的效果:众包准实验研究

介绍

背景

基于互联网的心理健康干预措施对于解决日益增长的心理健康问题治疗需求与传统治疗方法满足这一日益增长的需求的能力之间日益扩大的差距是必要的[1]。有人认为，基于互联网的心理健康干预措施比传统方法有一些好处，特别是在增加治疗的可及性(例如，由于生活在无法获得临床治疗的偏远地区的地理限制)、扩大规模的能力(例如，无缝地满足可能从治疗中受益的人日益增长的需求)、获取的便利性(例如，通过部署智能手机或网站)以及广泛的吸引力(例如，治疗可能没有资格在卫生保健系统接受治疗的亚临床人群，而卫生保健系统在满足临床人群的需求方面已经捉襟见肘)[1-3.]。

为了取得成功，基于互联网的心理健康干预需要良好的干预设计临床疗效证明。有几个基于互联网的心理健康应用程序的例子已经证明了治疗效果[4，5]随机对照试验(RCTs) [6-8]。然而，由于这些心理健康干预措施是以数字方式提供的，而且往往不在实验室或临床环境中，因此成功不仅取决于心理健康方面的有效性研究但也由功效来定义实践，这取决于经过验证的实施模型和对外部有效性的关注——即，在预期使用的上下文中证明的成功[4，5，9]。实践上的成功需要吸收(也就是说，人们必须使用应用程序)，保留(即，人们必须在足够长的时间内使用这些应用程序才能体验到好处)，并在条件下证明了治疗效果实践(即，临床疗效必须转化为控制较少的环境，对患者的注意力和时间有多种竞争需求)。这些在实践中已证明成功的因素是基于互联网的心理健康干预措施失败的原因，这些干预措施在随机对照试验中是有效的，但由于使用率低(即招聘挑战)而受到损害[10])，注意力(即在使用干预措施的时刻未能有效地吸引参与者[11])和保留(即在中期未能遵守[12])交付时在野外．研究人员最近提出，需要在研究和实践中证明治疗效果的成功[5，9]，而未能弥合研究与实践之间的差距促使人们提出这样的建议，即研究人员在如何在野外实施这些类型的干预方面还有很多需要学习[5]。

吸收、注意力和留存

研究人员认为，提高基于互联网的心理健康干预的巨大成功，可以通过改善网络环境来促进用户体验设计［5］．以休闲或享受为目的而构建的基于互联网的应用程序也依赖于用户参与度——即良好的吸收、关注和留存率——因为构建这些应用程序的公司的盈利微交易模型要求最终用户选择应用程序(吸收)、参与应用程序(关注)并继续使用它(留存率)。休闲应用设计师采用了各种交互设计策略来提高用户参与度，包括游戏化，即在非游戏环境中使用基于游戏的元素[13]，包括外在奖励[14]，或利用社会压力15]。通过增加用户对应用程序的享受和投入的努力来增加用户的动机，这些类型的交互设计策略是交互式技术动机设计研究领域的一部分，最近也被应用于数字干预设计的背景下。

例如，应用动机设计原则已被证明可以促进对胎儿酒精谱系障碍儿童进行为期12周的神经反馈治疗[16]，以增加使用中风康复计划的动力[17]，以及提高脑瘫儿童对社会体育活动干预的享受程度[18]。此外，采用角色定制(一种建立在自主性和识别性基础上的动机设计策略)的一系列研究表明，可以增加游戏训练的乐趣和投入的努力[19，增加在游戏中花费的时间(自由选择)[20.]，并进行为期三周、以互联网为基础的每日呼吸练习，以对抗消耗[21]。

使用时刻的参与

先前的研究表明，动机设计原则可以通过提高用户对应用程序的参与度来帮助缩小基于互联网的心理健康干预设计的研究与实践差距[2];然而，导致这些想法的先前工作通过两种方法来衡量成功:首先，通过关注动机的主观衡量，例如增加对干预的享受或对投入任务的努力的感知(例如，[19])，第二，通过实施干预措施使用统计数据的指标，例如治疗花费的时间或返回的次数(例如，[21])。然而，还有第三种方法来描述激励设计的成功，并将其应用于服务不足的数字干预，即，在使用过程中增加任务参与度的指标．作为研究人员，我们必须区分两种动机设计，一种是导致更多的接触治疗(例如，花更多的时间在训练上，更多的坚持)——这应该通过单纯的接触来提高疗效，另一种是促进任务参与的动机设计(例如，更多的注意力和集中，减少对分心的反应)——这应该在不增加接触的情况下提高治疗效果。

在本文中，我们在一个心理健康干预(计算机化认知训练，CCT)的例子中采用了1种动机设计策略(化身定制)，以证明动机设计原则不仅可以通过更大的吸收和保留来改善对治疗的暴露，而且可以提高干预使用时刻的集中参与。

计算机认知训练作为心理健康干预

CCT是一种专注于改善认知特定方面的干预设计方法。可行性研究表明，CCT可以改善记忆、自我控制、推理、注意偏差和处理速度[22];CCT已成功应用于临床研究，以对抗精神疾病和认知障碍，如痴呆症[23]，抑郁[24-26]、神经退行性疾病[26]、注意力缺陷/多动障碍(ADHD) [27]和脑损伤[28]。最常见的CCT任务是Go/No-Go任务[29]、记忆训练[30.]和注意偏见修正训练(ABMT)任务[31]。例如，Go/No-Go任务要求参与者在不断变化的条件下抑制反应(例如，在快节奏的任务中，当红色框出现时按L，但当绿色框出现时抑制按L)。Go/No-Go模式已被应用于执行功能的训练[32]，研究表明，这种模式可以改善多动症儿童的多动症状[33]和减少不良食物的摄入，当应用于饮食行为时[34]。

另一种认知再训练的方法是通过注意偏见修正[35]，它同时让参与者暴露在消极和中性刺激下，但通过只在中性刺激后呈现目标探针，加强了注意力向中性刺激的转移。ABMT已被证明是一种有效的技术，可以将参与者的注意力从负面刺激上转移开，减少自我报告的焦虑，减少对负面刺激的反应[31，36，37]。尽管以实验室为基础的ABMT培训已被证明是有效的[36]，以互联网为基础的ABMT一般没有被证明是有效的，这表明训练任务本身可能需要在互联网上传播之前进行调整[38]。在需要患者全神贯注的训练任务中，在基于互联网的干预措施中，缺乏对环境中分心和注意力的控制可能会影响在野外进行的治疗效果:为了使CCT完全有效，参与者需要保持警惕，心理上在场，并参与任务。

cct在提高注意力、工作记忆和整体功能方面显示出中等到较大的效应[24]。然而，为了在实际环境中显示效果，cct需要以最大化用户粘性的方式进行设计。注意力不集中、注意力不集中或分心会降低注意力训练的效果[39，40]。当有条件条件训练应用于研究或在治疗师的治疗过程中，参与者被外部调节专注于任务;然而，当人们在上下班途中、在家或排队等待几分钟时进行认知训练时，这种外部调节就会大大减弱。为了支持基于互联网的心理健康干预在野外的成功，研究人员需要问，我们如何增加即时参与来弥补野外的注意力不集中和分心，从而提高训练效率?

订婚

尽管基于互联网的心理健康应用程序增加了治疗的可及性，但它们的使用仍然需要参与者的参与和努力[11]。动机理论为如何设计应用程序以最大化用户粘性提供了指导。自我决定理论(SDT)，一个完善的人类动机理论[41)，假设能力、关联性和自主性是动机的3个预测因素，以享受、投入和努力来表达。能力——体验对一项任务的掌握，自主性——自愿参与一项任务，以及相关性——体验与他人的联系——预测参与，并已被证明与治疗结果呈正相关[11]。例如，出于个人选择(即自主)参与治疗的来访者更有可能从治疗中受益。增加自愿参与已被证明可以提高依从性和治疗效果[42]。

为用户粘性而设计

在数字环境中，已经应用了多种策略来促进自愿参与。例如，游戏化——游戏元素在非游戏环境中的应用[13-已经成功地应用于在各种情况下增加意志参与[43]。以游戏为基础的训练已被证明可以提高工作记忆能力[44]，任务转换能力(同上)，视觉短期记忆(同上)，言语推理(同上;［45])，视觉空间推理[46，47]、反应选择[48]，视觉注意[49，50]，反应时间[51，52]和选择反应时间[53，54]。

类似地，劝导技术运用策略，通过塑造或强化行为或态度来带来改变[55]。说服技术中常用的两种策略是个性化[56，57这是一种由系统发起的剪裁，为个人提供个性化的内容或服务，以及定制[56，58-这是一个支持用户定制内容或服务的系统。Sundar等[59认为，虽然个性化将增加使用交互系统的个人的内容相关性，但定制产生的系统和内容不仅相关，而且还增强了个人的能动性和自决权，因为是他们自己在进行定制。个性化和定制化都被认为是增加长期参与基于互联网的心理健康干预的技术[21，60]。

定制能够培养玩家的自主性、控制感和认同感，让玩家觉得自己与自己的互动环境息息相关。59]。如前所述，一系列使用角色定制的研究(这有助于角色识别)表明，玩家在游戏中投入更多精力和乐趣。19，增加了在游戏中花费的时间(自由选择)[20.]，并在为期三周的网络呼吸练习中对抗消耗[21]。总之，这些研究表明，在为期3周的干预中，主观测量的动机和客观测量的动机在参与应用程序的时间和返回会话的次数方面有所改善;然而，没有尝试证明在使用时增加应用程序的接触会改善治疗效果。动机设计如何导致更大的暴露于治疗和动机设计如何促进任务参与之间没有区别(例如，更多的努力投入，更好的注意力和集中，或减少对分心的反应)，这应该提高治疗效果，而不会同时增加暴露。

当前的数字心理健康干预需要患者的关注和动机[5]，不幸的是，这些特征对于患有抑郁症的人来说也是稀缺的，并且可以从治疗中获益最多(同上)。先前的研究表明，角色定制可以增加参与训练应用程序的动机，从而增加花在训练上的时间。在本文中，我们建议采用动机设计原则-特别是使用头像定制-可以通过增加任务参与度来提高基于web的ABMT任务的效率在训练的那一刻，而不需要额外接触治疗。

方法

研究问题

我们进行了一项在线研究，我们要求一半的参与者定制一个虚拟形象;另一半被分配了一个通用的虚拟形象。每个虚拟形象组都执行一项ABMT任务——每组中一半的参与者被训练成优先关注中性刺激而不是消极刺激，另一半则没有。受过训练的参与者应该更能适应随后的负面刺激;因此，在完成ABMT任务后，参与者都接受了负面情绪诱导(观看可怕的图像)，并在训练前和刺激后完成了状态焦虑量表。我们的实验是2(虚拟形象:定制，一般)× 2(注意力训练，无训练)受试者间设计;看到图1．注意力不集中或分心会降低注意力训练的效果;因此，我们要问的是，虚拟角色定制所带来的即时参与度的增加是否能提高训练效率。

以下研究问题(RQs)指导了我们的分析:

RQ1:定制能提高注意力再培训的效果吗?

RQ2:定制是否增加了培训和非培训参与者的识别?

RQ3:虚拟形象识别是否会提高注意力训练的效果?

RQ4:培训效果是否随基本需求的满足而变化?

使用头像创建者自定义

为了引入自定义，我们使用了一个能够促进游戏内在动机和投入努力的角色创造者[20.]。参与者被要求创建一个化身，选择其性别，并以与Birk等人在研究中描述的相同方式调整其外观，个性和属性(特征)。20.];看到图2．在角色创建器中至少需要4分钟，但如果参与者愿意，可以花更长的时间。在定制他们的虚拟形象后，参与者会看到他们角色的摘要。

我们向一半的参与者展示了虚拟形象的创造者;另一半被分配到一个具有一般特征和中等头发和皮肤颜色的角色图3）.参与者在人口统计调查中被问及性别;那些回答男性或女性的人被分配了一个相同性别的化身。回答的人其他(n=3)，然后被要求为他们的数字代表选择一个性别。对于通用和定制的角色，我们创建并存储了2个面部表情:1个中立的脸和1个愤怒的脸图3）.面部是通过使用基于Ekman面部动作编码系统的算法调整面部的3D模型来创建的[61]。由于男性和女性面部几何形状的差异，有2种算法(1种用于男性，1种用于女性)，所有相同性别的化身都使用相同的算法。一旦虚拟形象被定制或分配，参与者完成ABMT任务。

注意偏见修正训练任务

在ABMT任务的每次试验中[31]时，呈现以屏幕为中心的注视交叉，持续500 ms。在注视交叉呈现之后，展示了2个虚拟形象的面孔:一个是中性的面部表情，另一个是愤怒的面部表情。一张脸显示在十字架上方，另一张显示在十字架下方。在这些面孔呈现500毫秒后，它们消失了，在其中一张面孔后面显示了一个探针。探针指示一个右箭头或左箭头，参与者被要求尽快按下键盘上相应的箭头键。按左或右箭头键后，间隔时间为500ms，显示白屏。随着注视交叉的出现，下一个试验立即开始。看到图4．

‎ 查看此图

‎ 查看此图

‎ 查看此图

‎ 查看此图

注意偏见修正训练:训练/不训练

在开始ABMT任务之前，参与者被引导通过10个中性面孔的试验来学习任务的机制。参与者被提示将注意力集中在固定十字上，并且只有当他们按下探针指示的正确箭头键时才能继续。

在教程之后，ABMT任务分为7个模块:1个预评估模块，5个连续训练/不训练模块，以及一个后评估模块。在每个区块，参与者完成96项试验(总共672项)。在每个区块结束后，参与者有6秒的休息时间，同时会被告知下一个区块即将开始。这样做是为了指示任务的进度。

我们在评估前和评估后分别使用了2组包含4张头像的图像集(2张男性，2张女性);两个图像集的呈现顺序完全平衡，避免了顺序效应。这些虚拟形象是从之前的一项研究中选择的用户生成的虚拟形象[20.]。在96个试验中，性别(男、女)、位置(上、下)、探针位置(愤怒、中立)和探针方向(左、右)的呈现是完全平衡的。

在ABMT训练条件下，探针只出现在中性面孔的后面，目的是将参与者的注意力转移到中性刺激上。在无训练条件下，参与者暴露于与评估条件相似的完全平衡的探针呈现，其中50.0%(240/480)的探针出现在中性面孔后面，50.0%(240/480)的探针出现在愤怒面孔后面。参见Hakamata等人的研究[31]获取ABMT任务的详细描述。

在7个实验区块之后，参与者完成了一份情绪量表，对4种状态(我感觉:放松、快乐、抑郁、焦虑)的7分同意度，代表了觉醒效价空间的4个角落[62]。

试采和测井

对探针的错误反应从随后的分析中删除，因为它们表明参与者在试验中没有集中注意力。当参与者的反应时间大于他们自己在两个评估块上的平均表现的3个标准差时，个别试验也被删除。记录探针所在位置的位置(上、下)、性别(男、女)、表情(愤怒、中性);响应时间(ms);以及探测响应的正确性(true, false)。

消极情绪诱导

为了测量对消极情绪诱导的弹性，我们展示了来自国际情感图像系统(IAPS)的20幅消极图像;［63]) -ID: 2703、3010、3015、3225、3230、3350、3530、3550.1、9040、9265、9301、9410、9420、9433、9490、9500、9570、9611、9635.1、9901。根据效价(mean=2.01, SD=0.5, min=1.51, max=3.60)和唤醒(mean=5.92, SD=0.63, min=4.34, max=7.16)选择图像。为了确保参与者看了图像，我们要求他们使用视觉自我评估模型的效价和唤醒量表对每张图像进行评级[64-效价和觉醒量表是顺序的，以增加观看每张图像的时间。IAPS图像先前已被用作ABMT背景下的负面情绪诱导[31]。描述性地，参与者对负面图像的反应与标准IAPS评分相似(值:均值=1.91,SD=0.62, min=1, max=4.05;arousal: mean=4.97, SD=1.215, min=1, max=7)，说明图像的感知与预期一致。

参与者及部署平台

我们通过亚马逊的土耳其机器人(MTurk)招募了317名参与者。MTurk充当各方之间的中间人，提供一系列人工智能任务和有偿工人。尽管MTurk已被证明是可靠的研究招募工具[65-67]，如果参与者没有认真完成任务，我们将他们排除在分析之外，这是我们通过多个步骤确定的。我们根据缺失试验(表明技术困难)或过多试验(表明他们中途重新加载任务)删除了33名参与者。然后，我们计算每个调查分量表内的方差，并从后续分析中剔除在3个或更多问卷分量表上反应方差大于平均方差3个标准差的参与者(n=8)。在一个子量表中有很高的方差表明没有注意调查问题和反向编码的项目。我们还从后续分析中剔除了完成2份或更多问卷且平均时间低于平均反应时间1 SD的参与者(n=10)。最后，我们剔除了在消极情绪诱导后花超过2分钟回答状态焦虑问卷的参与者(n=4)，因为这表明他们在回答问题时需要时间来恢复。

排除异常参与者后，还剩下262名参与者。由于我们控制了年龄和性别的分析，我们也排除了3名认为自己性别为的参与者其他在我们所有的分析中，共有259名参与者(51.0%[132/259]为女性，平均年龄35.3岁，SD=11.5)。参与者因参与而获得10美元的补偿。获得了萨斯喀彻温大学行为研究伦理委员会的伦理批准，并要求参与者在任务开始时给予知情同意。为了遵守道德准则，这项任务只适用于18岁以上的工人。此外，只有满意率在90%以上的美国员工才会被要求完成这项任务，作为一种质量控制手段，并且在负面图像出现之前，会在多个点提供触发警告。

措施

识别是使用来自玩家识别量表的相似性识别、具身识别和一厢情愿识别的化身相关子量表来测量的[68]。参与者对与身份认同相关的陈述——“我的性格在很多方面都像我”——进行了7分李克特评分。在定制角色时，身份识别已经被证明是一个重要的构造因素[20.]。

状态焦虑采用状态-特质焦虑量表(STAI;［69])。参与者对陈述的好坏进行打分——例如，“我很冷静”——用从“一点也不”到“非常”的4分制来描述他们目前的状态。在此之前，STAI已被成功地应用于负面情绪弹性的研究中[70]。

基本需求满意度采用基本心理需求满意度(BPNS;［71])。BPNS量表包括能力、自主性和相关性三个基本满意度的子量表，这是三个持续的需求，当满足时，会导致最佳的发展和功能。参与者对“我认识的人告诉我，我擅长我所做的事情”这一说法的认同程度进行了7分李克特评分。该量表曾被用于研究消极情绪的恢复力[71]。

程序

参与者被告知时间(60分钟)、付款(10美元)、程序，以及研究中包含可怕图像的事实。在给予同意后，参与者被要求填写关于他们的人口统计、基本需求满意度和基线状态焦虑的问卷。

然后，参与者被分配到四种条件中的一种:定制头像/ABMT培训、定制头像/不接受ABMT培训、通用头像/ABMT培训和通用头像/不接受ABMT培训。有关描述性统计信息，请参见表1．

根据情况的不同，参与者可以自定义一个虚拟形象，也可以分配一个通用的虚拟形象，并立即开始学习ABMT教程。在教程之后，所有参与者使用先前描述的图像集中的一个进行了一组预评估试验。在最初的测试之后，一半的参与者接受了5个模块的注意力再训练，探针只出现在中性面孔的后面，而另一半完成了5个模块的注意力再训练，探针同样出现在中性面孔和愤怒面孔的后面。所有参与者在另一个图像集训练后/未训练后进行1块后评估。在评估之后，所有的参与者都暴露在使用可怕的IAPS图像的负面情绪诱导下。消极情绪诱导后，参与者填写状态后焦虑问卷。最后，参与者提供了关于他们在多大程度上认同用于训练/非训练的头像的信息。然后，参与者被告知实验的目的，如果他们想要对抗由IAPS图像引起的负面情绪，他们会被引导到可爱的小动物图片上。看到图1为实验流。

数据收集与分析

所有数据都被记录到萨斯喀彻温大学服务器上的数据库中，并使用社会科学统计软件包(SPSS)第24版(IBM公司)进行分析，其中包含用于调节和中介分析的过程宏[72]。

在分析训练和定制对焦虑的影响之前，我们分析了基于块的情绪评分，以确保不同的条件不会直接诱发不同的消极情绪诱导易感性。与角色定制或训练都没有显著的交互作用，这意味着条件不会直接影响情绪(见[73])。

我们计算了4个模型。首先，研究了虚拟形象定制和注意再训练对负性情绪诱导后状态焦虑的影响。我们使用协方差分析(ANCOVA)，将化身(定制，通用)和注意力再训练(训练，未训练)作为负性情绪诱导后状态焦虑依赖测量的因素。

ANCOVA允许我们通过将这些变量作为协变量来控制注意力再训练前的状态焦虑水平、年龄和性别。在有基线的随机研究中，与使用重复测量方差分析(ANOVAs)相比，ancova具有更高的功效[74]。

接下来的3个回归模型都控制了基线状态焦虑、年龄和性别。在第二个模型中，我们考虑角色定制(X)是否预测识别(Y)，以及训练(M)是否调节这种关系(模型=1;［72])。角色自定义和身份识别之间的联系先前已经建立[20.，75]。

第三，我们考虑认同(X)是否预测焦虑(Y);后负性情绪诱导)以及训练(M)是否调节了这种关系(模型=1;［72])。

最后，我们进行了适度调节(模型=3;［72])。我们考虑了虚拟形象定制(X)是否预测了消极情绪诱导后的焦虑(Y)，这种关系是否受到基线需求满意度(M)的调节，以及这种调节是否受到训练(W)的调节。一个被调节的调节模型类似于方差分析中的三向交互，但允许将连续变量作为因素。

结果

如上所述，我们创建了4个统计模型，并使用这些模型来回答一系列研究问题。

RQ1:定制能提高注意力再训练的效果吗?

在ABMT训练组中，定制头像的参与者应该对负面刺激表现出更强的适应能力。对训练前焦虑、年龄和性别进行控制的ANCOVA结果显示，虚拟形象定制与消极情绪诱导后焦虑的注意再训练之间存在显著的交互作用(F_1252年= 6.86,P= .009,η_p²= .027）．经Bonferroni校正的事后测试显示，只有当参与者使用定制头像时，训练才能减少状态焦虑(P= .04点);当使用通用头像时，训练并不比不训练更有效(P= 10)。这一结果表明，当参与者被允许创建一个定制的化身，并提供个性化的刺激时，注意力再训练更有效图5）.

虽然化身和训练的交互作用表现出显著的效果，但偏方差值(η_p²= 0.027)意味着影响很小。对刺激后焦虑的巨大影响(R²=.401)主要由基线焦虑(η_p²= .353)。然而，当通过包含变量(年龄、性别、训练、化身以及训练和化身的相互作用)的个体效应大小来观察模型时，我们发现年龄(η_p²= 0.032)和性别(η_p²= 0.030)都显示出很小的影响。训练和化身(两者都不显著)几乎没有解释差异(η_p²<。001年和η_p²=。001年,分别)。化身与训练的互动(η_p²= 0.027)显示了与主要人口变量(即年龄和性别)对焦虑的影响相似的影响。

这些结果与之前的研究结果一致，即定制化能够增加玩家对数字表现形式的认同，从而增加积极影响、任务乐趣、投入的努力以及在自由选择游戏中花费的时间(以时间衡量)。20.]，而且这些影响与主要人口变量的影响大小相似。

RQ2。定制是否增加了培训和非培训参与者的识别?

我们研究了头像定制对头像识别的预测，并通过训练进行调节。模型具有显著性(F_5252年= 12.46,P<措施,R²= 23)。定制预测识别(beta=.651，P<措施);然而，与训练的不显著互动(F_1252年= 0.79P=.38)表明，预测并不取决于探针是出现在愤怒的面孔下，还是既愤怒又中立的面孔下(见图6）.

RQ3。头像识别能提高注意力训练的效果吗?

我们研究了负面情绪诱导后虚拟形象识别对焦虑的预测，并通过训练进行调节。模型具有显著性(F_6252年= 28.49,P<措施,R²= .40)。在辨识度(P= 0.99)，亦非训练(P=结果)。然而，识别和培训之间的相互作用(F_1252年= 6.19,P=.01)表明，对于接受培训的参与者，认同倾向于减少焦虑，即提高培训效果;然而，对于那些没有接受过培训的参与者，趋势是相反的——更多的认同增加了焦虑(见图5）.

RQ4。培训效果是否随基本需求的满足而变化?

我们在R1中显示，化身定制和培训相互作用，产生较低的焦虑。现在我们要问的是，这种效应是否受到不同程度的基本心理需求满足的参与者的驱动。我们使用了基本的亲缘关系满意度，因为它已被证明是抑郁、成瘾和其他精神障碍的重要预测指标[76]。预测因子(X)对状态焦虑(Y)的调节模型先由相关性满意度(M)调节，再由训练(W)调节。F_10248年= 18.5,P<措施,R²=点);我们控制了基线状态焦虑、性别和年龄。正如预期的那样，化身和训练之间的互动是显著的(P= .007)。最有趣的是，亲缘关系、化身和训练的满意度之间的相互作用也很显著(P= .02点)。这种3向互动表明，角色定制和训练之间的互动对于那些对亲缘关系满意度较低的玩家来说更为明显图7）.

‎ 查看此图

‎ 查看此图

‎ 查看此图

相关性满意度较低的参与者推动了虚拟形象定制和培训之间的重要互动，这是一个有意义的结果，因为这些参与者最有可能首先需要心理健康干预。76]。

讨论

我们总结了我们的发现，将它们置于理论背景中，并讨论了未来工作的意义、局限性和机会。

主要研究结果

结果显示了4个主要发现:

1. 首先，与没有进行注意偏向训练的参与者相比，虚拟形象定制增强了他们对负面情绪诱导的适应能力。因此，角色定制提高了训练效率，这可能是即时粘性增加的结果。
2. 第二，无论参与者是否训练了注意偏见，虚拟形象定制都增加了虚拟形象识别。
3. 第三，虚拟形象识别倾向于降低接受训练的参与者的负性情绪诱导后的焦虑，但倾向于增加未接受训练的参与者的刺激后焦虑，表明定制增加了即时参与。
4. 第四，虚拟形象定制对培训的有益影响是由对人际关系的基本满意度较低的参与者推动的，这一点很重要，因为这些参与者最有可能需要数字干预来促进心理健康。

调查结果解释

我们的研究结果表明，当参与者对任务更加投入和投入时，注意力再训练就会得到改善。基于先前的研究[20.]，我们假设，投入努力的动机和意愿增加了对任务的关注，从而提高了效率。我们进一步解释了自定义头像提高治疗效果的潜在机制。

自主的经验

本研究的结果和先前使用头像定制的研究[20.表明定制增加了识别，而识别积极地预测了任务投入。参与度可以理解为参与者投入努力的增加，这是描述内在动机和任务参与度的核心结构[77]。动机研究[78，79]表明投入的努力取决于与体验本身相关的因素，特别是互动是否满足我们对能力(即对挑战的掌控感)、自主性(即根据自己的意愿体验参与的选择)和相关性(即与他人联系的感觉)的需求[80]。在我们的实验中，我们的目标是通过操纵选择作为增加自主性的手段来增加动机，也就是说，参与者要么自定义一个虚拟形象，要么被分配一个通用的虚拟形象。行使选择权具有激励效益，增加了对模拟和数字对象的意志控制和所有权感[81，82]。

SDT进一步表明，有意参与一项任务是结果的重要预测因素——可能是因为对手头任务的注意力和注意力增加了。对任务更积极的态度——例如，通过感觉对内容的意志控制或对物品的所有权——可能会降低对参与的认知阻力。定制条件下的参与者可能不太可能仅仅因为不符合他们的喜好而拒绝参与任务。像其他CCT任务一样，abmt不是一个特别有趣的任务，所以沮丧和无聊有可能破坏训练的积极效果;然而，我们假设潜在的无聊和沮丧被定制的积极影响部分抵消。

个性化的体验

我们认为，角色定制通过增加自主性和投入的努力或通过改善态度和控制感来提高效率。此外，定制头像条件在训练阶段呈现定制的刺激，即定制头像的面部表情为中性或消极。裁剪(通过定制或个性化)是一种有说服力的策略，例如，用于增加玩严肃游戏的动机[83并提高严肃游戏的有效性，以改变人们对健康饮食行为的态度、意图和自我效能[84]。在我们的实验中，刺激的个性化可能直接影响了参与者对刺激的感知，使刺激的情绪(中性的，消极的)对他们来说更加突出。

个体差异

我们的研究结果表明，定制头像增加了使用时刻的参与度和随后的训练效果;然而，我们也表明，虚拟形象定制带来的改善对于那些对关系满意度较低的参与者最为明显，也就是说，那些感觉与他人联系较少、获得支持较少、甚至感到孤独的人。我们的干预促进了选择，但增强了应用程序中的相关性体验。虽然我们没有在任务中明确测量相关性满意度，但先前的研究表明，定制可以促进与数字表示的联系感[80]。关系满意度的提高可能会提高玩家对虚拟角色训练任务的参与度。这一点很重要，因为孤独、被社会排斥的感觉以及与支持性社会群体脱节的感觉是许多心理健康状况(如抑郁和焦虑)的脆弱性的预示因素[85]。

在没有训练的情况下提高参与度

在注意偏差修正训练后，头像定制增加了对负面刺激的适应能力(例如，锯探针只出现在中性面孔下);然而，我们也观察到，在未经训练的情况下使用头像定制的小组(即看到探针出现在愤怒和中立的面孔下)实际上是更多的易受消极情绪诱导。这些结果表明，与训练条件无关，角色定制增加了任务参与度。对于接受训练的参与者来说，这比那些接受普通头像训练的参与者对负面刺激的适应能力更好;然而，对于那些没有进行训练的参与者来说，这可能导致他们投入更多的注意力，这比那些没有使用通用头像进行训练的人更容易受到负面情绪诱导的影响。考虑到角色自定义、身份和动机之间的关系，这种交互结果并不令人惊讶。20.，并进一步支持我们的观点，即定制是一种激励设计策略，可以提高即时参与度。

混合和扩展现有的治疗方法

有多种现有的方法可以最大限度地发挥基于互联网的心理健康干预的功效。例如，混合干预，即将基于互联网的治疗形式与治疗师的交叉存在相结合的干预，已被证明可以减轻治疗师的负担，其效果与传统的认知行为治疗(CBT)项目相似。86，87]。

独立的基于互联网的认知行为治疗计划[88，89也在随机对照试验中进行了评估，并显示出改善心理健康和福祉的希望。例如，模块化的基于互联网的CBT程序，如MoodGYM [6]、银云[90]，或基于移动的套件IntelliCare [3.已被证明可以成功地改善抑郁症或焦虑症患者的心理健康。然而，基于互联网的CBT计划的局限性，如阅读和语言要求，本地化的财务和时间成本，以及用户难以实现的所需时间投资，表明可能需要同时部署其他方法。此外，ABMT等cct已被应用于邻近的[91到基于互联网的cbt，显示了混合方法的潜力。

虽然我们的研究只考虑了偏见修正背景下的定制，但还有其他基于互联网的干预设计方法可能受益于我们所展示的任务参与度的增加。例如，根据Birk等人的建议，包括定制头像来指导患者完成CBT应用或包括其他个性化刺激可能会增加患者的参与或增加依从性[21]。或者考虑将患者暴露在引起恐惧的刺激下的数字恐惧症治疗(例如，[92-94])，如果患者能够定制所呈现的刺激，从而在个体患者的个人环境中增加显著性，这可能会更有效。最后，考虑以叙事为基础的治疗应用于创伤后应激障碍患者，引导患者经历他们的经历，帮助他们重新构建创伤事件(例如，[95，96])。支持患者个性化的叙述，图形对象和其他干预元素可以提高这种重要类型的心理健康干预的有效性。

在我们验证创新方法之前，采用经过良好评估的方法进行大规模交付是一种安全且有希望的前进方式。让人们接触尚未准备好用于治疗的技术有相关的危险，而研究对现有方法的细微调整-例如应用于现有治疗的界面定制-可能会改进和优化现有的干预措施。

界面定制本身并不是一种干预，而是一种增强，可以应用于一系列现有的干预。从实施医学的角度来看-研究成果是否应在实践中实施的医学分支[97它要求有证据证明一种技术比以前的技术更有效，或者至少以更少的时间和/或金钱投入提供同样的效果[98]。我们的研究表明，对现有干预措施进行调整，比如增加定制，可以显著提高即时参与度。

支持近期和长期的动机

在这项研究中，我们展示了头像定制如何在应用程序使用的时刻提高任务参与度和集中注意力。动机理论(如sdt)描述了培养的自主性如何增加对任务的投入，我们认为这在干预使用期间会导致后续的任务投入。相比之下，我们之前关于化身定制的工作表明，在中期(3周)呼吸干预期间，每日训练方案的依从性增加了[21]。重要的是要区分因增加治疗暴露(即通过增加登录或更持久的使用)而产生的动机益处，以及在使用干预措施时增加注意力而没有伴随治疗暴露增加而产生的动机益处。自定义头像已被证明可以通过保留来增加治疗曝光率，从而增加动机[21在这篇论文中，通过专注于当下。此外，还探讨了个性化作为一种在数字心理健康干预背景下加强长期参与的方法[60]。需要进一步的工作来探索这两种方法在增加动机方面的潜在叠加效应，并探索可以解释本研究中观察到的改善结果的中介动机因素(例如，注意力，享受和努力)。

局限性和未来工作

我们的研究有局限性，我们打算在未来的工作中加以解决。

首先，认同以多种方式发生，即一厢情愿、相似、具身认同[99];在本文中，我们没有操纵识别的不同方面，这可能会增强或减少定制的有效性。例如，在定制过程中使用非人形表示可能会对后续任务的识别和有效性产生不同的影响。我们计划研究不同类型的自定义，以探索识别类型对干预效果的差异影响，并确定其他界面元素(除了面孔)的自定义是否也能带来同样的好处。

其次，在解释我们的结果时需要考虑实验背景;参与者是通过众包平台招募的，并为他们的参与付费，这创造了一种不同于接受注意力再培训的体验，这是需要治疗的参与者的治疗的一部分。

注意偏见修正任务只是一种潜在的数字干预。通过定制提高疗效需要在各种干预措施中进行测试。通过定制增强参与将特别有利于依赖于集中注意力的干预，如认知任务，如ABMT。定制化如何与其他治疗方法(如基于cbt的干预)相结合仍有待研究。我们的技术需要很少的努力来实现，但显示出显著的疗效变化。如何利用自愿参与来最好地提高各种干预措施的效力是一个有希望的方向;然而，需要对即时任务参与需求定制化的局限性进行更系统的研究。

第四，我们的研究没有区分这些影响是参与者在训练后更好地应对消极情绪诱导的结果，还是训练本身的结果。前者表明参与者开发了更好的策略来脱离不适应的思维过程，而后者则表明训练有助于参与者保护性地将注意力从负面认知中转移出去。

第五，本研究关注即时投入的影响。然而，许多任务(包括ABMT)需要经常重复，例如，每天使用30分钟。尽管之前的研究表明角色定制对长期粘性有积极影响[21]，我们并没有在本研究中特别调查角色定制的长期影响。

结论

精神疾病正在增加，但治疗方法还没有适应日益增长的需求。大规模提供的计算机化干预措施有可能缓解临床需求，并为那些没有资格接受传统疗法或无法获得或负担不起的人提供干预措施。然而，不能为了服务更广泛的范围而牺牲计算机化培训的效力。我们的研究结果表明，通过界面定制和个性化来增加即时参与可以提高培训效果。

我们要求参与者使用自定义头像或指定的通用头像完成在线ABMT。ABMT帮助人们将注意力从负面刺激中转移，并已被证明可以增强对随后的负面情绪诱导的情感弹性(例如，对可怕的图像进行评级)。我们的研究结果表明，使用虚拟形象定制生成的定制界面元素的ABMT版本增加了对随后的负面情绪诱导的弹性，这表明虚拟形象定制增加了即时参与，进而提高了训练效果。此外，定制化的好处对于对关系满意度较低的参与者尤为明显，他们最有可能患上精神疾病。

大规模提供的数字干预措施有望在更广泛的地方为更多的人提供精神卫生治疗。我们的工作表明，虚拟形象定制可能有助于提高现有和未来的野外培训项目的效率。