成果|个性化 AI 助推会“失效”吗?—— 一项关于 AI 自我建模促进行为参与的长期研究

论文信息

标题：Does Personalized Nudging Wear Off? A Longitudinal Study of AI Self-Modeling for Behavioral Engagement作者：Qing He*, Zeyu Wang*, Yuzhou Du, Jiahuan Ding, Yuanchun Shi, Yuntao Wang会议： ACM CHI Conference on Human Factors in Computing Systems 2026（CHI 2026）DOI： 10.1145/3772318.3791777

研究背景与问题

长期行为改变一直是人机交互与健康技术研究中的核心挑战。无论是运动打卡、健康追踪还是自我管理工具，很多系统都能在短期内激发用户行动，但随着新鲜感减退、监测负担增加或反馈不再有吸引力，用户很容易逐步脱离使用。论文正是在这样的背景下提出了一个关键问题：AI 驱动的个性化助推，究竟只是短期有效，还是能够在长期使用中持续影响人的行为参与？

围绕这一问题，研究团队设计了两阶段实证研究，并将健身任务作为实验场景。选择健身并不是偶然：一方面，它是日常生活中非常典型的行为改变场景；另一方面，它既能提供客观可测的表现数据，也能收集用户在长期过程中真实的主观体验。研究选取了两项常见训练任务——靠墙静蹲（wall-sit）和卷腹（crunch）——来观察 AI 自我建模对持续参与和表现提升的影响。

人工智能自我建模的系统实现

第一阶段是一项为期 1 周的三组对照实验，共 28 名参与者，分别接受视频自我建模（VSM）、音频自我建模（ASM）和无干预对照条件。研究希望先比较两类主流 AI 自我建模方式在健身场景中的效果差异。

第二阶段是在第一阶段基础上开展的为期 4 周的纵向研究，共 31 名参与者。由于第一阶段结果显示音频自我建模在该场景下没有显著优势，研究团队在第二阶段聚焦于视频自我建模，并与对照组继续比较其长期影响轨迹。论文也指出，这项研究构成了 AI 自我建模领域较早的 28 天长期实证研究之一。

核心发现与机制解释

研究发现，不同模态的 AI 自我建模在健身场景中的作用并不相同。在第一阶段实验中，视频自我建模能够带来更明显的早期表现提升，而音频自我建模则没有表现出显著优势。这说明，在需要动作示范、身体表征和具身感的任务中，视频比语音更能起到有效助推作用。

更重要的是，第二阶段的 4 周纵向研究表明，视频自我建模确实能够在更长时间内维持更高的表现水平，但这种促进作用并不会始终以同样强度持续下去。大约在两周后，视频自我建模带来的边际增益开始减弱，表现提升速度逐渐放缓，并出现向对照组收敛的趋势。

基于 LME 模型的为期一个月的纵向研究拟合性能曲线

设计启示与研究意义

论文进一步给出了面向长期行为改变系统的设计启示：未来的 AI 助推不应停留在重复呈现固定内容，而应更加重视干预模态与任务场景的匹配，并通过动态反馈、个体适配和长期目标调整来应对用户在长期使用中的习惯化问题。这项研究也为理解生成式 AI 在健康促进、运动坚持与长期行为参与中的真实作用边界提供了新的实证证据。

第一作者介绍

贺清，宾夕法尼亚大学Weitzman School of Design硕士二年级在读，2025年暑假在本实验室进行研究。

王泽宇，清华大学计算机科学与技术系直博三年级，研究方向为可穿戴设备与行为计算/干预，已在人机交互领域发表5篇 CCF-A 类论文。

作者邮箱：wang-zy23@mails.tsinghua.edu.cn

供稿：王泽宇

编辑：程志敏

 审核：王运涛