本文内容如下e-collection /主题问题:

医疗领域的机器人(60) 康复机器人(27) 物理治疗科技(92) Telerehabilitation (105)

发表在在第21卷第5期(2019):5月

本文的预印本(早期版本)可在https://preprints.www.mybigtv.com/preprint/12708，首次出版．
社会互动在运动表现中的作用:增强远程康复动机的可行性研究

社会互动在运动表现中的作用:增强远程康复动机的可行性研究

社会互动在运动表现中的作用:增强远程康复动机的可行性研究

本文作者:

罗尼·巴拉克·文图拉1 作者Orcid图片； Shinnosuke Nakayama1 作者Orcid图片； Preeti Raghavan2 作者Orcid图片； 欧迪11月3. 作者Orcid图片； 莫里吉奥Porfiri1、4 作者Orcid图片
文章 作者 引用自(5) Tweetations (2) 指标

    原始论文

    1纽约大学坦顿工程学院机械与航空航天工程系，纽约布鲁克林，美国

    2纽约大学医学院康复医学系，纽约，纽约，美国

    3.纽约大学坦顿工程学院技术管理与创新系，纽约布鲁克林，美国

    4纽约大学坦顿工程学院生物医学工程系，纽约布鲁克林，美国

    通讯作者:

    Maurizio Porfiri博士

    机械与航空航天工程系“，

    纽约大学坦顿工程学院

    6都市科技中心

    布鲁克林，纽约，11201

    美国

    电话:1 646 997 3681

    传真:1 646 997 3532

    电子邮件:mporfiri@nyu.edu


    背景:机器人介导的远程康复有潜力为患者量身定制具有成本效益的康复。然而，治疗依从性可能是一个问题，破坏了远程康复技术的潜在优势。缺乏动力被认为是妨碍遵守规定的主要因素。通过探索各种动机干预措施，将公民科学活动整合到基于机器人的康复中，已被证明可以通过挖掘大量的内在动机驱动因素，提高患者从事其他繁琐锻炼的动机。患者的参与可以通过社会互动进一步增强。

    摘要目的:在此，我们探索了通过在环境公民科学项目中利用用户之间的合作来促进物理治疗参与的可能性。具体来说，我们研究了合作与公民科学的融合如何影响用户参与、享受和运动表现。此外，我们调查了用户之间的相互依赖程度，例如通过独立或联合终止(JT)施加的相互依赖程度，如何影响公民科学远程康复的参与。

    方法:我们开发了一个基于网络的公民科学平台，在这个平台上，用户可以结对工作，对水中机器人在受污染的运河中收集的图像进行分类。分类是通过标记图像中出现的物体并丢弃不相关的标签进行的。该系统通过触觉设备进行精细运动康复。我们招募了120名健康志愿者来操作这个平台。在这些志愿者中，有98人是结对合作的，其中1名用户给图片贴上标签，其他用户则把标签扔掉。另外22名志愿者分别完成这两项任务。为了改变合作中的相互依赖程度，我们实现了独立的和jt。

    结果:我们发现用户的参与度和运动表现受分配任务和相互依赖程度的影响。当用户被独立终止时，电机性能有所提高(P=.02)，但当使用者接受JT (P= .005)。研究发现，终止类型与工作任务之间存在显著的相互作用，会影响工作效率(P<.001)以及控制器的平均速度、峰值速度和路径长度(P= . 01P＝．006年,P<。001年,分别)。

    结论:根据终止方式的不同，合作并不总是与参与、享受和运动表现呈正相关。因此，通过合作的公民科学任务来提高用户的参与度、满意度和运动表现取决于用户之间的相互依赖程度和任务的感知性质。如果精心设计，合作的公民科学可能会增强基于机器人的远程康复的动机。

    中国医学互联网杂志2019;21(5):e12708

    doi: 10.2196/12708

    关键字

    公民科学； 社会互动； telerehabilitation； 物理治疗


    背景

    使人衰弱的神经系统疾病，如中风，需要密集、重复和高频率的物理治疗，以最大限度地恢复运动功能和自力更生[1-3.］．然而，昂贵的康复资源和有限的康复人员使大多数患者无法康复。此外，残疾往往妨碍行动，使患者无法离开家，经常去治疗师的办公室[4］．因此，要达到他们的全部恢复潜力，很大程度上取决于在有限的专业反馈下进行自我指导的物理治疗。

    Robot-Mediated Telerehabilitation

    已经开发了几种用于上肢运动项目的康复机器人，包括MIT-Manus(麻省理工学院)[5，6]，文德/S(雷丁大学)[7]，阿明(苏黎世联邦理工学院)[8]，以及镜像运动使能器(斯坦福大学)[9］．最终，机器人康复设备的目标是通过可重复的高强度和大剂量的感觉运动疗法来管理和监测手臂的运动，同时收集相关数据供医疗专业人员评估[10，11］．

    广泛采用这些基于机器人的技术的主要障碍是成本和用户友好性，因此这些设备对普通公众来说往往具有令人望而却步的成本，并且需要某种形式的技术熟练程度，这可能超出了患者甚至治疗师的典型背景[12，13］．为了填补这些空白，一些研究探索了使用低成本、现成的游戏系统(如微软Kinect和PlayStation EyeToy)进行康复治疗的可行性。14-17］．游戏控制器对用户来说是直观的，易于重新使用，而且更实惠，因此为可访问的基于家庭的远程康复提供了一种有前途的手段。游戏控制器还可以客观地测量运动表现，以便医生远程评估患者状态和进展[18］．

    例如，Novint Falcon可以检测到健康个体和受影响个体在运动学上的细微差异[19]，并评估患者在康复过程中的运动学习能力[20.]，通过测量平均速度、峰值速度和路径长度。这些指标此前已用于上肢机器人远程康复，以快速评估体力和运动精度和平稳性[21，22］．其他指标可用于评估患者的运动表现，包括运动范围[8，23]，协调[24，25]，以及所施加的力[14，26］．

    坚持康复方案

    虽然远程康复的机械框架已经成功地在家庭中实施，但患者往往不遵守他们的家庭物理治疗，主要是因为缺乏动力[27，28］．认识到持续的参与是取得成功的先决条件，大量研究通过游戏设计来研究动机干预，以克服远程康复中的不遵从性[29-33］．例如，在一项实验研究中，Colombo等[31通过显示表现分数来模拟电子游戏体验，以提高动机和对身体锻炼方案的坚持。同样，在Nijenhuis的研究中[29]，并引入激励讯息系统，以鼓励日后参与培训课程。其他研究则考虑使用非主要以娱乐为目的的严肃游戏，以加强身体康复体验[34-37］．例如，Jonsdottir等[38]已经证明了Rehab@Home的可行性和有效性，这是一个使用Kinect在虚拟环境中模拟日常生活活动的治疗框架。该游戏系统被证明可以增加大肌肉运动功能，改善多发性硬化症患者的体验和对健康的感知。

    总的来说，这些研究表明，游戏化提高了康复练习的参与度。37，39］．然而，补充动机干预的全部能力在很大程度上仍未开发，因为设计师很少强调用户的智力和兴趣来保持长时间的参与。特别是在康复的背景下，大多数患者的年龄群体可能不利于使用典型的针对年轻玩家的电脑游戏[40，41］．为了解决老年人动机的差异，Flores等人[27]明确了游戏设计标准，以满足年轻和老年用户的需求，包括(1)考虑降低的感觉运动能力，(2)认知挑战元素，以及(3)一定程度的社会化。

    公民科学和远程康复

    在这一领域，我们之前已经通过环境公民科学和基于机器人的低成本远程康复技术的系统互动，证明了公民科学在提高康复参与度和享受方面的潜在效用[19，42，43］．公民科学项目涉及广泛的科学探究领域。例如，在Stardust@Home上，用户可以查看被送往外太空的气凝胶的图像，并标记其中困住的星际尘埃的痕迹。44］．在另一个名为Foldit的项目中，志愿者折叠虚拟蛋白质并产生新的蛋白质结构模型[45］．公民科学可能是一项被动的事业，即公民科学家在计算机闲置时提供计算能力[46，47］．活动不局限于台式电脑，也可以在户外进行，志愿者可以用手机报告动物目击情况或记录空气和水的质量[46，47］．

    一般来说，在公民科学项目中，公众成员在真实的研究项目中执行科学任务，由专业科学家领导，或者其他方式[46，47］．志愿者的贡献通常涉及数据收集或数据分析，不需要特定的专业知识[47，48］．公民科学项目的动机主要是内在的，因为参与可以激发智力并促进学习[48，49］．此外，单个任务的完成需要少量的时间投入，允许用户按照自己的节奏进行贡献。因此，公民科学本质上满足Flores等人确定的标准[27]，但社交互动除外，这必须通过新的设计干预措施单独解决。

    社会互动是一种动机驱动

    研究发现，无论是由医生、家人还是朋友提供的个人和社会支持，都能增加患者在家进行锻炼的动机，并改善他们的心理健康[50，51］．在远程康复的背景下，社会辅助机器人被创造出来，在传递治疗的同时与患者进行社会互动[52］．研究证明，仅仅与无生命的社会辅助机器人互动，就可以增加患者在治疗中的参与度，缓解他们的压力和抑郁情绪[52-54］．基于这一证据，在病人和医生之间引入了人与人之间的社会互动[52，55，56]并随后扩展到包括与亲戚和朋友，甚至陌生人的互动[30.，52，57-59］．在所有病例中，患者都表达了与另一个人一起锻炼而不是独自锻炼，与真人伴侣而不是虚拟伴侣一起锻炼的强烈偏好。30.，57，60］．此外，社会互动被证明可以改善运动表现[61］．然而，研究社交互动的背景主要局限于游戏。

    社会互动是否有利于或阻碍基于公民科学的康复治疗的成功仍然是难以捉摸的。众所周知，通过社交比较，社交存在本身就可以增强用户粘性，并延长基于web的平台的参与度[62-65］．然而，在团队中工作也可能导致相反的结果，用户可能会因为责任分散而减少他们对活动的参与，这是一种社会心理学现象，当一个人在其他人在场时不太可能承担行动的责任[66］．责任的扩散受到几个因素的调节，包括匿名性[67]，群组大小[68]，以及劳动分工[69]，这些都可以在市民科学中找到[70］．因此，很难预测在以公民科学为基础的康复中纳入社会因素是否能产生Flores等人在研究中倡导的所寻求的动机因素[27或者，相反，通过责任的分散而产生不利的社会现象。

    目标

    在这项研究中，我们试图通过研究以计算机为媒介的合作对参与康复练习的用户的参与和运动表现的影响来填补这一知识空白，该练习将环境公民科学和基于机器人的技术集成在一起。我们假设，在公民科学中引入合作任务将激励用户通过增加他们收集或分析的科学数据量(生产力)和花在执行科学任务上的时间(持久性)来扩大他们的贡献。这一假设基于先前的证据，即这两种测量方法都与目标相关活动的动机呈正相关[71］．除了增加参与感外，我们还希望整合合作能够改善用户的运动表现，这体现在他们投入更高水平的体力劳动上。最后，我们假设，通过改变配对用户之间的独立程度，可以调节参与和运动表现的改善水平，从而加强他们之间的相互依赖将减轻责任的扩散。

    为了验证我们的假设，我们为布鲁克林亚特兰蒂斯创建了一个新颖的专用接口，这是一个当地的公民科学项目，用于监测高度污染的Gowanus运河，位于纽约布鲁克林[72］．我们的系统使用户能够分析由水生机器人使用低成本触觉控制器拍摄的运河图片，其在患者康复治疗中的潜在用途已被我们的团队和其他研究人员先前证明[19］．使用该系统，研究人员向两名志愿者提供了一份描述图像中物体的描述性关键词列表。志愿者们将标签列表整理在一起，其中一个用户分配描述图像中物体的标签，而另一个用户则丢弃不相关的标签。在这里，我们报告了使用该平台和协作程序对健康人的影响结果。


    硬件和软件

    所有的活动都是使用Novint Falcon游戏控制器进行的，这是一种低成本的触觉控制器，可以在三维空间中使用(图1)．Novint Falcon提供3个自由度的平移手部运动:左右(x轴)、上下(y轴)和推拉(z轴)。该装置已被证明可提供有效的手部精细运动康复[73］．该系统使用Unity 3D (Unity Technologies)开发，在计算机屏幕上显示Gowanus运河的360°图像(图2)．为了探索图像，用户不断地按下控制器上的中间按钮，并在他们想要旋转视图的大致方向上移动控制器。屏幕上连续显示了Novint Falcon界面的复制品，作为每个按钮功能的参考(图2)．

    运动是在球坐标中实现的，其中控制器沿x轴(图1)转换为方位旋转(在图2)和控制器沿y轴(图1)转化为海拔旋转(在图2)．由于沿推挽轴的运动没有传递有意义的功能(没有提供缩放)，因此在这个方向上应用了一个高阻力力来阻止运动。此外，视觉反馈被添加到系统中，这样戈瓦纳斯运河的图像将随着沿着z轴的运动而褪色，无论是推还是拉。对z轴的偏差通过一个黑色圆圈和辐射锥进一步传达，描绘用户面对的位置以及他们离轴的距离(图2)．

    作为公民科学图像分类项目的一部分，系统实现了两项任务。第一个任务包括使用位于360°图像右侧的列表中的标签标记图像中观察到的对象(绿色面板中)图2)．第二项任务是将不在图像中的标签从列表中删除，将它们分配到位于标签列表右侧的垃圾桶(黄色面板)图2)．当2个用户一起执行任务时，每个用户都可以独立控制360的探索°的形象。社交线索通过系统传递，合作用户可以实时查看合作伙伴的行动。也就是说，分配标签任务的用户可以看到在垃圾桶下面形成的已删除标签的列表(图2)．类似地，分配给垃圾处理任务的用户可以看到分配给图像的标签(图2)．通过突出显示一个红色标签，可以进一步证明peer的存在，表明它是由peer选择的。中描述了该设置的说明图3．

    用户可以通过按下控制器上的左右键来选择标签，这取决于他们的灵巧程度。一旦按下按钮，标签就被绑定到光标上，并被光标有效地拖动。要取消选择一个标签，或者在需要的位置释放它，用户再次按下控制器按钮。一旦分配，标签就会被预先确定的49个标签序列中的其他标签所取代，所有这些标签都是在我们之前的研究中由布鲁克林亚特兰蒂斯的公民科学家贡献的[19，74-77］．为了保持图像分类过程的流动性，避免带有标签的图像过度饱和，在分配了5个标签后，将一张图像替换为另一张图像。屏幕上显示了一个标记计数器，以通知用户分配给当前图像的标记数量(图2)．

    用户可以通过按下红色按钮来终止活动辞职屏幕上的按钮(图2)．为了模拟个体之间合作的不同程度的相互依赖，实验中考虑了两种类型的终止:独立终止(IT)，即用户可以在同伴退出后继续为项目做出贡献;联合终止(JT)，即一个用户的终止也停止了另一个用户的会话。

    ‎
    图1。带有指定运动轴的诺文猎鹰。
    查看此图
    ‎
    图2。用户界面的截图。在截图的左边是Gowanus运河的360°图像。用户的光标将标签“Crane”放置在图像上，而包含“Buoy”的标签已经放置在图像上。图片的右上角是Novint Falcon控制器的复制品，带有每个按钮的功能描述。在绿色面板中，顶部显示了尚未分配给当前图像的标签数量的计数器。在柜台下面，有10个标签的列表。标签“Crane”以红色高亮显示，因为它目前是由用户选择的。标签列表下面是表示偏离z轴的视觉反馈。退出按钮位于绿色面板的底部。 In the yellow panel, there is a garbage bin for eliminating labels that do not describe objects in the current image. The labels below it, “Robot” and “Person”, have been eliminated by the user.
    查看此图
    ‎
    图3。两个合作用户对位于不同房间的两台不同计算机上的图像进行远程分类的示意图。
    查看此图

    实验的程序

    本研究是遵照纽约大学机构审查委员会(IRB FY2016-184)的规定进行的。总的来说，120名平均年龄为27.36岁(SD 8.28岁)的大学社区成员被招募，并被置于3个条件之一(表1): IT(50名志愿者)，JT(48名志愿者)和对照组(22名志愿者)。虽然对照组受试者同时进行标记和丢弃，但IT和JT的志愿者合作进行了这项活动，其中一半志愿者(分别为25和24名IT和JT志愿者)只进行标记，另一半志愿者(分别为25和24名IT和JT志愿者)只进行丢弃。在对照组中，志愿者可以随时退出活动。

    表1。实验条件的总结测试。
    条件和任务分配 合作 志愿者人数
    控制

    		标记和丢弃 缺席 22
    独立的终止

    		标签 现在 25

    		贬低 现在 25
    联合终止

    		标签 现在 24

    		贬低 现在 24

    招募和实验程序通过脚本和PowerPoint演示进行标准化。我们在校园里的公共场所招募志愿者。在招募过程中，我们按照剧本，在校园里口头向潜在参与者介绍了公民科学的概念。一旦招募，成对的志愿者被带到两个独立的私人房间，模拟基于网络的合作，这是未来基于机器人的远程康复应用的设想。他们不知道他们的同伴是谁。

    所有参与者都接受相同的实验方案。在实验开始前，参与者通过PowerPoint演示文稿概述了戈瓦纳斯运河和布鲁克林亚特兰蒂斯。通过介绍，在合作条件下，IT和JT通知参与者，他们将与同行一起工作，并指示他们只完成分配的任务。他们被告知，他们可以在任何时候退出，以及他们的退出是否会终止同龄人的参与(JT) (IT)。在签署同意书后，参与者接受了指导，学习如何使用Novint Falcon和该系统。在辅导课结束后，他们与同伴建立了联系，并开始执行他们的任务。在控制条件下的用户执行了标记和丢弃两项任务。有合作条件的用户被随机分配到两项任务中的一项。他们一直做这个练习，直到按下退出按钮。戒烟后，参与者根据“我喜欢这个活动”和“这个活动很有趣”的陈述，用李克特7分制对他们的经历进行打分。 Once the volunteers submitted their answers, the experiment was concluded.

    数据收集与分析

    数据采集

    为每个用户创建3个数据集。第一个数据集记录了标签分配的信息，包括标签内容、分配时间和分配用户身份号码。第二个数据集记录了用户对游戏的喜爱程度。第三个数据集包括3D空间中的Novint Falcon控制器位置，以每秒60个位置的采样率记录。收集到的数据被用来量化用户粘性、乐趣和运动表现。

    数据处理

    用户粘性是通过他们的生产力和持久性来评估的。71］．生产效率以用户处理标签的数量来衡量。持久性的衡量标准是执行活动所花费的时间[71］．用户的享受是通过调查来评估的。使用Cronbach alpha验证评分者之间的可靠性[78］．通过对每个用户在多个问题上的评分进行平均，在0(李克特量表1)和1(李克特量表7)之间线性缩放，并考虑变量[的比例性质，使用反正弦变换进行归一化。79］．

    控制器的轨迹是从空间中连续点随时间的记录来检查的。从轨迹中总共评估了3个运动指标，即控制器的平均速度、峰值速度和路径长度。对于每个试验，瞬时速度估计使用后向欧拉方案从触觉设备的采样位置。平均速度是通过平均整个轨迹上的瞬时值来计算的，峰值速度是轨迹上第90百分位的最大值[80］．路径长度测量为连续数据点对之间的距离之和。

    统计分析

    通过将每个变量拟合到广义线性混合效应模型中，研究了合作对参与度、乐趣和运动表现的影响[81]，指定条件(3个级别:控制、IT和JT)作为自变量，并将配对身份和任务分配(标记和丢弃)作为随机效应(Rlme4软件包版本1.1-15 [82])。为了改善模型残差的正态性，我们指定了一个具有对数链接的高斯族(用于持久性和享受)，一个具有对数链接的泊松族(用于生产力)，以及一个具有对数链接的伽马族(用于运动性能)。使用似然比检验检验条件影响的显著性，将模型与没有条件作为自变量的零模型进行比较。当发现显著影响时，采用Dunnett检验(Rmultcomp软件包版本1.4-8 [83])。

    接下来，我们评估了实施合作的方式对参与、享受和运动表现的影响。具体来说，我们将每个变量拟合到一个广义线性混合效应模型中，指定条件(2个级别:IT和JT)，任务分配(2个级别:标签和垃圾)，以及它们之间的相互作用作为自变量，并将配对身份作为随机效应。对应的变量使用与前一个模型相同的错误族。为了检验相互作用项的显著性，使用似然比检验对没有相互作用的零模型进行了完整模型的检验。如果发现了显著的相互作用，在每个条件下，通过指定任务为自变量，将配对身份指定为随机效应，进一步检查任务之间的差异。在相互作用不显著的情况下，我们从完整模型中删除了相互作用，并使用似然比检验单独测试条件和任务的影响，与零模型进行比较。

    虽然不是我们最初假设的一部分，但我们也测试了社会存在对个人速度表现的影响。在每一对合作的IT同伴中，持久性越强的轨迹被划分为同伴退出之前和之后的两个部分。用户的平均速度和峰值速度拟合到单独的广义线性混合效应模型中，指定时间分区(2个级别:之前和之后)为自变量，用户身份为随机效应。指定一个具有对数链接的伽玛族来归一化模型残差。使用似然比检验将用户在同伴退出前的速度与他们在同伴退出后的速度进行比较，将该模型与没有时间分区作为自变量的空模型进行比较。

    对于所有统计检验，我们将显著性水平设为alpha=.05。


    合作对参与的影响

    平均而言，用户处理(标记或丢弃)标签的平均数量为46.35个(SD 3.16)，花费16.37分钟(SD 0.63)。在不同的条件下，生产率和持久性都没有差异(χ22= 0.1P＝．92andχ22< 0.1;P＝．79，respectively;图4)．然而，人们发现享受的程度因情况而异(χ22= 10.5;P= .005;图4)， JT用户对活动的评价显著低于对照组用户(z=3.25;P= .002)。相比之下，IT用户对活动的评价与对照组用户没有显著差异(z=1.94;P=。08)。

    ‎
    图4。用户在活动中的参与度。A)每个条件下参与者处理的标签数量。B)每个条件的享受率。垂直线表示标准误差。*:统计上不同条件的平均数。$:任务间的统计差异。
    查看此图

    合作对电机性能的影响

    关于运动性能，不同条件下的平均速度没有差异(χ22= 2.6;P=点)。相反，我们确定了不同条件下峰值速度的显著变化(χ22= 7.7;P= .02点;图5)．尽管事后比较未能发现JT和对照条件之间的显著差异(z=0.11;P=.99)，我们发现IT用户与对照用户之间存在显著差异(z=2.44;P= .02点)。各条件间路径长度无显著差异(χ22= 4.1;P=点)。

    情态对参与度的影响

    测试合作模式对生产力的影响，我们发现条件和任务之间存在显著的交互作用(χ22= 43.1;P<措施)。当调查每种情况下任务分配的影响时，我们发现两种情况下任务之间的生产力有显著差异，IT (χ21= 265.7;P<.001)和JT (χ21= 25.5;P<措施)。关于持续性，我们未能确定条件和任务之间的重要交互作用(χ21= 3.3;P= 0。06)。在享受中也没有发现条件和任务之间的相互作用(χ21= 1.1;P= 29)。享受程度在不同任务之间有显著差异(χ21= 7.7;P=.005)，而条件未达到显著性(χ21= 2.8;P= .09点)。

    模态对运动性能的影响

    关于性能指标，发现条件和任务之间的重要交互作用会影响路径长度(χ21= 6.3;P=.01)，平均速度(χ21= 7.4;P=.006)，峰值速度(χ21= 25.8;P<措施;图5)．对于路径长度，我们发现IT条件下的任务分配有显著差异(χ21= 11.3;P<.001)，而在JT条件下我们没有发现(χ21< 0.1;P= .90)。就平均速度而言，在资讯科技条件下，各任务间有显著差异(χ21= 6.2;P=.01)，但在JT条件下(χ21= 2.4;P=点)。最后，对于峰值速度，在IT和JT条件下的任务之间发现了显著差异(χ21= 16.1;P<。001年和χ21= 11.0;P<。001年,分别)。

    在IT行业，志愿者在同伴退出后显著降低了他们的平均速度和峰值速度(z=2.97;P＝．002, z=3.30;P<。001年,分别;图6)．

    ‎
    图5。电机指标。A)每个条件下的平均速度，B)每个条件下的峰值速度，C)每个条件下控制器遍历的路径长度。垂直线表示标准误差。*表示不同条件之间统计上不同的均值。$表示任务之间统计上不同的平均值。
    查看此图
    ‎
    图6。在IT状态下，更持久的用户在同伴退出之前和之后的平均速度和峰值速度的差异。垂直线表示标准误差。*表示不同条件之间统计上不同的均值。
    查看此图

    主要研究结果

    公民科学是提高康复治疗的有效手段。正在接受身体康复治疗的患者表现出对与公民科学相关的运动的强烈偏好，并且更有可能以牺牲自己的时间为代价来重复锻炼。19］．尽管社会互动有可能进一步增加患者对康复的参与[30.，57]，它们被框定的方式可能在很大程度上影响治疗的结果[84］．在这项研究中，我们试图阐明计算机介导的合作对公民科学活动中运动表现的影响，由低成本的触觉设备介导。

    我们设计了一系列模拟真实远程康复环境的实验，参与者使用低成本的触觉设备远程合作分析环境图像。通过调查仪器和运动活动的直接测量，我们试图量化远程康复合作的潜在影响。我们的研究结果表明，相互依赖和任务分配这两个因素可以影响合作对敬业度和运动表现的影响，从而为改善康复治疗提供了一种潜在的手段。然而，这两个变量相互作用影响受试者反应的方式可能会挑战一个人的直觉。

    与我们的假设形成部分对比的是，我们没有发现合作性的劳动分工，即每个用户都被分配到一个共同目标的不同任务[85]，总是有助于提高参与度。虽然我们没有发现对照用户和通过IT进行合作的用户在参与程度上存在差异，但我们发现通过JT进行合作的用户在享受程度上有预期的降低。在我们的实验设计中，JT的实现是为了促进用户之间的相互依赖，我们最初认为这是减轻责任扩散和迫使用户坚持更长时间的关键因素[86，87］．然而，JT很可能伴随着其他混杂因素，导致了乐趣的减少。

    我们无意中在试验中引入了随机终止，用户面临着关于终止时间的不确定性，因为另一个玩家可以在任何时候终止任务。在之前的研究中，这种关于与其他玩家关系范围的不确定性会对玩家的合作程度产生负面影响[88，89]，其中终止的可能性越大，观察到的合作就越少[90］．在博弈论中，随机终止被证明会降低玩家行动的回报[88，89这样玩家就会尽量避免损失，变得不那么合作。这种合作的削弱也会导致享受和满意度的降低[91］．在拟议的基于公民科学的远程康复活动中可能出现类似的动态，因此需要进行未来的研究，以探索可促进用户之间相互依赖的替代战略。例如，我们可以通过匹配接受类似康复治疗的患者，尝试先验地确定试验的预定长度。

    我们的发现也为社会互动对运动表现的作用提供了见解。测量相关的运动学变量是远程康复概念的核心，因此向护理提供者提供临床信息将使他们能够跟踪患者的状态并远程有效地调整其康复计划[18］．理想情况下，护理人员还可以从数据中推断出异常的代偿性运动，并指导患者纠正它[18］．平均速度、峰值速度和遍历路径长度[19，92]已用于上肢机器人远程康复，作为运动质量的指标[14，21，22］．除了对运动表现的评估，个人所付出的体力也可以与他们执行锻炼任务的动机联系起来。投入更多的努力去完成一项具有挑战性的任务往往会导致自我决定的行为，从而产生一种能力感。93]和内在动机的增加[94］．

    尽管我们预期用户会因为合作而提高他们的运动表现，但我们发现运动表现的适度下降与讨论的乐趣下降类似。更具体地说，在所有选定的指标上，通过JT合作的用户的运动表现与控制相似，而IT导致相对于控制的峰值速度值更高。随机终止有可能解释所观察到的差异，当用户面临他/她的工作可能因为同行的外生终止而消失的可能性时，用户不会投入同样的努力。未来的研究应寻求探索有利于合作的替代模式，而不挑战对康复成功至关重要的享受和努力。为演习设定间隔的概念可能是一种可行的办法，这样可以减轻随机终止的有害影响，同时发挥合作的有益作用。事实上，通过分析通过IT合作的用户的运动表现的时间变化，我们发现在IT中更持久的用户的速度在同伴退出后显著降低。这证实了一种直觉，即社会互动应该促使个人在他们的任务中付出更多的努力，因此需要未来的研究来设计社会互动，以促进康复和患者对身体能力的自我感知[95，96］．

    除了终止的类型，我们还发现任务分配可以调节用户粘性。我们发现，在分配给标签的IT条件下，合作用户比分配给垃圾的同伴更投入。参与程度的差异可能归因于用户被分配到的任务的感知性质。事实上，敬业度与个人对团队工作贡献的可识别性呈正相关[87，97]，也就是说，那些贡献更受重视和认可的个人更有可能被激励去完成他们的任务。相反，那些贡献不那么重要、在团队中不被其他人认可的人，执行任务的积极性就会降低。因此，标记和删除任务之间的差异可能会导致不平等的粘性水平，标记用户比删除用户更有粘性。这一观察结果需要进一步的研究，其中将探索有针对性的设计干预措施，以调查合作与协作之间的差异，其中个人被分配到相同的任务。有合作精神的个体在被分配完成共同的小组任务时比被分配完成相互依赖的任务时表现得更好，这是成立的。84］．在协作的环境中工作，共同履行相同的职能，以支持共同的目标[85]可以增强团队凝聚力，并为用户带来更高的绩效和满意度[98］．

    有证据表明，越来越公开的信息共享可以提高团队的凝聚力，从而提高团队任务的参与度。99］．最近，我们展示了单纯的呈现社交足迹例如，在公民科学活动中，暗示其他网络用户存在的数字线索可以用来增加体育锻炼的数量和持续时间[64］．在另一项研究中，我们使用以开放和闭环范式运行的虚拟同伴，证明了社会信息的双向流动可以大大增加用户对公民科学项目的贡献[75］．似乎，随着网络用户之间的社交互动越来越多，一种越来越信任的氛围就产生了，这有利于合作。One hundred.］．在未来的研究中，人们可以探索年龄、地点和兴趣等个人信息的共享如何影响基于网络的公民科学远程康复的信任和参与[101］．

    通过引入科学内容，公民科学有助于在合作远程康复中建立社区意识。与基于游戏的动机干预不同，这项研究利用人类智力作为内在动机。之前，我们已经证明用户更喜欢执行与科学内容相关的练习[19，92］．除了智力刺激之外，公民科学还为活动增添了美德和贡献感，这在大多数严肃游戏中是找不到的。个人分享个人价值观的基于网络的社交平台通常会创建社区，参与者可以在其中认同[48］．特别是在远程康复中，患者可以从这样的环境中受益，这种环境可以减轻他们中的许多人所经历的隔离[102，103］．

    限制

    虽然我们的工作提出了支持在康复中使用合作性公民科学的证据，但它也有一些局限性。首先，我们在不同条件下观察到的敬业度差异是适度的。这是有可能的，因为公民科学本身就具有吸引力[92]，其他的动机干预，如社会互动，只能提供微弱的增强参与，受到天花板效应的限制。为了超越这种天花板效应，在纵向研究中探索合作在基于公民科学的康复中的作用将是有益的，在纵向研究中，持久性通过患者选择参与运动的频率来衡量，而生产力则以汇总贡献来衡量。

    其次，我们使用Novint Falcon来研究运动性能，这是一种不再生产的触觉设备。然而，由Novint Falcon提供的精细运动任务可以使用其他触觉设备来实现。例如，外科手术delta机器人，如Force Dimension和Phantom，可提供6个自由度的运动，并可应用相当数量的力反馈[104-106］．

    第三，在这项研究中，我们从纽约大学校园招募了健康的受试者。由于样本由来自布鲁克林地区、接受过高等教育的健康个体组成，我们的发现可能具有狭隘的泛化性。虽然我们的样本来自大学的不同项目，但志愿者的兴趣和动机可能与接受康复治疗的典型患者明显不同。例如，这项研究的参与者可能比普通人对科学或戈瓦纳斯运河的修复更感兴趣。根据个人兴趣提供更广泛的公民科学项目可以进一步提高乐趣、参与度和运动表现。未来在临床环境中对来自不同背景的患者的研究将阐明这项工作对临床结果的影响。

    结论

    我们为合作在提高公民科学远程康复参与度方面的效用提供了证据。公民科学可以提供智力刺激，并为患者提供一个参与和联系的社区。它满足了更多患者的需求，包括那些对传统游戏不太感兴趣的患者[27，37]，从而将坚持家庭物理治疗的益处推广到更大的人群。这项研究的价值可以扩展到依赖用户参与和参与的其他领域，包括基于web的消费者平台[107]、社交网络[108]、众包工作[109，以及一般游戏设计[91］．最终，我们预计我们的方法将转化为远程康复的低成本技术，帮助患者充分发挥康复的潜力。

    致谢

    这项研究由美国国家科学基金会资助，资助号为CBET-1604355。RBV感谢三井美国基金会的慷慨支持。所有作者都要感谢M Nadini帮助进行实验，以及S Richmond和TJ Tolbert帮助软件开发。

    作者的贡献

    RBV、ON和MP构思并设计了实验。RBV进行实验。RBV、SN ON和MP对数据进行分析。RBV, SN, ON和MP撰写了手稿。RBV、SN、PR、ON、MP对稿件进行了审阅。

    利益冲突

    没有宣布。

    1. Bütefisch C, Hummelsheim H, Denzler P, Mauritz KH。孤立动作的重复训练可改善中枢麻痹手的运动康复效果。中华神经科学杂志，1995,30(1):59-68。［CrossRef] [Medline］
    2. Harris JE, Eng JJ, Miller WC, Dawson AS。一项自我管理的分级重复手臂补充计划(GRASP)改善住院中风康复患者的手臂功能:一项多地点随机对照试验。Stroke 2009 Jun;40(6):2123-2128。［CrossRef] [Medline］
    3. 李文杰，李志强，李志强，等。由治疗师或机器人介导的高强度感觉运动臂训练可改善慢性脑卒中患者的偏瘫。神经修复2008;22(3):305-310 [免费全文] [CrossRef] [Medline］
    4. Kroll T, Jones GC, Kehn M, Neri MT.影响身体残疾人群初级预防服务利用的障碍和策略:一项定性调查。卫生社会护理社区2006年7月;14(4):284-293。［CrossRef] [Medline］
    5. 郭志强，张志强，张志强，等。康复机器人:MIT-Manus空间扩展的试点试验。J Neuroeng Rehabil 2004 10月26日;1(1):5 [免费全文] [CrossRef] [Medline］
    6. 李志刚，李志刚，李志刚，李志刚。机器人治疗对慢性脑卒中患者运动损伤和康复的影响。中华医学杂志2003年4月;84(4):477-482。［CrossRef] [Medline］
    7. 古特，墨菲B, Harwin W, Stokes E. GENTLE/ S机器人介导的治疗系统对中风后手臂功能的影响。临床康复治疗2008年5月;22(5):395-405。［CrossRef] [Medline］
    8. Nef T, Mihelj M, Colombo G, Riener R. ARMin -机器人康复的上肢。2006年IEEE机器人与自动化国际会议论文集。2006年IEEE机器人与自动化国际会议;2006年5月15-19日;美国佛罗里达州奥兰多市。［CrossRef］
    9. Lum PS, Burgar CG, Loos MV, Shor PC, Majmundar M, Yap R. MIME机器人设备用于亚急性中风患者的上肢神经康复:一项随访研究。中国生物医学工程杂志，2006;43(5):631-642。［CrossRef] [Medline］
    10. 李志强，李志强，李志强。机器人技术在康复治疗中的应用。Curr Phys Med Rehabil Rep 2016年12月4日:312-319 [免费全文] [CrossRef] [Medline］
    11. 李志强，李志强，李志强，等。康复机器人的范式转变。IEEE Eng Med Biol Mag 2008 july;27(4):61-70 [免费全文] [CrossRef] [Medline］
    12. 罗默GR，斯图特HJ, Peters A.由于辅助机器人机械手(ARM)的成本节约和经济效益。2005年发表于:康复机器人国际会议;2005年6月28日至7月1日;美国伊利诺伊州芝加哥市。［CrossRef］
    13. 伍顿R，赫伯特MA。远程医疗成功的要素是什么?中华远程医学杂志2001;7(增刊2):3-7。［CrossRef] [Medline］
    14. Reinkensmeyer DJ, Pang CT, Nessler JA, Painter CC.基于网络的中风后上肢远程康复。应用神经系统工程，2002,6(2):102-108。［CrossRef] [Medline］
    15. Lange B, Chang C, Suma E, Newman B, Rizzo AS, Bolas M.基于微软Kinect传感器的低成本游戏平衡康复工具的开发与评估。Conf Proc IEEE工程医学生物Soc 2011;2011:1831-1834。［CrossRef] [Medline］
    16. Weiss PL, Rand D, Katz N, Kizony R.视频捕捉虚拟现实作为灵活有效的康复工具。J Neuroeng Rehabil 2004 12月20日;1(1):12 [免费全文] [CrossRef] [Medline］
    17. 兰德D，基佐尼R，韦斯PTL。索尼PlayStation II EyeToy:用于康复的低成本虚拟现实。中华神经物理杂志2008年12月;32(4):155-163。［CrossRef] [Medline］
    18. Perry JC, Ruiz-Ruano JA, Keller T.远程康复:朝着一种成本效益高的中风后神经康复平台。IEEE Int Conf Rehabil Robot 2011;2011:5975413。［CrossRef] [Medline］
    19. Laut J, Cappa F, Nov O, Porfiri M.使用基于计算机的公民科学提高患者对康复练习的参与度。PLoS One 2015;10(3):e0117013 [免费全文] [CrossRef] [Medline］
    20. Scalona E, Martelli F, Del PZ, Palermo E, Rossi S.使用Novint Falcon评估3D运动学习任务的新协议。2018年发表于:IEEE RAS/EMBS生物医学机器人和生物机电学国际会议;2018年8月27-29日;荷兰恩斯赫德。［CrossRef］
    21. Bosecker C, Dipietro L, Volpe B，克雷布斯HI。基于运动学机器人的评估量表和临床对应物来测量慢性中风患者的上肢运动表现。Neurorehabil Neural Repair 2010 Jan;24(1):62-69 [免费全文] [CrossRef] [Medline］
    22. Zollo L, Rossini L, Bravi M, Magrone G, Sterzi S, Guglielmelli E.机器人辅助康复中上肢运动控制的定量评估。医学生物工程学报2011 10月;49(10):1131-1144。［CrossRef] [Medline］
    23. Colombo R, Pisano F, Micera S, Mazzone A, Delconte C, Carrozza MC，等。中风患者上肢评估与康复的机器人技术。IEEE神经系统复健工程2005 9月13(3):311-324。［CrossRef] [Medline］
    24. 李国强，李国强，李国强。中风后的代偿性运动控制:一种可供选择的依赖于物体的手部姿态塑造的关节策略。中国神经物理学报，2010年6月;30 (6):344 - 344 [免费全文] [CrossRef] [Medline］
    25. 李志刚，李志刚，李志刚。脑卒中患者本体感觉评估与本体感觉训练的相关性研究。IEEE Int Conf Rehabil Robot 2011;2011:5975500。［CrossRef] [Medline］
    26. Boissy P, Bourbonnais D, Carlotti MM, Gravel D, Arsenault BA。慢性中风受试者最大握力及其与整体上肢功能的关系。临床康复杂志1999 Aug;13(4):354-362。［CrossRef] [Medline］
    27. Flores E, Tobon G, Cavallaro E, Cavallaro F, Perry J, Keller T.提高运动缺陷康复游戏开发中的患者动机。2008年发表于:计算机娱乐技术进展国际会议;2008年12月3-5日;日本横滨，第381-384页。［CrossRef］
    28. 李文杰，李文杰，李文杰，等。心力衰竭患者坚持锻炼:障碍和可能的解决方案:欧洲心脏病学会心力衰竭协会心力衰竭运动训练研究小组的立场声明。欧洲心脏衰竭杂志2012 May;14(5):451-458 [免费全文] [CrossRef] [Medline］
    29. Nijenhuis SM, Prange GB, Amirabdollahian F, Sale P, Infarinato F, Nasr N，等。慢性中风患者在家中使用手臂设备和动机游戏环境进行自我训练的可行性研究。J Neuroeng Rehabil 2015年10月09日;12:89 [免费全文] [CrossRef] [Medline］
    30. Novak D, Nagle A, Keller U, Riener R.通过竞争和合作的游戏玩法增加机器人辅助手臂康复的动机。J Neuroeng Rehabil 2014年4月16日;11:64 [免费全文] [CrossRef] [Medline］
    31. Colombo R, Pisano F, Mazzone A, Delconte C, Micera S, Carrozza MC，等。设计策略，以提高患者的动机在机器人辅助康复。J Neuroeng Rehabil 2007 Feb 19;4:3 [免费全文] [CrossRef] [Medline］
    32. Zimmerli L, Jacky M, Lünenburger L, Riener R, Bolliger M.在基于虚拟现实的运动康复中增加患者参与。2013年9月;94(9):1737-1746。［CrossRef] [Medline］
    33. Vong SK, Cheing GL, Chan F, So EM, Chan CC.动机增强疗法与物理治疗一起改善腰痛患者的动机因素和治疗结果:一项随机对照试验。Arch Phys Med Rehabil 2011 Feb;92(2):176-183。［CrossRef] [Medline］
    34. Laver KE, Lange B, George S, Deutsch JE, Saposnik G, Crotty M.中风康复的虚拟现实。Cochrane数据库系统版本2017年12月20日;11:CD008349。［CrossRef] [Medline］
    35. Taylor MJ, Griffin M.游戏技术在多发性硬化症患者康复中的应用。中华外科杂志2015年4月21日(4):355-371。［CrossRef] [Medline］
    36. Burke JW, McNeill M, Charles D, Morrow P, Crosbie J, McDonough S.中风后上肢康复的严肃游戏。: IEEE;2009年发表于:面向严肃应用的游戏和虚拟世界会议;2009年3月23-24日;英国考文垂，第103-110页。［CrossRef］
    37. Rego P, Moreira P, Reis L.用于康复的严肃游戏:对分类的调查和分类。: IEEE;2010年发表于:伊比利亚信息系统和技术会议;2010年6月16日至19日;圣地亚哥德孔波斯特拉，西班牙https://ieeexplore.ieee.org/document/5556674
    38. Jonsdottir J, Bertoni R, Lawo M, Montesano A, Bowman T, Gabrielli S.多发性硬化症患者手臂康复的严肃游戏。随机对照初步研究。多巩膜相关失调2018年1月;19:25-29。［CrossRef] [Medline］
    39. Burke JW, McNeill MD, Charles DK, Morrow PJ, Crosbie JH, McDonough SM。使用严肃游戏优化中风康复的参与度。计算机学报2009 8月27日;25(12):1085-1099。［CrossRef］
    40. Awad M, Ferguson S, Craig C.为老年人设计游戏:基于情境的方法: IEEE;2014年发表于:IEEE严肃游戏与健康应用国际会议(SeGAH);2014年5月14-16日;里约热内卢巴西，里约热内卢。［CrossRef］
    41. Garcia MJ, Felix NK, Lawrence E.改善老年人身体健康的严肃游戏:一个分类方案。中心2011;2011年发表于:以人为本和个性化机制、技术和服务进展国际会议(CENTRIC);2011年10月23-28日;西班牙巴塞罗那，p. 64-71 URL:http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.454.9722&rep=rep1&type=pdf
    42. Palermo E, Laut J, Nov O, Cappa P, Porfiri M.集成公民科学和体育锻炼的自然用户界面。PLoS One 2017;12(2):e0172587 [免费全文] [CrossRef] [Medline］
    43. 劳特J，亨利E, Nov O, Porfiri M.基于机电一体化的公民科学平台的开发，用于水环境监测。IEEE / ASME反式。Mechatron 2014 10月;19(5):1541-1551。［CrossRef］
    44. Westphal A, Butterworth A, Snead C, Craig N, Anderson D, Jones S，等。国家航空航天局，2005年。stardust @ home:在stardust星际尘埃收集器中大规模分布式公开搜索星际尘埃URL:https://ntrs.nasa.gov/archive/nasa/casi.ntrs.nasa.gov/20050180792.pdf[已访问2018-11-06][WebCite缓存］
    45. 李志强，李志强，李志强，等。用一个多人在线游戏预测蛋白质结构。自然学报2010 Aug 05;466(7307):756-760 [免费全文] [CrossRef] [Medline］
    46. Silvertown J.公民科学的新曙光。生态环境学报2009 9月24日(9):467-471。［CrossRef] [Medline］
    47. 公民科学与政策:欧洲视角。华盛顿特区:伍德罗·威尔逊中心，公共实验室;2015.
    48. Nov O, Arazy O, Anderson D.科学除尘:数字公民科学志愿者的动机和参与。2011年发表于:iConference 2011;2011年2月08-11日;西雅图，华盛顿，美国第68-74页。［CrossRef］
    49. Nov O, Arazy O, Anderson D.科学众包:理解和增强SciSourcing的贡献。2010年发表于:2010年科学合作动态变化研讨会;2010年2月7日;萨凡纳，乔治亚州，美国http://faculty.poly.edu/~onov/Nov%20Arazy%20Anderson%20CSCW%202010%20workshop.pdf
    50. 中风患者的康复经验。残疾人康复2009年7月28日;17(1):3-9。［CrossRef］
    51. 中风后社会支持干预:一项随机试验的结果。Arch physmed rehabilitation 1992 Jun;73(6):573-581。［Medline］
    52. 塔帕斯A， Ţăpuş C，马塔里奇MJ。脑卒中后康复治疗的用户-机器人个性匹配和辅助机器人行为适应。Intel Serv Robotics 2008 Feb 13;1(2):169-183。［CrossRef］
    53. Tapus A, Mataric M, Scassellati B.社会辅助机器人[机器人的重大挑战]。IEEE机器人与自动化2007 3月14日(1):35-42。［CrossRef］
    54. 马塔里奇MJ，埃里克森J，菲尔-塞弗DJ，温斯坦CJ。中风后康复的社会辅助机器人。J Neuroeng Rehabil 2007 Feb 19;4:5 [免费全文] [CrossRef] [Medline］
    55. Johnson MJ, Feng X, Johnson LM, Ramachandran B, Winters JM, Kosasih JB。康复和激励机器人系统:激励受损手臂使用的三种策略。: IEEE;2006年发表于:IEEE/RAS-EMBS生物医学机器人和生物机电一体化国际会议;2006年2月20-22日;意大利比萨。［CrossRef］
    56. 嘉利侬CR，克雷布斯HI。远程康复机器人:光明的未来?中华康复医学杂志，2006;43(5):695-710。［CrossRef］
    57. 家庭手臂康复的竞争性和合作性运动游戏的设计和试点评估。: IEEE;2016年12月发表于:IEEE医学与生物工程学会(EMBC);2016年8月16-20日;美国佛罗里达州奥兰多，第4690-4694页。［CrossRef］
    58. Baur K, Schättin A, de Bruin ED, Riener R, Duarte JE, Wolf P.机器人辅助和虚拟现实辅助神经肌肉治疗的趋势:健康相关多人游戏的系统回顾。J Neuroeng Rehabil 2018 Nov 19;15(1):107 [免费全文] [CrossRef] [Medline］
    59. 张志强，刘志强，张志强，等。“心脏游戏”:将游戏化作为心脏病患者远程康复计划的一部分。Games Health J 2016 Feb;5(1):27-33 [免费全文] [CrossRef] [Medline］
    60. 韦贝尔D, Wissmath B, Habegger S, Steiner Y, Groner R.玩网络游戏对抗电脑和人类控制的对手:对存在感、心流和乐趣的影响。计算人类行为2008年9月24日(5):2274-2291。［CrossRef］
    61. Johnson MJ, Loureiro RC, Harwin WS。家庭或诊所中风康复的协作远程康复和机器人介导治疗。Intel Serv Robotics 2008 1月23日;1(2):109-121。［CrossRef］
    62. 沈杰。社交购物网站接受中的社会比较、社会临场感与享受。电子学报2012;13(3):198-212 [免费全文］
    63. 社会比较过程理论。Hum Relat 2016 april 22;7(2):117-140。［CrossRef］
    64. 吴娟，王松，蔡慧。网络游戏的使用与满足视角。人类行为学报2010;26(6):1862-1871。［CrossRef］
    65. Nakayama S, Tolbert T, Nov O, Porfiri M.社会信息作为增强公民科学远程康复参与的手段。科学通报2018年12月23日;70(6):587-595。［CrossRef］
    66. Darley JM, Latané B.紧急情况下的旁观者干预:责任扩散。中华精神医学杂志1968年4月;8(4):377-383。［Medline］
    67. 施瓦茨SH，戈特利布A.旁观者匿名性与紧急情况的反应。中华精神医学杂志，1980,9(3):418-430。［Medline］
    68. Freeman S, Walker MR, Borden R, Latané B.责任扩散与餐厅小费:越来越便宜。心理学报1975;1(4):584-587。［CrossRef］
    69. 没有道德约束的暴力:对受害者和加害者非人化的反思。中国社会科学，2003;29(4):25-61。［CrossRef］
    70. Nov O, Arazy O, Anderson D.技术介导的公民科学参与:激励模式。2011年发表于:网络日志和社交媒体国际会议;2011年7月17-21日;巴塞罗那，加泰罗尼亚，西班牙http://faculty.poly.edu/~onov/Nov_Arazy_Anderson_Citizen_Science_ICWSM_2011.pdf
    71. Touré-Tillery M，菲什巴赫a .如何衡量动机:实验社会心理学家指南。Soc个人心理指南2014 july 02;8(7):328-341。［CrossRef］
    72. Laut J, Porfiri M, Nov O.布鲁克林亚特兰蒂斯:社区参与环境监测的机器人平台。2014年发表于:控制、动态系统与机器人国际会议;2014年5月15-16日;渥太华，安大略省，加拿大p. 961-968网址:https://avestia.com/CDSR2014_Proceedings/papers/96.pdf
    73. Lange B, Flynn S, Rizzo A.用于临床基于游戏的运动康复的现成视频游戏机的初始可用性评估。物理therrev 2013 7月19日;14(5):355-363。［CrossRef］
    74. 李志强，李志强，李志强。利用虚拟同伴提高公民科学贡献。科学通报2016年8月16日;68(3):583-593。［CrossRef］
    75. 李志强，李志强，李志强。利用有针对性的设计干预来鼓励角色外众包行为。科学通报2015年5月5日;67(2):483-489。［CrossRef］
    76. 李志强，李志强，李志强。一种公民科学家在图像标记任务中的贡献模型。2016年发表于:动态系统与控制会议;2016年10月12日至14日;明尼阿波利斯，明尼苏达州，美国。［CrossRef］
    77. Nakayama S, Diner D, Holland JG, Bloch G, Porfiri M, Nov O.社会信息和自我专长对虚拟群体紧急任务分配的影响。前沿生态2018年2月21日;6:-。［CrossRef］
    78. 克伦巴赫LJ。系数和测试的内部结构。心理测量学1951年9月16日(3):297-334。［CrossRef］
    79. 邓华，许辉。反正弦是愚蠢的:生态学中的比例分析。生态学报2011 1月;92(1):3-10。［Medline］
    80. 李志强，李志强，杨志强。基于国家绩效管理研究数据集的绩效评估方法。运输Res Rec 2015年11月;2529:10-26。［CrossRef］
    81. 朱涛，李志强，刘志强，刘志强，刘志强。生态混合效应模型及其扩展研究[j] .北京:北京农业大学;2019.
    82. Bates D, Mächler M, Bolker B, Walker S.用lme4拟合线性混合效应模型。中国统计杂志2015;36(1):-。［CrossRef］
    83. Bretz F, Hothorn T, Westfall P.多重比较使用R.博卡拉顿，佛罗里达州，美国:查普曼和霍尔/CRC;2019.
    84. Jones SC, Vroom VH。合作和竞争条件下的劳动分工和绩效。中华心理学报(自然科学版)，2004;29(3):319 - 319。［CrossRef］
    85. 合作解决问题中共享知识的构建。计算机支持协作学习1995:69-97 [免费全文] [CrossRef］
    86. 约翰逊D，约翰逊R，霍鲁贝克E.学习的新圈子:课堂和学校的合作。美国明尼苏达州:监督与课程开发协会;1994.
    87. 瓦格纳农协。个人主义-集体主义研究:对群体合作的影响。中国科学(d辑)1995年2月1日;［CrossRef］
    88. 潘文华，李志强，李志强。动态公共坏的游戏环境环境与终止不确定性。环境发展经济2012 11月27日;18(01):27-49。［CrossRef］
    89. 行为博弈论:策略互动的实验。普林斯顿，新泽西州，美国:普林斯顿大学出版社;2019.
    90. 薄熙来PD。未来阴影下的合作:来自无限重复博弈的实验证据。上午经济Rev 2005年11月;95(5):1591-1604。［CrossRef］
    91. Sweetser P, Wyeth P. GameFlow:用于评估玩家在游戏中的乐趣的模型。计算机娱乐2005 july 01;3(3):1-24。［CrossRef］
    92. 卡帕，柯雷科，李文杰，李文杰。强迫反馈和科学学习能提高神经康复的有效性吗?一项使用低成本3D操纵杆和虚拟参观动物园的实验研究。PLoS One 2013;8(12):e83945 [免费全文] [CrossRef] [Medline］
    93. 刘科宁，巴库奇斯V，瓦特A, Jaakkola T.动机气候与学生的情感体验和体育努力。《中国教育科学》2010年6月16日，第6期，第5期。［CrossRef］
    94. Deci EL, Ryan RM。追求目标的“是什么”和“为什么”:人的需要和行为的自决权。精神病学2000 10月;11(4):227-268。［CrossRef］
    95. Ouellette MM, LeBrasseur NK, Bean JF, Phillips E, Stein J, Frontera WR，等。高强度抗阻训练可以改善长期中风幸存者的肌肉力量、自我报告功能和残疾。Stroke 2004 Jun;35(6):1404-1409。［CrossRef] [Medline］
    96. 维斯A，铃木T，比恩J，菲尔丁RA。高强度的力量训练可以改善中风后的力量和功能表现。中华实用医学杂志2000;39(4):369-376。［Medline］
    97. 在工作小组中分担任务和激励的大小。社会计量1960年6月;23(2):203。［CrossRef］
    98. 范丹·博舍尔，王志刚，王志刚。协作学习环境下团队合作的社会认知因素研究。小组决议2006;37(5):490-521。［CrossRef］
    99. hypnos - magnus JR, Dechurch LA。信息共享与团队绩效:元分析。中华实用精神病学杂志2009,3(2):535-546。［CrossRef] [Medline］
    100. Friedman B, Khan PH, Howe DC。网上信任。通信ACM 2000;43(12):34-40。［CrossRef］
    101. Robert LP, You s，你满意了吗?虚拟团队中的共享领导力、个人信任、自主性和满意度。科学通报2017年11月23日;69(4):503-513。［CrossRef］
    102. Ijsselsteijn W, Nap HH, de Kort Y, Poels K.面向老年用户的数字游戏设计。2007年:FuturePlay;2007年11月14-17日;加拿大多伦多，第17-22页。［CrossRef］
    103. Eggermont S, Vandebosch H, Steyaert S.面向老年人和信息通信技术的理想未来:基于与老年人对话的政策建议。诗歌出版社2006年5月25日;4(3):199-217。［CrossRef］
    104. Brokaw EB, Lum PS, Cooper RA, Brewer BR。使用Kinect来限制末端执行器机器人治疗期间的异常运动学和补偿策略。2013年6月:IEEE康复机器人国际会议(ICORR);2013年6月24-26日;美国华盛顿州西雅图，p. 6650384。［CrossRef］
    105. 马西TH，索尔兹伯里JK。PHANTOM触觉界面:用于探测虚拟物体的设备。1994年发表于:虚拟环境和遥操作系统的触觉界面研讨会;1994年11月;美国伊利诺伊州芝加哥市网址:https://alliance.seas.upenn.edu/~medesign/wiki/uploads/Courses/Massie94-DSC-Phantom.pdf
    106. 王志强，王志强，王志强，王志强，王志强。2012。触觉设备重力补偿URL:https://patents.google.com/patent/US20100019890[访问日期:2019-04-24][WebCite缓存］
    107. Füller J, Bartl M, Ernst H, Mühlbacher H.基于社区的创新:如何将虚拟社区成员整合到新产品开发中。电子商务，2006年1月;6(1):57-73。［CrossRef］
    108. 斯帕罗，李登，韦恩。社会网络与个人和群体的绩效。中国科学(d辑)2001年4月1日。［CrossRef］
    109. Kittur A, Nickerson JV, Bernstein M, Gerber E, Shaw A, Zimmerman J，等。人群工作的未来。见:2013年计算机支持合作工作会议记录。2016年12月发表于:计算机支持的协同工作会议;2013年2月23-27日;美国德克萨斯州圣安东尼奥p. 4690-4694网址:http://europepmc.org/abstract/MED/28269319［CrossRef］

    ‎
    IRB:机构检讨委员会
    它:独立的终止
    JT:联合终止

    G·艾森巴赫(G Eysenbach)编辑;提交06.11.18;S Rossi, C Nebeker, L Hassan同行评审;对作者30.01.19的评论;修订版本收到12.02.19;接受17.02.19;发表15.05.19

    版权

    ©Roni Barak Ventura, Shinnosuke Nakayama, Preeti Raghavan, Oded Nov, Maurizio Porfiri。最初发表于《医疗互联网研究杂志》(//www.mybigtv.com)， 2019年5月15日。

    这是一篇开放获取的文章，根据创作共用署名许可(https://creativecommons.org/licenses/by/4.0/)的条款发布，允许在任何媒介上无限制地使用、分发和复制，前提是正确引用最初发表在《医学互联网研究杂志》上的原创作品。必须包括完整的书目信息，//www.mybigtv.com/上的原始出版物的链接，以及此版权和许可信息。
    Baidu
    map