在COVID-19大流行期间，用聊天机器人支持身体活动的自主动机:析因实验

简介

背景

尽管体育活动对身心健康至关重要，但许多人很难达到建议的水平。例如，在美国，76.8%的成年人[1]和85%的青少年[2少于推荐的每周150分钟。随着科技的进步不断改变着人类的职业，体育活动水平也在不断下降，这是一个更广泛、更长期的趋势。3.］．

在COVID-19大流行期间，个人定期进行体育活动的必要性变得更加重要。通过增强免疫系统，体育活动使人们不易受感染。4，5]并且还与糖尿病、癌症、骨质疏松症、心血管疾病和其他与更严重的COVID-19感染轨迹相关的健康状况的发病率降低有关[6］．此外，体育活动可增进精神健康[7，8]，在大流行期间已恶化[9，10］．

然而，在COVID-19大流行期间，体力活动减少了约50% [11，12］．这可能是由于身体活动的机会减少了。随着病毒在世界各地迅速传播，各国政府制定了从社交距离和戴口罩到完全封锁的限制措施，人们被限制在自己的住所内。许多政府关闭了健身中心、游泳池和公园等公共设施，并限制人们进入工作场所，导致人们转向在家办公。

体育活动的减少及其重要性的提高凸显了支持体育活动的必要性的增加。在有限制的情况下，如果能独立于娱乐设施和面对面的社会接触提供这种支持，将是最有效的。

信息系统作为体育活动的支持者

体育活动信息系统(ispa)，如体育活动设备和应用程序，独立于物理位置运行，不需要人类接触，并提供一些额外的好处。ispa能够覆盖广泛的用户群、可扩展性和低运行成本，这使得ispa对于那些寻求体育活动支持的人来说非常实惠和容易获得。这些系统无处不在，可以自动捕获和使用个人和上下文数据，以便在任何时候和只要需要的时间内提供支持。

聊天机器人可能会以人类提供支持的方式来支持身体活动。从允许用户从预定义答案中进行选择的简单程序，到捕捉传感器数据、应用机器学习算法、使用自然语言处理来模仿人类对话的智能程序。尽管聊天机器人可能在许多方面都不如人类，比如检测情绪或讽刺，但它们已经被证明在互动中提供的选项和选择比人类更一致。13]并且具有匿名性的优点。它们可以在一个公正和私密的环境中进行测试和使用，这更有可能让那些对自己的外表或表现没有社会安全感的不太活跃的人采用。14］．

聊天机器人以前曾被用于干预研究，针对各种健康因素，如身体活动、饮食、药物依从性和心理健康[15］．Luo等人的综述[15)得出结论，聊天机器人是增加身体活动的一种有前途的媒介。然而，使用聊天机器人的潜在长期影响，或其预测因素，还没有得到很好的研究。此外，Zhang等[16]指出，目前仍缺乏关于改变行为的聊天机器人设计的实用建议。在设计有效的聊天机器人时，我们如何利用有关行为改变的文献?

我们的首要目标是为聊天机器人系统的设计指南的开发奠定理论驱动的基础，可以帮助用户可持续地提高他们的身体活动。

可持续行为鼓励

要设计有效支持持续行为的ispa，建立在理论基础上是最可行的方法[17］．为持续的行为改变提供有希望的基础的理论是自我决定理论(SDT)。18］．类似于许多行为模型和理论(例如，福格行为模型[19]和Michie 's [20.能力，机会和动机是三个能够改变行为的关键因素[COM-B]模型)，SDT假设动机对于参与行为是重要的。此外，它假定长期行为与一种特定类型的动机有关，即自主动机(享受或重视一种行为)和非受控动机(感觉有压力)[21，22］．为了激发自主动机，必须满足自主性(感觉自我导向)、胜任力(感觉有能力)和亲缘感(感觉被连接)等基本心理需求。这些需求是否得到满足或受到阻碍部分取决于环境，这些需求的满足可以在社会和技术干预中有意地以行为改变技术(bct)为目标。

大多数ispa已经与现有的bct保持一致，例如提供指示、提供绩效反馈和设定目标[23-25］．还有更多的bct可以帮助ispa更有效地改变系统中尚未提供的行为。然而，bct的选择必须谨慎，以支持需求的满足，因此，自主的动机而不是控制的动机。初步证据[26，27的研究表明，目前的ispa会导致体育活动的动机受到控制，并降低乐趣，这为高遗弃率提供了一个潜在的解释。特谢拉等[28]最近提出了动机和bct (mbct)的集合，这是基于SDT的一个技术子集。此技术集合，如图1，应该培养需求满足，从而培养自主动机。

‎ 查看此图

虽然MBCTs的使用应该使环境更需要支持，但其效果尚未在ispa中得到测试。到目前为止，行动计划和实验等技术在ispa中几乎找不到。29]尽管他们有潜力[28，30.］．

其他技术，如目标设定，已经在许多体育活动应用程序和设备中实现。23，25];然而，它们的实现并不一定基于SDT。例如，MBCT第17条指出，应为制定现实、有意义、具有挑战性和可实现的目标提供支持[28］．传统的目标设定通常发生在应用程序的初始设置阶段。默认值通常是每天10,000步，不会修改。可以说，在基线周之后设定的另一个目标，专注于每周的活动时间，每周检查一次，可以更好地满足这些标准。久坐的人不太可能达到每天1万步的目标。31]，而大多数ispa并不包括重新评估目标的功能[29］．虽然有时改变目标是可能的，但通常不会这样做。32］．

此外，这些技术理论上可以相互影响。根据SDT的说法，为个人提供管理身体活动的选择应该能满足他们的自主需求。然而，从文献中还不清楚这是否也意味着ISPA的用户应该被给予不参与MBCT的选择。行动计划就是一个很好的例子。尽管行动计划应该支持需求满足和动机，但对用户施加压力可能会削弱他们的自主感。

研究设计

我们研究的总体目标是评估基于bct和SDT提高用户自主步行动机的聊天机器人系统的可行性。在上述文献的基础上，我们开发了一个逻辑模型，描述在图2并作为本研究的基础。

‎ 查看此图

该聊天机器人系统本身由一个聊天机器人(在Telegram [Telegram Messenger Inc]上实现)和一个跟踪应用程序(谷歌Fit[谷歌LLC])组成。这种组合为实施各种bct提供了基础，包括行动计划、试验和目标设置。在文献的基础上，我们假设在聊天机器人系统中实现这些技术可以支持用户的能力感和自主性，从而提高需求满意度和自主动机，这是持续行为的关键因素。

为了研究这些机制，我们测试了3个主要假设。首先，我们假设使用聊天机器人系统可以增加自主动机(假设1 [H1])。其次，我们假设，自主动机与ISPA被认为支持自主和能力需求呈正相关(假设2 [H2])。第三，我们假设mbct的不同实现将产生不同的效果(假设3 [H3]):

• 使用基于MBCT 17的替代目标设置的聊天机器人(与传统目标设置相比)将被认为更具有支持性(H3a)，并导致更高的需求满意度(H3b)和自主动机(H3c)。
• 使用基于MBCT 7实验的聊天机器人(与没有实验的聊天机器人相比)将被认为更具支持性(H3d)，并导致更高的需求满意度(H3e)和自主动机(H3f)。
• 使用基于MBCT 19的行动计划的聊天机器人(与没有行动计划的聊天机器人相比)将被认为更具有支持性(H3g)，并导致更高的需求满意度(H3h)和自主动机(H3i)。
• 使用基于mbct 6和19的可选行动计划的聊天机器人(相对于强制性行动计划)将被认为更具有支持性(H3j)，并导致更高的需求满意度(H3k)和自主动机(H3l)。

方法

概述

我们基于行动计划、实验和目标设定的bct开发了一个聊天机器人系统，将该系统部署在一项专注于步行的研究中，并在102个不是任何ISPA当前用户的小样本中测试了上述假设。

我们开发的聊天机器人系统是基于手机应用Telegram和谷歌Fit。Telegram为聊天机器人的实现提供了最大的自由，选择谷歌Fit是因为它可靠、简单，并提供了与步行相关的必要的身体活动数据。我们专注于步行，因为它是大多数人不需要任何设备就可以进行的最常见的体育活动。每周测量感知的应用程序或聊天机器人支持、需求满意度和身体活动，并在干预前后测量动机。

为了探索bct的有效性，该研究以2×2×3阶乘设计的形式进行，基于目标设置(传统vs替代目标设置)、实验(实验提示vs简单的步行提醒)和行动计划(强制性vs可选vs无行动计划)的动机bct配置聊天机器人。

参与者

符合条件的参与者必须年龄在18岁至65岁之间，居住在新西兰，英语流利，每周完成150分钟的体育活动。此外，他们必须不受限制地行走，在过去3个月内没有使用ISPA的普通智能手机用户，并且愿意为研究目的使用谷歌Fit和Telegram。

招聘活动于2021年3月2日至4月5日在校园和超市等公共场所通过社交媒体、电子邮件和传单进行。参与者获得价值20纽元(12.8美元)的超市代金券，并参与抽奖，获得价值50纽元(32.0美元)的额外代金券。总体而言，参与者大多年龄在18至44岁之间(84/ 102,82.4%)，女性(74/ 102,72.5%)，在校(35/ 102,34.3%)或工作(54/ 102,52.9%)，白人(55/ 102,53.9%)，受过良好教育(69/ 102,67.6%有大学或理工学位)，有合伙关系(76/ 102,74.5%)，来自奥塔哥地区(57/ 102,55.9%)。多媒体附件1提供有关人口统计数据的进一步详细信息。没有发现人口统计等潜在混杂因素的不平衡。

伦理批准

在进入研究之前，参与者被要求提供知情同意。我们使用的表格告诉他们研究程序，收集的数据，数据的处理，以及在任何时间撤回的权利，没有任何不利条件。数据使用假名存储，以确保参与者的匿名性。没有个人标识符被保留，所有数据都被保密处理。参与者获得价值20纽元的超市代金券，并参与抽奖，获得价值50纽元的额外代金券。该研究得到了奥塔哥大学信息科学与伦理委员会(文献编号D20/032)的批准。

研究过程

总共评估了470人的资格，其中124人(26.4%)完成了基线调查，并被随机分配到12个聊天机器人中的一个。在这124名参与者中，102人(82.2%)完成了研究，他们的数据被用于分析，详见图3．参与者每周必须完成一次聊天机器人互动和一次调查。研究持续了5周，如图所示图4．它从一个基线周开始，谷歌Fit在后台自动测量身体活动。随后进行了3周的干预，参与者与聊天机器人和谷歌Fit互动。三周后，参与者可以选择继续使用聊天机器人一周。

聊天机器人的对话程序如下。在分组的基础上，聊天机器人首先经历了2种类型中的一种目标设定．在另一个目标设定组中，研究人员首先向参与者展示了上周的活动分钟数，然后提示他们为新的一周设定一个具有挑战性但现实的目标。传统目标组也看到了前一周的数据，但没有提示他们设定每周目标、回顾或改变每日目标，如图所示图5．

然后，一半的参与者收到了一个提示，要求他们实验自己的体育活动行为，而另一半则收到了他们可以通过多走路来增加体育活动水平的信息。的试验小组每周都会收到不同的实验建议，比如“本周尝试一条新的步行路线，去一个你以前没有去过的地方”或“试着在一个小时内散步”(原文如此)对你来说，不寻常的时间，比如早上的第一件事。也许这比你想象的更适合你。”

随后，三分之一的参与者被自动引导行动计划．另外三分之一的参与者被问及他们是否想要执行行动计划，剩下的三分之一的参与者没有收到行动计划。所有参与者都被告知上周哪一天是他们最不活跃的一天。行动计划由五个部分组成，包括参与者何时想要散步，他们需要准备什么，他们如何提醒自己，可能的障碍，以及如何克服它们(如图所示)图6)．

对于聊天机器人对话，我们使用了来自谷歌Fit的数据。谷歌Fit通过智能手机传感器自动收集身体活动数据，测量步数、运动分钟数和心脏点(有氧密集运动分钟数)，并在每日和每周概述中显示这些数据。

‎ 查看此图

‎ 查看此图

‎ 查看此图

‎ 查看此图

措施

在这项研究中，我们测量了参与者走路的动机、走路的需求满意度、走路的自我效能、感知应用程序支持、聊天机器人印象和身体活动。

步行的动机

动机的测量采用了一份经过改编的运动调节问卷[33]，其中包括自主动机、控制动机和个人规则的测量。自主动机量表和控制性动机量表内部一致性较好，Cronbach α≥。他们的评估是82分。个体规范量表的内部一致性可接受，Cronbach α≥0.71。

步行的需求满足

自主性需求和胜任能力需求的满意度是使用一种改编版的基本心理需求满意度和挫折量表[34］．目标活动量为步行≥10分钟。共有16项陈述采用李克特5分制进行评估。完整量表的内部一致性极好，Cronbach α每周在0.90和0.91之间。各分量表内部一致性可接受，Cronbach α≥.72。

步行的自我效能

由于步行是一种相对简单的活动，人们担心在需求满足范围内的能力测量可能缺乏可变性。因此，自我效能被作为一个额外的测量和一个潜在的替代能力的测量。自我效能感”…refers to beliefs in one’s capabilities to organize and execute the courses of action required to produce given attainments” [35］．自我效能感与能力的概念相似[36];然而，它被认为表现出更高的可变性，因为它指的是情境能力。自我效能感的测量采用Schwarzer和Renner的健康特异性自我效能感量表中的体育锻炼子量表[37］．它由5个与自我效能有关的问题组成，问题是“你有多确定你能克服以下障碍?”在李克特4分制量表上。这些障碍包括“担心”、“沮丧”、“紧张”、“累”和“忙”。量表的内部一致性良好，基线Cronbach α为0.84 (t0)和干预结束时的0.86 (t4)．

感知应用支持

聊天机器人和谷歌Fit(组合)的感知支持度使用改进版本的感知环境支持量表[38］．内部一致性较好，Cronbach α >。84for all subscales (structure, autonomy, and involvement) and Cronbach α of ≥.94 for the full scale across all weeks.

我们还询问参与者他们使用了哪些谷歌Fit功能:他们是否手动输入活动，在开始屏幕上放置谷歌Fit小部件，改变他们的每日目标，将谷歌Fit连接到另一个应用程序，或者关闭通知。我们还要求他们给出这样使用的原因，以及他们对他们使用的谷歌Fit函数和他们所知道的聊天机器人函数的支持程度，并采用李克特5分制，从“非常支持”到“完全不支持”。

聊天机器人的印象

我们用三个李克特5分项目询问参与者对聊天机器人的看法:“它感觉像一个同伴”，“我更喜欢和人类聊天”，“它帮助我变得更活跃”。我们进一步询问了一个更高级的聊天机器人的预期帮助(0-5)，假设他们与之互动的是基本的。

体育活动

虽然对体育活动的自主动机进行了测量，并用作持续体育活动的代理，但我们也在辅助分析中纳入了体育活动测量，以研究干预对体育活动的直接影响。在筛选前调查中，身体活动是用简短版的国际身体活动问卷[39］．在研究过程中，参与者被要求每天运动分钟，每周步数和心脏点数，如谷歌Fit应用程序所示。

统计分析

使用RStudio (R版本3.6.3;R统计计算基础)。对于初步分析，计算每个组的所有量表的平均值和SDs。我们计算了步数和移动分钟的中值，因为它们不遵循正态分布。

心脏点的测量被排除在分析之外，因为许多参与者没有从应用程序接收到任何数据。基于极低或极高的值和不寻常的步数/移动分钟比，通过搜索异常值来检查步数和移动分钟的测量，因为总的来说，步数和移动分钟是强相关的。在可能的情况下，对参与者进行异常值跟踪。总的来说，4%的数据点被使用线性回归的imputation所取代。

首先对数据进行分析，没有将不同的组分开，以检查应用程序支持、需求满意度、自我效能、动机和身体活动的整体影响。将基线值与干预后的值进行比较。使用夏皮罗-威尔克检验和偏度和峰度检验分布的正态性。在显著偏离正态的情况下，自举配对双尾t计算测试值。使用Cohen研究效应大小d．此外，通过线性回归研究感知应用支持、需求满意度、自我效能感和动机之间的相关性。

然后我们对每一组进行单独调查，并将其与另一组或多组进行比较。在每组中，我们比较基线(t0)与第三周结束时的措施(t4)使用双尾配对t测试。为了比较各组，我们使用分类变量卡方检验和双尾检验来检验人口统计学和基线值的差异t序数变量的检验。3个行动计划组采用单因素方差分析进行比较。

考虑到样本的大小(n=102)，关系的数量，以及本可行性研究的探索性性质，不进行通径分析。

结果

我们首先介绍了我们对聊天机器人系统本身的观察，然后介绍了关于整体干预的结果。最后，我们给出了对底层理论机制的支持，并对BCT实现进行了比较。

聊天机器人的使用和操作

总的来说，我们的聊天机器人系统运行得令人满意。由于不可能自动从谷歌Fit应用程序中提取数据，我们要求受访者查找并反馈数据，这并不影响参与者的参与。相对较少的人，即在完成基线问卷的189名参与者中，有11名(5.8%)参与者由于我们无法控制的技术问题退出了我们的研究。

我们能够通过配置Telegram聊天机器人来实现所需的mbct，这样它就会询问人们关于目标设置的问题，或者就行动计划和实验提供建议。

总体而言，参与者的反馈是适度积极的。大多数(86/ 102,84.3%)参与者计划在研究结束后继续使用谷歌Fit。大约46.1%(47/102)的参与者表示聊天机器人帮助他们变得更活跃，而23.5%(24/102)的参与者认为它没有。在某些情况下，聊天机器人感觉像一个同伴(28/102,27.5%同意，48/102,47.1%不同意)。近50%(50/102)的参与者更喜欢人类而不是聊天机器人来支持他们，而23.5%(24/102)的参与者不喜欢人类干预提供者。其中一名参与者明确表示，作为患有自闭症和社交焦虑症的人，他们更喜欢聊天机器人的匿名性。大多数人(68/ 102,66.7%)认为更高级的聊天机器人会很有帮助(3.97分(5分))。共有42.2%(43/102)的参与者希望继续使用聊天机器人一周。

根据参与者的评论，对聊天机器人造成失望的主要方面是每周对话的重复，以及未能对非标准(未编程的)回答做出反应，例如在没有问题预期的情况下提出问题(大多数情况下)。一些参与者还表示，他们希望与聊天机器人有更多的互动。

谷歌Fit的使用存在一些可变性。大多数(51/102,50%)参与者没有使用谷歌Fit的可选功能，如手动跟踪，使用开始屏幕小部件，连接其他应用程序，或更改目标，如图所示表1．大多数参与者每周都会收到1到2个来自谷歌Fit的通知，主要是目标达成和目标进展通知。目标实现通知被认为是最具支持性的。

总之，作为一个为可行性测试而开发的系统，聊天机器人本身表现令人满意，这表明聊天机器人系统在体育活动支持方面的技术可行性，以及在学术研究背景之外采用这些系统的意愿。

干预的影响

我们首先检查了动机、自我效能和步数的变化。基线(t0)、动机以自主动机(平均2.13,SD 0.78)、控制性动机(平均1.41,SD 0.80)和动机(P<措施;均值0.86,SD 0.79)均较低。干预后，自主动机增加(P<措施;科恩d=0.54)，如图7，而受控制的动机和动机似乎没有改变(多媒体附件2)．

‎ 查看此图

基线时步行需求满意度较高(t0)(平均2.56，标准差0.66)，尤其是胜任需要的满足(平均2.79，标准差0.85;(0至4)。与基线相比，整体需求满意度并无明显变化(t0)直至干预结束(t4)．然而，对自主需求的总体满意度增加了(P= .04点;科恩d=0.19)，特别是通过自主性挫败感的减少(P= .04点;科恩d= 0.20)。

正如预期的那样，行走能力缺乏可变性。因此，我们将自我效能感作为一个代理来研究。自我效能感的结果喜忧参半，45%的人对克服诸如忙碌、疲劳、抑郁、紧张或担心执行步行计划等障碍感到不确定。在研究过程中，自我效能增加(P= .02点;科恩d= 0.23)。

根据国际体育活动问卷，基线时，身体活动的中位数水平为每周103分钟(t0)．根据谷歌Fit，在基线周测量的身体活动大约高出3倍，中位数为每周355分钟。研究期间，身体活动增加，每周平均步数从23430步增加到30916步(P= 04;科恩d=0.29)，每周移动分钟从272分钟增加到415分钟(P<措施;科恩d= 0.53)。

因此，我们找到了H1的支持。使用聊天机器人系统后，自主动机增强。自主性、满意度和自我效能感也有所提高。自主动机增加的效应量为中等，而自主满意度和自我效能增加的效应量较小。在年龄和性别的基础上没有发现差异。

理论机制的检验

图8展示了我们感兴趣的主要变量之间的关联，并有以下主要发现:

• 自主动机在t4与自主动机有关t0（P<措施;r=0.35)，需要满足t4（P<措施;r= 0.59)。
• 需要满足于t4是否与需求满足有关t0（P<措施;r=0.59)，感知应用或聊天机器人的支持为t4（P= .002;r= 0.24)。
• 自我效能感在t4与自我效能有关t0（P<措施;r=0.35)，感知应用或聊天机器人的支持为t4（P<措施;r= 0.59)。
• 在控制能力和自主性的情况下，自我效能感与动机无关。
• 第3周的身体活动与基线的身体活动相关(P<措施;r=0.53)和自我效能(P= .02点;r=0.20)，但没有动机t4（P= .59;r= 0.05)。

因此，我们在研究中发现了H2的支持，因为自主动机被发现与需求满意度正相关，而需求满意度与感知应用程序或聊天机器人支持正相关。自主动机与即时体育活动之间没有发现相关性，但自我效能感与即时体育活动之间观察到正相关。此外，自我效能感与感知应用程序或聊天机器人的支持正相关。

‎ 查看此图

不同BCT实现的比较

我们测试了实现中的差异，如H3中所指定的。我们没有发现有证据表明替代目标设定(与传统目标设定相比)被认为更有支持性(H3a)或导致更大的需求满足(H3b)或自主动机(c)。事实上，两组都报告了积极的结果:传统目标设定组的需求满意度略有增加，替代目标设定组的自我效能略有增加，两组的自主动机和体育活动都有所增加，如图所示图9．

实验组的参与者没有表现出更高的感知支持(H3d)，也没有表现出更大的需求满足(H3e)和自主动机(H3f)的改善，而不是收到提醒要通过多走路来达到目标的参与者(没有实验)。

两个计划组(可选和强制性行动计划组)与没有行动计划组相比，没有表现出更高的感知支持(H3g)和更高的需求满意度(H3h)和自主动机(H3i)的增长。最后，选择性行动计划(相对于强制性行动计划)并没有表现出更高的感知支持(H3j)和更高的需求满意度(H3k)和自主动机(H3l)的增加。

总之，没有证据表明任何替代实现在增加感知支持、需求满意度和自主动机方面优于传统聊天机器人实现。因此H3无法确认。

‎ 查看此图

讨论

概述

本研究评估了基于bct和SDT提高用户自主步行动机的聊天机器人系统的可行性。我们基于有前途的bct开发和评估了聊天机器人系统的各种版本。我们发现，该系统的使用与步行的自主动机和需求满足的相关因素的增量相一致。虽然我们发现了理论机制的支持，但我们没有观察到各种BCT实施的有效性有意义的差异，可能是因为样本量小。

聊天机器人实现

总体而言，我们从参与者那里得到了积极的反馈，包括他们倾向于继续使用聊天机器人系统和谷歌Fit。尽管约有一半(50/ 102.49%)的参与者会感谢人工干预提供者，但也有大约一半(47/ 102.46.1%)的参与者认为聊天机器人帮助他们变得更加活跃。大约四分之一的人将机器人视为同伴，大多数参与者(68/102,67.6%)认为更先进的聊天机器人有很大的潜力。因此，应该进一步研究聊天机器人的使用。

来自参与者经验的形成性反馈表明，与我们自己的相比，未来的聊天机器人实现可以提供更多的交互，以确保机器人能够对问题做出反应，并在交互中引入更多的可变性，使其更有趣和吸引人。

此外，在这项研究中，关联需求——sdt中指定的另一种心理需求——并没有被特别针对，因为它并没有被证明是体育活动的内在动机所必需的[21］．然而，聊天机器人有可能有助于建立亲密关系。这项研究的参与支持，虽然不是特别高，但是积极的，参与者经常与聊天机器人互动，就像它是一个人一样，询问它怎么样，自豪地分享他们的成就，为几周没有像预期的那样进行道歉，并回复感谢。

虽然未来的聊天机器人也可以基于Telegram和谷歌Fit的相同平台，但这并不意味着不是每个参与者都能获得相同的系统体验，这可能会使从数据中推断复杂化。在我们的研究中，大多数参与者(51/ 102,50%)没有使用谷歌Fit和聊天机器人提供的额外功能(聊天机器人在一周内提供支持，例如查看计划、更改目标和查看天气预报)。此外，我们发现参与者在研究期间从谷歌Fit收到的通知数量不相等。尽管一些研究表明，通知的数量和类型可能很重要[40]，在这项研究中，通知的数量似乎并没有影响应用的感知支持。

干预的影响

总体而言，干预对自主动机的建构(H1)有积极的影响。所有3个规则(内在、综合和识别)都增加了，然而，正如预期的那样，控制动机和动机没有增加。鉴于样本量小且缺乏无聊天机器人对照组，更大规模的研究或更具体地关注这一特定假设的研究可能能够证实这些结果的统计学意义。

我们的发现与文献中关注Fitbit跟踪设备的一些发现形成了对比。柯纳及固特异[27]和Busch等[41发现自主动机下降，而动机增加。到目前为止，聊天机器人的动机方面大多在较小的定性研究中得到了测试[42，43］．Kocielnik等人[42他们发现，与聊天机器人的反思性互动会增加积极性。未来的研究可能会调查智能手机应用程序、聊天机器人和跟踪设备在对动机的影响方面是否存在差异。

辅助分析显示自主性挫败感显著降低，自我效能感和体力活动显著增加。在我们的研究中，自主性挫败感的减少与Kerner和Goodyear的需求满足的减少形成了对比。27］．然而，最近，Busch等[41他们发现，在他们的样本中，自主需求的满意度有了小幅的显著提高。身体活动显著增加，每周平均步数增加了5133步，每周运动分钟增加了84分钟，这与其他成功增加身体活动的研究结果相似[44］．先前的研究表明ispa可以在短期内增加身体活动[45]，尤其是当自我监控与目标设定相结合时[45，46］．我们的研究结果表明，ispa也有可能提高体育活动的自主动机，这是长期行为的一个重要因素。

理论机制的检验

与SDT一致，我们发现感知应用支持、需求满意度和自主动机之间存在正相关关系，更高的感知应用支持与更高的需求满意度相关，更高的需求满意度与更高的自主动机相关。这些发现进一步证明了SDT可以作为设计支持自主动机的聊天机器人的有效理论基础(H2)。

尽管自主动机和即时体力活动都增加了，但这两个变量之间没有发现联系。有很多原因可以解释为什么会出现这种情况;例如，尽管自主动机增加了，但并不是每个人都有机会立即采取行动，因为COVID-19大流行造成了一个受限的环境。在以往文献的基础上，我们仍然认为自主动机与长期的体育活动有关，但本研究并未对此进行测量。

干预结束时的体力活动通过干预开始时的体力活动和干预结束时的自我效能来预测。自我效能感与身体活动之间的关系在之前的研究中也得到了证实[47-49］．自我效能感也被发现是长期投入的预测因素。50］．彼得森等人的研究[51]提供了初步支持，表明应用程序使用和身体活动之间的关系是由自主动机和自我效能感介导的。与自主动机类似，聊天机器人干预结束时的自我效能感与感知应用程序支持呈正相关，强调了需求支持ispa的重要性。

我们的研究结果表明，当聊天机器人被设计为支持自主和能力的基本心理需求时，它们可以有效地提高自主动机。

改进ispa的设计

文献尚未显示如何通过提高需求满意度和自主动机来改善ispa，以支持长期的体育活动。MBCTs的使用被认为是一种有前途的方法，但很少有研究单独测试这些技术。此外，如何最有效地实施这些技术仍然是一个悬而未决的问题。

首先，假设基于sdp的替代目标设置比通常在ispa中发现的传统目标设置会导致更高的感知应用支持(H3a)、需求满意度(H3b)和自主动机(H3c)。然而，这两种设定目标的方式被认为具有相似的支持性。传统的目标设定不会导致更多的需求挫折，但自主性挫折显著降低。这可能是由于参与者在干预开始时已经适度活动，大多数人(31/ 50,62%)选择了较低的每日目标(20个心脏点和5000步)。动机在两组之间没有显著差异，两者都表现出自主动机的显著增加。这表明，两种设定目标的方式都是同样有效的。

基于MBCT 7，我们还假设，在ispa中使用实验将导致更高的感知应用支持(H3d)、需求满意度(H3e)和自主动机(H3f)。以如何将更多活动融入日常生活和尝试新事物的想法的形式提供实验技巧，并不能带来更高的需求满意度和自主动机。到目前为止，实验作为一种技术还没有受到太多关注;因此，如何提供它的见解是有限的。其他方法，如学习目标[52可能会带来更好的结果。这类目标的一个例子是找到5种增加每日步数的方法，这最终需要试验。学习目标被认为对初学者(在我们的例子中，是不活跃的人)特别有帮助，因为他们专注于实现目标的方法和手段。53］．

基于MBCT 19，我们假设ispa中的行动计划(相对于无行动计划)会导致更高的感知应用支持(H3g)、需求满意度(H3h)和自主动机(H3i)。然而，行动计划并没有带来明显更高的应用支持、需求满意度或动机。这是令人惊讶的，因为它在其他研究中已经显示出有希望的结果[30.］．本研究所执行的行动规划可能没有充分发挥其潜力。一些参与者可能匆忙地完成了对话，或者可能没有认真对待问题。例如，当被问及去散步的具体时间和日期时，一些人回答“随时”或“不确定”。一些与会者表示，他们没有障碍或不知道如何克服障碍。这些参与者可能需要更多的支持，这将需要一个更高级的聊天机器人实现，以响应更多的关键字。另一个可能让参与者感到沮丧的方面是，聊天机器人没有提供提醒，而这是许多参与者要求的。此外，信息内容的重复被认为是互动的一个不利因素，这在其他研究中也被报道为一个问题[15］．未来的研究可能会调查由ISPA执行的行动计划是否与由人工干预提供者执行的行动计划一样有效。

最后，假设提供可选的行动计划会带来更高的感知应用支持(H3j)、需求满意度(H3k)和自主动机(H3l)，因为它保留了ISPA用户的自主性。强制性行动计划可能会损害总体的自主性满意度，因为参与者被迫经历它。例如，Roy和Zaman [54]在他们的启发式中指出，应该避免强制性的使用。可选择的行动计划并没有带来更高的应用支持、需求满意度或动机。相反的情况是，强制性计划者在需求满足、自我效能、自主动机和体育活动方面表现出更大的增长。然而，组间差异不显著。这表明强制实施MBCT并不会损害自主性满意度。然而，应该考虑进一步的研究来证实这一发现。

因此，我们没有发现H3的支持。即使有任何影响，也太小了，无法在这项小规模研究中检测到。联合使用技术可能会取得统计上显著的效果;例如，当没有行动计划和没有实验时，感知到的应用程序支持在统计上显著降低。然而，简单地把技巧加起来可能并不总是会产生积极的效果;例如，没有行动计划的实验比有行动计划的实验有更高的应用支持得分。这表明应该仔细研究各种技术的组合。

因此，对于我们测试的3个mbct，我们发现它们在聊天机器人中有效实现的指导很少。相同mbct的替代实现可能更有效。此外，还有更多的mbct和mbct的组合可以研究。这些研究将有助于将既定的理论转化为聊天机器人的设计原则，从而有助于持续的行为改变。

限制

这项研究受到时间限制，缺乏一般对照组，以及样本量的限制。为了直接衡量干预对身体活动的长期影响，至少需要6个月的研究期。由于这在本研究中不被认为是可行的，我们选择了一个公认的持续体育活动的预测因素:自主动机。我们预计未来的研究将再次证实，自主动机的增强将预示着身体活动的增加。

这项研究没有包括不使用聊天机器人的一般对照组。因为我们的重点是研究基于sdt的聊天机器人是否以及如何提高身体活动的自主动机，我们包括了使用聊天机器人版本的对照组。我们没有发现实质性的依据来预期在4周的过程中会对自主动机产生任何未观察到的影响;未来的研究采用一般对照组将能够验证这一点。

102名参与者的样本量限制了我们检测非常小的效应量的能力，但可以被认为是合理的，以获得对这项可行性研究的见解。肖佩等[55]调查了27项测试应用程序对节食、体育活动或久坐行为干预效果的研究，这些研究大多是随机对照试验。在这27项研究中，有20项(74%)参与者少于100人。样本量小也意味着结果可能无法推广到整个人群。

结论

这项可行性研究通过测试不同的聊天机器人变体，调查了聊天机器人作为持续体育活动支持者的使用。它提供了一个如何更深入地研究聊天机器人和bct的例子。它提供了有希望的初步证据，即聊天机器人结合谷歌Fit等跟踪应用程序可以增强自主动机，这已被证明是重要的长期行为维持，通过支持自主和能力的基本需求。虽然尚不清楚bct的特定实现是否以及如何最好地利用来提高自主动机，但我们的研究确定了各种改进聊天机器人系统设计的建议，包括聊天机器人内部的交互量、响应能力和可变性。需要进一步的研究来测试更多的技术和替代实现，以加强支持持续行为变化的聊天机器人的设计基础。