老年人移动语音食品报告的设计与可用性评价:随机对照试验gydF4y2Ba

介绍gydF4y2Ba

背景gydF4y2Ba

老年人营养不良的风险增加[gydF4y2Ba1gydF4y2Ba-gydF4y2Ba3.gydF4y2Ba]，这会增加一系列健康风险[gydF4y2Ba4gydF4y2Ba，gydF4y2Ba5gydF4y2Ba]。为防止长者营养不良，自我监察食物摄取量是评估大量营养素摄取量及计算热量的重要组成部分[gydF4y2Ba6gydF4y2Ba]。定期从食物摄取中甄别饮食因素，有助甄别有营养不良风险的人士[gydF4y2Ba7gydF4y2Ba，gydF4y2Ba8gydF4y2Ba]。数字技术的进步为向老年人提供健康干预措施创造了新的选择[gydF4y2Ba9gydF4y2Ba，gydF4y2Ba10gydF4y2Ba]，强大的新软件和硬件工具可以通过收集、分析和解释饮食摄入数据来支持改善健康维护[gydF4y2Ba11gydF4y2Ba，gydF4y2Ba12gydF4y2Ba]。数字膳食摄入跟踪在改善相关健康或营养结果方面具有巨大潜力[gydF4y2Ba13gydF4y2Ba]。Vogels [gydF4y2Ba14gydF4y2Ba发现老年人在日常生活中积极采用新技术，其中，移动健康应用程序具有许多潜在优势，包括可访问性、可扩展性和成本效益[gydF4y2Ba15gydF4y2Ba，gydF4y2Ba16gydF4y2Ba]。gydF4y2Ba

运营中的挑战gydF4y2Ba

老年人通常会经历身体和生理功能的下降，这可能会增加操作移动应用程序的挑战，比如点击按钮和向下滚动屏幕。gydF4y2Ba17gydF4y2Ba]，这类用户往往要求应用开发者提供增强的界面可用性，使操作更快、更准确[gydF4y2Ba16gydF4y2Ba-gydF4y2Ba21gydF4y2Ba]。最近的技术进步，例如声音和语音识别[gydF4y2Ba22gydF4y2Ba，gydF4y2Ba23gydF4y2Ba]，为老年人的健康应用界面设计增加了一个新的维度[gydF4y2Ba24gydF4y2Ba]。虽然一些研究已经确定了这些技术的潜在好处[gydF4y2Ba25gydF4y2Ba，gydF4y2Ba26gydF4y2Ba]，几乎没有证据表明它们的有效性。语音交互是高度面向领域的。以往的研究[gydF4y2Ba24gydF4y2Ba强调了提供有效性证据的必要性，并发现在商业应用中，饮食和卡路里跟踪应用很少使用语音输入来报告食物摄入量。利用这些技术的潜在好处取决于它们为目标用户提高可用性的程度。有效的界面开发通常需要目标终端用户在整个开发过程中积极参与[gydF4y2Ba27gydF4y2Ba]。gydF4y2Ba

目标gydF4y2Ba

我们之前提供了一种概念证明，即饮食记录的组合方法可以解释各种菜肴的变化[gydF4y2Ba28gydF4y2Ba，gydF4y2Ba29gydF4y2Ba]。这个概念被证明有可能被老年人使用[gydF4y2Ba28gydF4y2Ba]，但需要设计反馈来提高目标群体饮食报告的速度和准确性。因此，本研究集成了基于移动应用程序的食物摄入报告的语音输入设计增强。设计方法整合了手持设备中的语音和典型按钮交互，以开发两种不同的原型进行测试和比较。这项研究调查了这两款应用的实际使用体验，并评估了它们对老年人使用的相对有效性。gydF4y2Ba

方法gydF4y2Ba

方法的总体概述gydF4y2Ba

我们基于以用户为中心的设计模型开发了语音辅助设计[gydF4y2Ba30.gydF4y2Ba通过研究、构思和实施步骤。对相关文献和商业应用程序进行了回顾，团队成员进行了广泛的头脑风暴，以获得广泛的设计想法。在构思阶段提出的一个想法是允许基于语音的摄入记录。我们之前报道的工作涉及一次性语音报告单一菜肴的食物成分、份量、烹饪方法和其他食物属性。最初的原型由两位高级营养师进行了审查，测试结果表明，主要障碍之一是对语音输入的错误识别。为了降低系统复杂性，我们采用了设计启发式方法来简化[gydF4y2Ba31gydF4y2Ba，gydF4y2Ba32gydF4y2Ba提出两个备选方案。第一种选择是语音报告(VOR)，它将菜肴中的食物成分分解为两部分。然后用户将使用语音输入来描述这些主要内容项目，随后使用传统的触摸屏或语音输入添加额外的项目。第二种选择，语音按钮报告(VBR)，基于我们之前的组合食物报告概念，在现有的触摸屏输入过程中添加了语音输入功能。主要的食品成分通过语音输入报告，其余成分使用传统的基于触摸屏的用户交互报告。gydF4y2Ba

应用程序实现gydF4y2Ba

这两款应用安装在安卓操作系统上，适用于7英寸平板电脑。VOR应用程序允许用户同时口头报告食品名称和食品属性，而VBR应用程序允许用户口头报告食品名称，然后通过点击可选按钮选择食品属性。两款应用均使用谷歌语音云服务(谷歌，Inc)进行连续语音识别。开发的界面包括高级友好的设计元素，如更大的按钮和文本，简单的布局和高对比度的颜色。根据长者设计指引的建议[gydF4y2Ba17gydF4y2Ba]，这两个应用程序共享了一个共同的界面设计，包括按钮、文本和图标的位置。使用清晰直观的视觉提示来促进用户交互。gydF4y2Ba

App操作概述gydF4y2Ba

只有声音的报告菜与单一的成分gydF4y2Ba

图1gydF4y2BaA显示初始屏幕上有一个大的“录制”按钮，用于激活语音识别(gydF4y2Ba多媒体附录1gydF4y2Ba）.汉语口语有许多同音异义词，被识别的语音可以有多种解释方式。gydF4y2Ba图1gydF4y2BaB显示了由被识别的语音产生的选项菜单，按可信度降序排列。用户从列表中选择正确的项目，然后，系统确认用户的选择(gydF4y2Ba图1gydF4y2BaC)，然后显示已确认的选择(gydF4y2Ba图1gydF4y2BaD)。gydF4y2Ba

如图所示gydF4y2Ba图1gydF4y2BaB，用户从列出的响应中选择所需的响应或选择“取消”以重新记录输入。词汇过滤器对潜在的响应列表进行修剪，只剔除不太相关的响应，从而避免向用户呈现一长串不太可能的可能性。该公司开发了一个名为“食物语法”的语法功能，通过根据食物的四种属性(烹饪方法、糖、脂肪和配料)，从该应用的食物名称数据库中选择预定义的关键字，对选定的结果进行解析。没有被过滤器保留的单词被认为是食品成分。例如，对于“蒸米饭”，“蒸”被认为是烹饪的方法，而“米”被认为是一种成分。解析操作完成后，识别出的食物内容显示为“米饭、蒸”(gydF4y2Ba图1gydF4y2BaC).当用户点击“确认”(gydF4y2Ba图1gydF4y2BaC)，屏幕上出现了一个食物编辑页面，有食物的名称，以及相应的图像和食物属性(gydF4y2Ba图1gydF4y2BaD).点击位于底部中心的“添加更多(+)”按钮(gydF4y2Ba图1gydF4y2BaD)允许用户通过返回初始步骤输入额外的配料或菜肴(gydF4y2Ba图1gydF4y2BaA)，如所示gydF4y2Ba图1gydF4y2BaD，有一个属性调整特征来解释烹饪方法(例如，沙拉、煮、炖、炒、炸和油炸)、糖含量(例如，0%、25%、50%、75%和100%)、牛奶类型、配料(例如，木薯泡沫、椰奶和冰淇淋)和份量(例如，盘子、碗、杯等)的变化。gydF4y2Ba

‎gydF4y2Ba 查看此图gydF4y2Ba

对含有两种或两种以上食物成分的菜肴进行语音报告gydF4y2Ba

对于有两种食材的菜肴，用户口头输入第一种食材，然后输入相关的食物属性，然后重复输入第二种食材的过程(gydF4y2Ba多媒体附录2gydF4y2Ba）.如图所示gydF4y2Ba图2gydF4y2BaA、用户输入菜式如下:“西兰花、爆炒、胡萝卜。”在这种情况下，显示的列表提供了五种可能的选择(gydF4y2Ba图2gydF4y2BaB).用户从列表中选择预期的输入。解析后显示所选结果(即西兰花、胡萝卜、炒菜;gydF4y2Ba图2gydF4y2BaC).用户点击“确认”，进入食品编辑页面(gydF4y2Ba图2gydF4y2BaD).这个输入过程扩展到含有两种或两种以上配料的菜肴。gydF4y2Ba

‎gydF4y2Ba 查看此图gydF4y2Ba

声控按钮报告一道菜与单一的成分gydF4y2Ba

使用VBR来处理含有单一食材的菜肴，用户首先口头输入该菜肴的名称(gydF4y2Ba多媒体附录3gydF4y2Ba)，例如“米”(gydF4y2Ba图3gydF4y2BaA).点击右上方的五个按钮之一，在下面的编辑页面中添加食品属性(gydF4y2Ba图3gydF4y2BaD)。因此，用户可以通过选择“烹饪方法”来调整“米饭”的烹饪方法(gydF4y2Ba图3gydF4y2BaD)，然后选择合适的烹饪方法(如蒸;gydF4y2Ba图3gydF4y2BaE).用户点击“确定”，然后出现烹饪方法信息(如蒸)。gydF4y2Ba

‎gydF4y2Ba 查看此图gydF4y2Ba

有两种或两种以上配料的菜的声控按钮报告gydF4y2Ba

对于有两种或三种食材的菜肴，用户首先口头输入第一种食材，然后按照前四步(gydF4y2Ba图4gydF4y2Ba模拟;gydF4y2Ba多媒体附录4gydF4y2Ba）.然后，用户点击“添加更多(+)”按钮，并继续报告所有后续的食品成分。当所有的食材都填好后，用户点击“混合”按钮就可以开始拼盘了。如图所示gydF4y2Ba图4gydF4y2Ba，用户报告“西兰花”(gydF4y2Ba图4gydF4y2BaD)和“胡萝卜”(gydF4y2Ba图4gydF4y2BaE).用户选择想要的食物(例如西兰花和胡萝卜)，然后点击“混合”按钮(gydF4y2Ba图4gydF4y2BaF)创建混合食品信息(gydF4y2Ba图4gydF4y2BaG)。然后用户选择所需的烹饪方法，点击“确认”(gydF4y2Ba图4gydF4y2BaH).“添加更多(+)”按钮也允许用户报告其他菜肴，而“完成”按钮完成食物报告会话(gydF4y2Ba图4gydF4y2Ba我)。gydF4y2Ba

‎gydF4y2Ba 查看此图gydF4y2Ba

研究设计和参与者招募gydF4y2Ba

设计了一项平行的两组随机试验，以评估两种应用程序在报告准确性、任务时间和用户接受度方面的相对有效性。研究方案经长庚纪念医院伦理委员会审查，并获得机构审查委员会批准(201900324B0)。招聘是通过在位于台湾北部的长庚健康文化村退休社区的指定公告栏上张贴公告进行的。注册、日程安排和背景资料的收集都是通过在线表格进行的。使用传记数据将参与者分为VOR组或VBR组。自我报告的基线信息包括性别、年龄、体重指数、营养教育经历、使用营养相关应用程序、烹饪经验以及使用手机/平板电脑的经历。符合条件的参与者(1)年龄在60到90岁之间;(2)能够在手机上阅读和操作应用程序。目前正在进行任何形式的饮食控制，目前正在进行刻意减肥或遵循素食的参与者被排除在外。评估是在社区内的一个公共区域进行的。gydF4y2Ba

在一位高级营养师的监督下，选择了实验用的菜肴和饮料。菜肴是典型的当地亚洲和西餐。三个套餐包含17种食物，分别代表早餐、午餐和晚餐。每个套餐包含五种食物(即主食，主菜，两种食材的菜，三种食材的菜和饮料)。这些套餐被呈现在真人大小的彩色食物照片板上(30厘米× 42厘米;(上图)。根据以往的研究[gydF4y2Ba28gydF4y2Ba]，为了避免干扰变量，每道菜都在食物的上方或下方贴上了(72 pt)标签(gydF4y2Ba多媒体附录5gydF4y2Ba）.gydF4y2Ba

样本量估计gydF4y2Ba

样本量是基于我们之前定制饮食记录的经验[gydF4y2Ba28gydF4y2Ba]。使用这两种方法完成任务所需时间的平均差异为4秒，SD为5秒。因此，假设统计能力为80%，双尾α水平为5%，VOR和VBR所需的最小样本量为各26名受试者。因此，确定最小招募规模为52名受试者。gydF4y2Ba

随机化gydF4y2Ba

总共招募了57名老年参与者并填写了知情同意书。SAS (gydF4y2Ba33gydF4y2Ba]被用于生成两个研究组按1:1比例的等量随机列表，其中30名和27名参与者分别被分配到VOR组和VBR组(gydF4y2Ba图5gydF4y2Ba）.实验按照随机分组表从每组中选取个体进行。gydF4y2Ba

‎gydF4y2Ba 查看此图gydF4y2Ba

评价结果gydF4y2Ba

评估了以下三种结果类型，以评估两种移动应用程序的食品报告各自的有效性:准确性，用户操作时间和功效感知。gydF4y2Ba

精度gydF4y2Ba

错误被定义为参与者在获得预定义答案所需的操作步骤之外进行操作。确定了可能的碟形报告错误类型，并在小节“错误类型”中进行了描述。特定错误类型的比率表示为错误计数除以总计数。错误计数定义为错误类型中回答错误的参与者的总数。总数的计算方法是参与者的数量乘以所有菜肴的数量。在特定的错误类型中，每个参与者的报告任务可能会遇到不止一个错误的回答，但会被计算为一个。错误类型的准确度定义为总计数与错误计数之差除以总计数。gydF4y2Ba

错误类型gydF4y2Ba

误差类型按主题推导，用于数据分析[gydF4y2Ba34gydF4y2Ba]，在“主题分析”小节中对此进行了描述。数据来源于每个参与者与系统的交互，应用程序自动记录参与者对任何功能按钮的选择(例如，语音或混合按钮)，并且每次交互都标有时间戳。该应用程序还记录了语音输入的建议结果，以及随后由参与者选择和确认的项目。gydF4y2Ba

任务持续时间gydF4y2Ba

对于VOR和VBR，操作时间涵盖了从参与者开始输入食物到参与者点击屏幕上的“完成”按钮的时间。对于VOR组，任务持续时间从参与者点击“语音”按钮开始说话到参与者点击“完成”按钮(gydF4y2Ba图1gydF4y2BaD和gydF4y2Ba图2gydF4y2BaD)。对于VBR组，任务持续时间是从参与者点击“语音”按钮开始说话的时间到参与者完全混合多种食材并调整烹饪方法的时间(gydF4y2Ba图3gydF4y2BaF和gydF4y2Ba图4gydF4y2Ba1).手机app自动记录每位参与者的评估时长。gydF4y2Ba

感知gydF4y2Ba

系统可用性量表(SUS) [gydF4y2Ba35gydF4y2Ba]用一份包含10个项目的问卷来测量参与者的感知。每个项目使用李克特5分量表，从1(非常不同意)到5(非常同意)。根据班戈等人的研究[gydF4y2Ba36gydF4y2Ba]，采用形容词评定量表的SUS平均得分。平均得分为35.7分、50.9分、71.4分、85.5分，分别被评为“差”、“还行”、“好”、“优秀”。gydF4y2Ba

评估程序gydF4y2Ba

这项实验是由两位研究助理进行的。向每位参与者解释并获得知情同意。所有参与者都使用相同的硬件(即7英寸的Android平板电脑)。所有参与者的试验均在同一天进行。每个参与者的会议都是通过预约安排和单独实施的。每位参与者首先通过观看一段演示如何使用食物报告应用程序的教学视频进行培训。然后，研究人员花了几分钟时间教每个参与者如何浏览界面，以确保他们熟悉应用程序的操作和功能。实验以套餐为基础进行安排，每一套餐包括主食、主菜、二料菜、三料菜和饮料。在理解了膳食概念后，每个参与者都进行了一次“排练”，其中包括在照片板上用语音报告五种食物(粥、香肠、鸡蛋、花生麸质和豆浆)(gydF4y2Ba多媒体附录5gydF4y2Ba）.在进行食品报告之前，研究助理会指导每位参与者清楚地读出食品名称。所有参与者都被鼓励熟悉应用程序，直到他们对应用程序的操作流程充满信心。参与者被告知，他们完成任务的时间也是一项需要考虑的表现。gydF4y2Ba

受访者被要求报告三餐(早餐、午餐和晚餐)。第一顿套餐，代表早餐，特色是煮米粥，烤猪肉香肠，炒鸡蛋，小麦麸炖花生和豆浆。第二道套餐代表午餐，有米饭、炸鸡、胡萝卜炒西兰花、四季豆炒豆腐、培根黑蘑菇炒白菜和绿茶。第三种套餐，代表正餐，特色是炒面，煎鲭鱼，炒甜瓜甜椒和胡萝卜，以及牛奶茶。膳食试验按顺序进行，每次试验之间休息1至3分钟。每个参与者的总测试时间大约为1小时，从参与者第一次点击录音按钮开始，根据“方法的一般概述”部分所示的过程。所有参与者都完成了评估。gydF4y2Ba

统计分析gydF4y2Ba

卡方检验和gydF4y2BatgydF4y2Ba分别采用分类变量和连续变量检验受试者的基线特征。根据我们的研究终点，不同组之间的准确率由错误比例报告，错误比例计算为总答案项的错误数量。其次，也采用运行评价的持续时间进行效率评价。由于报告的持续时间是一个连续变量，因此gydF4y2BatgydF4y2Ba采用试验评估和比较VOR组和VBR组之间的差异。这种比较也适用于不同成分的菜肴。采用SAS 9.1.4版软件(SAS Institute)进行统计分析。所有双侧统计检验结果均为gydF4y2BaPgydF4y2Ba0.05以下的值被认为具有统计学意义。gydF4y2Ba

专题分析gydF4y2Ba

根据Bree和Galagher的研究[gydF4y2Ba37gydF4y2Ba]，所有分析均使用Microsoft Excel工作表(Microsoft Inc .)进行。数据由两位研究助理进行分析。首先确定主题(即错误类型)。确定一个可能的主题的过程包括以下步骤。首先，每个助手独立调查数据，突出和标记每个菜不匹配的操作任务。类似的标签被聚集成一个单一的错误类型，并带有一个共同的标签，例如“食物名称缺失”和“烹饪方法缺失”(gydF4y2Ba多媒体附录6gydF4y2Ba）.类似的错误类型可以进一步分组到一个主题中，例如“报告后的麻烦”和“在选项中选择一个的麻烦”。当出现新的错误类型或主题时，对整个网络进行相应的修改。讨论了两位助理之间的差异，并在项目负责人的监督下达成了共识。gydF4y2Ba

结果gydF4y2Ba

参与者的特征gydF4y2Ba

共登记了68名参加者。其中，57名参与者被安排完成了实验(gydF4y2Ba图5gydF4y2Ba)， 11人未能安排预约。如图所示gydF4y2Ba表1gydF4y2Ba， VOR组30例，VBR组27例。有效调查对象中男性占21%(12/57)，女性占79%(45/57)，总体平均年龄为73.92岁(SD 1.48)，其中12%(7/57)为60 - 64岁，40%(23/57)为65 - 74岁，其余48%(27/57)为75岁以上。所有参与者的平均BMI为22.55 kg/mgydF4y2Ba^2gydF4y2Ba2.25 (SD)。近一半(28/ 57,49%)的参与者拥有学士学位，其次是初中(12/ 57,21%)，高中/职业学校(11/ 57,19%)，硕士学位(5/ 57,9%)和其他(1/ 57,2%)。从之前的相关经验来看，95%(54/57)的受访者表示有烹饪经验，68%(39/57)的受访者表示有使用手机或平板电脑的经验，32%(18/57)的受访者表示参加过营养相关课程，7%(4/57)的受访者使用过营养相关应用程序。在两组中，基线信息未显示相关差异，证实随机分配。gydF4y2Ba

错误类型和总体精度gydF4y2Ba

表2gydF4y2Ba给出了17个食品项目的正确和不正确计数的总体准确性结果。通过分析每位参与者的食物记录程序，我们确定并分类了八种错误类型(gydF4y2Ba多媒体附录6gydF4y2Ba）.在VOR组中，错误类型与语音输入(#1-3和#5)和典型的手指敲击操作(#4和#5-8)有关。在VBR组中，错误类型与语音输入(#1-3)和手指敲击问题(#4-8)有关。错误类型“重复发音”(#5)仅与VOR相关，“未选择“mix”按钮”(#7)仅发生在VBR组。在八种错误类型中，两种错误类型(“遗漏烹饪方法”[#4]和“未选择“混合”按钮][#7])显示出显著差异(gydF4y2BaPgydF4y2Ba<措施)。VOR组在这两种错误类型上优于VBR组。在VOR组中，“没有理想的选择”(#3)是最常见的错误，发生率为6.7%(28/420)，其次是“列表中错误的选择”(#6)，发生率为3.8%(16/420)，“错误的操作”(#8)，发生率为2.6%(11/420)。在VBR组中，“没有选择“混合”按钮”(#7)是最常见的错误类型，占10.3%(39/378)，其次是“错过烹饪方法”(#4)占7.4%(28/378)和“没有理想的选择”(#3)占7.1%(27/378)。gydF4y2Ba

每道菜的准确性和试错gydF4y2Ba

结果以菜肴的复杂程度(即食材的数量)(gydF4y2Ba表3gydF4y2Ba）.此外，在两组测试中都没有发现三种饮料项目的错误。gydF4y2Ba

只有一种食材的菜肴gydF4y2Ba

这些食物包括三种主食和四道主菜。VOR组的“烹调方法缺失”错误(n=2)少于VBR组(n=18)。两组在错误类型#3和#6上显示了相似的结果。两组对煎鲭鱼错误类型#3的错误率均升高(VOR组n=6;VBR组n=4)。在VBR组中，蒸白米饭(n=6)的错误类型#4发生率较高，而煮米粥(n=2)、炒面(n=2)、烤猪肉肠(n=2)、炒鸡蛋(n=2)和炸鸡腿(n=2)的错误类型#4发生率较低。其他错误类型的发生率相对较低。gydF4y2Ba

两种食材的菜肴gydF4y2Ba

五道菜包括两种食材。在VOR组中，花生炖麦筋错误类型#3更常见(n= 12,40%)，花生炖麦筋错误类型#6更常见(n= 10,33%)。在VBR组中，花生炖麦筋(n=14, 52%)、青豆炒豆腐(n=7, 26%)和番茄炒鸡蛋(n=5, 19%)的错误类型7更常见。在VBR组中，咸鸭蛋炒苦瓜错误#3的频率也相对较高(n=5, 19%)。两组患者其他错误类型的发生率均较低。gydF4y2Ba

三种食材的菜肴gydF4y2Ba

测试了三种菜肴。在VOR组和VBR组中，有两种菜肴出现了错误类型#3，即培根黑木耳炒白菜(n=2和n=3)和甜椒胡萝卜炒豆腐干(n=2和n=1)。7型错误在VBR组培根黑木耳炒白菜中发生率较高(n=5)，而8型错误在VOR组培根黑木耳炒白菜中发生率较高(n=4)。两组患者其他错误类型的发生率均较低。gydF4y2Ba

时间效率gydF4y2Ba

表4gydF4y2Ba显示了参与者完成17种食物的报告任务所需的时间。结果显示，VOR组在时间效率方面明显优于VBR组(gydF4y2BaPgydF4y2Ba<.001)，除饮料外，所有食品都具有统计学上显著的优势。VOR组的每项任务操作时间为9 ~ 42秒，而VBR组的每项任务操作时间为8 ~ 70秒(平均37.52秒)。gydF4y2Ba

用一种食材制作菜肴的时间效率gydF4y2Ba

VOR组每项任务的操作时间为8 ~ 15秒，其中煎鲭鱼耗时最长(平均15.01秒，SD 11.23秒)，VBR组每项任务的操作时间为19 ~ 41秒(平均26.70秒)，烤猪肠耗时最长(平均42.15秒，SD 51.63秒)，VOR组的平均表现约为VBR组的两倍。gydF4y2Ba

两种食材菜的时间效率gydF4y2Ba

在VOR组中，五道菜中有四道菜花了11到13秒，而花生炖麦筋花了42秒。VBR组手术时间为50 ~ 60秒，其中花生炖麦筋手术时间超过60秒。gydF4y2Ba

三种食材菜的时间效率gydF4y2Ba

VOR组手术时间为16 ~ 23秒，而VBR组为67 ~ 68秒。gydF4y2Ba

饮料的时间效率gydF4y2Ba

两组在处理饮料时表现出相似的操作时间表现，VOR组每项任务耗时9到11秒，而VBR组耗时9到12秒。gydF4y2Ba

系统可用性量表与主观感知gydF4y2Ba

表5gydF4y2Ba总结了SUS评分及其在可用性和可学习性方面的两个部分。VOR组和VBR组的总得分无显著差异(gydF4y2BaPgydF4y2Ba=.20)，但都超过了71.4的平均分，这表明两组参与者都认为该应用程序从“好”到“优秀”。在易学性得分方面，两组有轻微的显著差异(gydF4y2BaPgydF4y2Ba=.06)，这表明用户发现VBR应用程序更难学习使用。gydF4y2Ba

讨论gydF4y2Ba

主要研究结果gydF4y2Ba

比较了两种不同的语音报告设计，以调查它们各自在老年用户中报告食物的有效性。VOR的设计是使用口头输入食物的名称和属性。VBR通过语音输入和点击按钮的顺序过程来报告饮食摄入量。实验结果显示了两种设计理念在老年人报告正宗食物时各自的优缺点。我们基于证据的研究结果为语音输入在食物摄入报告中的相对可用性提供了见解。下面将讨论这些发现的影响，以及通过在移动医疗领域集成语音输入进一步改进系统的建议。gydF4y2Ba

准确性分析:VOR与VBRgydF4y2Ba

本研究确定的八种错误类型为语音用户饮食摄入交互中可能遇到的潜在错误类型提供了有用的参考。VOR对错误类型#4和#7的较好表现表明，VOR有潜力在食品报告中提供更高的准确性。在VOR组和VBR组中，参与者都经历了错误类型#3。这种错误与基于音素和音节的语音识别问题有关，具有相似音素的食物名称或食物属性往往具有较低的识别准确率。例如，在VOR和VBR组中，错误类型#3最常见的是“花生炖小麦面筋”，而“小麦面筋”(miàn cháng)的中文术语经常被误解为“miàn ch”。参与者还经历了更高的烹饪方法识别错误发生率，例如，l´(炖)被错误识别为r´(牛奶)，z´(煮沸)和f´(腐烂)，导致系统难以准确识别“花生炖麦筋”。此外，对“花生”、“熏肉”和“咸鸭蛋”等食品名称的错误识别结果也被发现，这可能是因为老年人在发音鼻音方面有更大的困难。gydF4y2Ba38gydF4y2Ba]。有一件事值得进一步调查，那就是VBR中需要额外的按钮点击来识别食物属性的影响。相比之下，VOR仅依赖于口头输入，并且设计用于适应较长的话语，从而减少了错误类型#3的影响。gydF4y2Ba

错误类型“没有选择“混合”按钮”(#7)在VBR组的所有错误中频率最高，具体到项目类别“两种食材的菜肴”(23.7%)和“三种食材的菜肴”(13.0%)。这种错误可能是由于应用程序强加的认知超载，因为老年与工作记忆的下降有关。gydF4y2Ba39gydF4y2Ba]。VOR的设计需要更少的按键次数，从而减少了错过按键的机会。为了解决这个问题，未来的应用设计应该提供额外的用户培训或设计改进[gydF4y2Ba17gydF4y2Ba]来提示参与者记住按下所需的按钮。gydF4y2Ba

错误“列表中不正确的选择”(#6)在两组中发生的频率都相对较高(在VOR组中排名第二，在VBR组中排名第三)。这种错误与用户从一到五个可能的选项中选择正确答案有关，并且可以用手眼协调和语音输入中的多模态交互相关的问题来解释[gydF4y2Ba40gydF4y2Ba]。我们之前的研究[gydF4y2Ba28gydF4y2Ba]也为老年人解决了这个问题，系统可用性性能可以通过改进视觉布局、增加字体大小或进一步改进用户交互设计来改善。另一个多模式交互问题发生在错误类型“缺少第一个食物名称/音节”(#1)中。然而，这种错误很少发生。在17个报告任务项中，三个饮料项目没有出现任何错误，这表明它们的相对简单使得它们在两个应用程序中相对容易准确报告。gydF4y2Ba

时间效率分析:VOR与VBRgydF4y2Ba

对于有两种食材的菜肴，VBR组点击按钮的时间效率是VOR组的5倍(例如，“青豆炒豆腐”的时间效率是51.63秒，而VOR组的时间效率是10.67秒)。除了饮料项目，VOR在时间效率方面一直优于VBR。VBR较慢的响应时间可能是由于需要点击额外的按钮来在页面之间移动，以及花费在尝试和错误上以获得正确的食物名称或食物属性上的时间。gydF4y2Ba

参与者感知gydF4y2Ba

SUS的总体得分超过了“好”的形容词评级，表明参与者认为这两个应用程序是有用的。两组的高准确率可能与SUS总得分较高相吻合。显著的时差(gydF4y2BaPgydF4y2Ba=.06)的任务完成可能反映了SUS模型的可学习性部分的边际显著差异。gydF4y2Ba

老年人使用语音添加接口gydF4y2Ba

先前的一些研究[gydF4y2Ba17gydF4y2Ba，gydF4y2Ba26gydF4y2Ba表明老年人发现智能手机上基于按键的界面具有挑战性。根据上一份报告[gydF4y2Ba28gydF4y2Ba]，为本研究开发的应用程序的设计力求尽可能简化界面交互，以更好地满足老年用户的需求。VOR接口只需要一步上报菜品，而VBR接口则需要三步(上报菜品名称、添加菜品属性、调配菜品)。在VBR组中，参与者在点击食物属性时会出现错误(例如，错误类型#4，“缺少烹饪方法”)。此外，VBR组的一些参与者倾向于忘记或忽略添加食物属性和混合菜肴步骤，从而降低了饮食摄入报告的准确性。然而，这两个步骤在VOR组中都不需要。这种情况类似于报告多种成分或烹饪方法，因为它需要多个单词输入，但它不会降低VOR性能。结果表明，对于含有多种食材的菜肴，VOR和VBR具有相似的错误类型#3频率。VOR的时间效率显著优于VBR (gydF4y2BaPgydF4y2Ba<措施)。以往的研究[gydF4y2Ba25gydF4y2Ba提出，语音接口可以潜在地减少有视力和运动障碍的老年人使用的障碍。VOR提供的语音支持界面通过最小化按钮点击要求来优化这种方法。尽管支持语音的界面可以为老年用户提供更好的可访问性，但仍有一些问题需要调查。这项研究发现，使用语音输入的参与者会遇到识别错误，某些菜肴报告任务需要相对较长的时间才能完成。gydF4y2Ba

局限性和未来研究gydF4y2Ba

实验是在实验室条件下使用预定的菜肴和饮料清单进行的。参与者是从退休社区招募的;因此，需要使用不同的目标人群(例如，患有特定慢性疾病的老年人)进行进一步的测试，其结果可能与这里测试的人群不同。预期用例[gydF4y2Ba41gydF4y2Ba在这项研究中，假设用户熟悉每道菜的食材和烹饪方法，使用语音添加的进食应用程序进行用餐报告。为了更好地反映真实的饮食情况，未来的研究应考虑在真实环境中进行现场用户体验测试。此外，还可能增加正宗亚洲和西式菜肴的种类，延长测试时间。需要进一步的研究来证实将语音输入整合到食物报告中的价值。需要进一步比较语音界面和传统界面在各种饮食环境下的性能。此外，可以探索使用语音输入来支持现有的饮食摄入报告应用程序的想法，以确定这种集成如何以及在多大程度上提高可用性。进一步的工作还需要包括额外的变量(例如，服务的份量，糖和脂肪含量，以及浇头)。gydF4y2Ba

结论gydF4y2Ba

实验结果表明，虽然用户评价VOR和VBR具有相似的效用，但VOR具有更好的准确性和时间效率，使其成为老年人食物报告的更好选择。VOR的设计优于VBR，因为它完全依靠语音输入来报告食物摄入量，不需要额外的按钮点击。实验结果表明，对某些食物的语音识别结果降低了识别的准确性，两组人都证明了从语音输入后的建议菜单中选择所需食物的挑战。本研究开发的两款app的用户体验评估结果，为开发高可用性的老年人饮食监测消费类app提供了有益的经验参考。需要进一步的研究，包括调查真实的用餐环境和真实的膳食选择，以及全面的随机对照试验来评估测试的效果。gydF4y2Ba