要約
睡眠追跡装置の有病率にもかかわらず、多くの個人は、データを睡眠の健康の実用的な改善に変換するのに苦労しています。
現在の方法は、多くの場合、データ駆動型の提案を提供しますが、実生活の制約と個々のコンテキストに実現可能で適応できない場合があります。
私たちは、会話の行動変化のサポートを備えたデータ駆動型、理論ガイド、および適応型の推奨事項を通じて睡眠の健康を高めるための新しい大手言語モデル駆動のチャットボットであるHealthguruを紹介します。
Healthguruのマルチエージェントフレームワークは、ウェアラブルデバイスのデータ、コンテキスト情報、およびコンテキストマルチアームの盗賊モデルを統合して、調整された睡眠を強化するアクティビティを提案します。
このシステムは、データ駆動型の洞察と理論的行動の変化手法を組み込んでいる間、自然な会話を促進します。
16人の参加者を含む8週間の野生展開調査では、HealthGuruをベースラインチャットボットと比較しました。
結果は、睡眠期間やアクティビティスコア、高品質の応答、HealthGuruによる行動の変化のユーザーの動機の増加などの改善されたメトリックを示しています。
また、ヘルスチャットボットでのパーソナライズとユーザーエンゲージメントに関する課題と設計上の考慮事項も特定しています。
要約(オリジナル)
Despite the prevalence of sleep-tracking devices, many individuals struggle to translate data into actionable improvements in sleep health. Current methods often provide data-driven suggestions but may not be feasible and adaptive to real-life constraints and individual contexts. We present HealthGuru, a novel large language model-powered chatbot to enhance sleep health through data-driven, theory-guided, and adaptive recommendations with conversational behavior change support. HealthGuru’s multi-agent framework integrates wearable device data, contextual information, and a contextual multi-armed bandit model to suggest tailored sleep-enhancing activities. The system facilitates natural conversations while incorporating data-driven insights and theoretical behavior change techniques. Our eight-week in-the-wild deployment study with 16 participants compared HealthGuru to a baseline chatbot. Results show improved metrics like sleep duration and activity scores, higher quality responses, and increased user motivation for behavior change with HealthGuru. We also identify challenges and design considerations for personalization and user engagement in health chatbots.
arxiv情報
| 著者 | Xingbo Wang,Janessa Griffith,Daniel A. Adler,Joey Castillo,Tanzeem Choudhury,Fei Wang |
| 発行日 | 2025-02-19 17:53:43+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google