SwitchTube 系统提出“可适应承诺界面”以支持数字福祉

YouTube 拥有许多功能，例如主页推荐，鼓励用户探索其庞大的视频库。然而，当用户带着特定意图访问 YouTube 时，例如学习如何使用 Python 编程，这些鼓励探索的功能往往会分散注意力。先前的工作创新了限制社交媒体的“承诺界面”，但发现它们往往不加区分地屏蔽所需内容。在本文中，我们描述了一个“可适应的承诺界面”——SwitchTube 移动应用的设计、开发和评估，在该应用中，用户在观看 YouTube 视频时可以在两个界面之间切换：专注模式（搜索优先）和探索模式（推荐优先）。在一项为期三周、有 46 名美国参与者参与的实地部署中，我们评估了在界面之间切换的能力如何影响用户体验，发现它为用户提供了更强的代理感、满意度和目标一致性。最后，我们提出了关于可适应的承诺界面如何支持数字福祉的设计启示。

关键词: 

digital wellbeing, social media, YouTube, commitment devices, adaptable interfaces

1. 引言

诱惑，即与长期目标相冲突的欲望，在日常生活中很常见。当人们试图抵抗日常诱惑时，他们报告戒烟的失败率约为 30%，戒酒的失败率为 30%，购物的失败率为 35%。然而，在所有诱惑中，自控失败率最高的是媒体使用，例如看电视或查看社交媒体，根据一项日重建研究的结果，人们报告有 76% 的时间未能抵抗这种诱惑 (Delaney and Lades, 2017)。在一项使用经验采样方法的类似研究中，媒体使用的失败率再次远高于其他诱惑 (Hofmann et al., 2012)。

用户常常因缺乏自控力而责怪自己 (Lanette et al., 2018)，但媒体使用的诱惑力并非偶然。社交媒体是由那些在捕获和变现用户注意力方面有经济利益的公司有意设计的 (Wu, 2016)。正如倡导组织 Time Well Spent 的联合创始人 Tristan Harris 所指出的，“屏幕另一端有一千个人的工作就是瓦解我能维持的任何责任感” (Bosker, 2016)。从个体来看，这些短期干扰的成本似乎很小，但从整体来看，它们削弱了人们按照自己的价值观花费时间的能力 (Williams, 2018; Zuboff, 2019)。

YouTube 是世界上观看量最大的视频服务之一 (Lebow, 2022)，是那种被有意设计成充满媒体使用诱惑雷区的服务的典型例子。例如，YouTube 拥有丰富的教育内容，但当用户去观看时，推荐系统通常会显示更多娱乐视频，从而分散他们的注意力 (Klobas et al., 2019)。即使用户确实想要娱乐，系统也常常将他们吸入 YouTube 的“兔子洞”，导致他们观看的内容超出预期 (Woolley and Sharif, 2022)。YouTube 中的特定功能——如自动播放、相关视频和主页推荐——系统地导致了用户能动感的降低，即个人作为其行动发起者的体验 (Lukoff et al., 2021)。

对此，设计师们创新出了“承诺界面”，在这种界面中，用户设定限制在分心应用或服务上花费时间的目标，而界面则迫使他们遵守这一目标 (Lyngs et al., 2022)。现在预装在 iOS 和 Android 设备上的“屏幕使用时间工具”就是以此方式运作的。不幸的是，这种方法也会不加区分地屏蔽用户仍希望访问的应用内的内容和功能（例如 YouTube 上的教育教程或 Facebook 的小组功能） (Lukoff et al., 2022)。

与其迫使用户进行全有或全无的交易，另一种选择是提供一个可适应的承诺界面，在该界面中，用户可以根据情境需求在不同界面之间切换。然而，一个关键问题是，这种可适应的界面是否提供了足够的执行机制来让用户遵守承诺，或者轻松切换到带有诱惑的版本是否会削弱用户的数字自控力 (Lyngs et al., 2019)。

在这项研究中，我们首先调查了来自美国的 606 名普通 YouTube 用户，以了解他们改变使用习惯的目标和动机。大约一半的参与者正在积极尝试改变他们的 YouTube 使用习惯，或计划在下个月内这样做：约三分之一的参与者目标是减少使用数量，而约一半的目标是转变所消费视频的质量（例如，少看喜剧视频，多看教育类视频）。希望改变 YouTube 使用习惯的调查参与者进一步受邀参加了一项使用 SwitchTube 移动应用的现场实验。

我们设计并开发了 SwitchTube 的三个版本：Explore（推荐优先）、Focus（搜索优先）以及 Switch Version，这是一种可适应的承诺界面，用户可以在 Explore 和 Focus 界面之间切换（图 1）。在为期三周的实地实验中，46 名参与者分别使用这三个版本各一周。通过三角验证日志数据、体验采样响应和退出访谈，我们确定了四种关键用例，其中界面切换对用户有所帮助。例如，用户重视能够先进行聚焦搜索，然后再从那里开始探索，而不是立即进入一个充满与其意图无关的诱人推荐的首页。数据还显示，Switch Version 通常在用户体验方面为用户提供了“两全其美”的效果：能够专注于目标，同时不会严重限制他们探索新颖且令人满意内容的自主权。

本文贡献包括：(1) 一项大型调查的结果，有助于理解社交媒体用户希望如何转变其使用方式，而不仅仅是减少使用；(2) 一个概念验证系统的设计、开发和评估，证明了可适应的承诺界面能够在实际环境中同时提高用户的短期满意度和长期目标一致性；以及 (3) 关于如何设计可适应的承诺界面以支持用户自主感的启示。

2. 背景与动机

我们简要回顾了关于 YouTube 问题性使用的相关工作，然后探讨了将可适应的承诺界面作为一种新设计方法所面临的机遇与挑战。

2.1. YouTube 作为问题性技术使用的场所

YouTube 是娱乐和教育来源，但对许多人来说也是干扰源，这些干扰与他们的偏好和目标相冲突（Balakrishnan and Griffiths, 2017），并导致后悔感（Cho et al., 2021）。一项关于 YouTube 问题性使用的案例研究作者写道，“[Adam] 反思道，他最初被 YouTube 的教育价值所吸引，但‘相反，我专注于音乐视频、搞笑视频，仅用于娱乐目的’”（Klobas et al., 2019, p.273）。与此引言一致，过往研究表明，用户不仅担心他们消费的内容数量，还担心内容质量（例如，他们观看的娱乐视频与教育视频的比例）（Foundation, 2020; Alter, 2017）

在一项关于电视消费的研究中（Gui and Stanca, 2009），Gui 和 Stanca 提出了一种分类法，用于理解短期和长期中的数量与质量作为问题性媒体使用的维度（表 1）。当前的“屏幕时间”工具（例如 Apple 的 Screen Time）倾向于通过限制花在手机上或某些应用上的时间来处理时间选择效应象限。然而，它们大多不会改变用户在应用内遇到的内容（Lukoff et al., 2021），尽管上述关于 YouTube 的研究表明，与质量相关的象限对于数字幸福感设计者来说同样重要。这包括短期的“内容选择”效应，例如观看视频后给人的感受，以及 长期的“培养效应”，例如电视内容如何随时间塑造一个人的价值观和偏好。作为一个起点，设计者可能会受益于更好地理解用户希望如何改变他们在 YouTube 上消费的内容质量，以便创建帮助用户专注于支持其短期满意度和长期幸福感的内容的工具。

2.2. 用于数字自我控制的承诺界面

认识到许多用户难以管理他们的社交媒体使用，设计实践者和研究人员创建了数百种数字自我控制工具来支持他们（Lyngs et al., 2019）。这些工具利用了许多不同的行为改变策略，包括提高对（过度）使用的意识（Collins et al., 2014; Kim et al., 2016）、施加社会压力和问责制（Ko et al., 2015; Ko et al., 2016），以及肯定用户的目标和价值观（Lyngs et al., 2020; Hiniker et al., 2016a）。

但也许最常见的工具类型是所谓的“承诺界面”，在这种界面中，用户承诺改变其对特定功能或应用的使用目标，而工具则迫使其遵守该承诺（Bryan et al., 2010; Plaut, 2014）。也就是说，当下的自我进行反思性的“系统 2”思维，并预期未来的自我在进行自动化的“系统 1”思维时，将无法坚持其目标（Kahneman, 2011）。因此，当下的自我将其行为目标委托给一个数字自我控制工具（图 2）。然后，该数字自我控制工具充当承诺装置：它将当下自我的意愿强加于未来的自我。例如，用户可能决心将其 Facebook 使用限制在每天 30 分钟，并安装一个浏览器扩展程序，当时间用完时将锁定其访问权限。

在对 367 款数字自控工具的综述中，Lyngs 等人发现，约 50% 的 Chrome 浏览器工具存储了最小化的干扰功能（例如隐藏 Facebook 的新闻推送），约 60% 的 Google Play 工具对应用施加了封锁 (Lyngs et al., 2019)。 在作为学术研究一部分创建的工具中，LocknType 使用锁定任务，强制用户输入任意一串数字才能访问干扰性应用 (Kim et al., 2019b)。TypeOut 将锁定任务与自我肯定任务相结合，发现这两种干预措施在减少手机使用方面具有叠加效应 (Xu et al., 2022)。GoalKeeper 施加了更严格的使用限制，设定时间目标，并在超过目标时以逐渐延长的间隔将用户锁定在手机之外 (Kim et al., 2019a)。HabitLab 测试了不同挑战级别的干预措施，发现用户倾向于从困难的开始，但逐渐转向更容易的，尽管他们从未放弃回归更难选项的希望 (Kovacs et al., 2021)。

“承诺接口”面临的一个普遍挑战是找到合适的严格程度。先前的研究发现，当执行的严厉程度或工具的摩擦程度更强时，数字自控工具通常在控制屏幕时间方面更有效 (Cox et al., 2016; Kim et al., 2019a)，这也是用户自身持有的直觉 (Tran et al., 2019; Xu et al., 2022)。如果太弱，用户可能很容易绕过其原始目标，例如点击时间到警告上的“Ignore Limit”（忽略限制）按钮（图 3(a)）。但如果太强，可能会引发挫败感并导致他们完全放弃使用该工具，就像那些没有覆盖选项的网站屏蔽软件一样（图 3(b)）。这促使人们寻找一种“金发姑娘”式的执行水平，以达到良好的平衡：提供适量的目标支持，同时避免引发对工具的心理逆反 (Kim et al., 2019a; Lyngs et al., 2022)。我们现在转向适应性承诺接口，作为一种应对这一挑战的新设计方法。

2.3. 用于数字健康的可适应承诺界面

可适应界面是指用户可以更改以符合其情境需求的界面（Gullà et al., 2015）。例如，在 Microsoft Word 桌面应用中，用户可以手动选择“专注模式”以隐藏工具栏和菜单，从而无干扰地写作（图 4）。另一个例子是，Google Maps 移动应用在日落后自动开启“深色模式”，以便在夜间更容易看清驾驶路线。但“可适应界面”的概念也可以应用于生产力工具之外。

许多社交媒体用户在不同时间也需要不同程度的控制。例如，过往研究发现，当 YouTube 用户有特定意图时，他们倾向于偏好搜索优先的界面。但当用户没有特定意图时，他们更倾向于将控制权交给 YouTube，使用推荐优先的界面（Lukoff et al., 2021）。因此，一种潜在的解决方案是让用户更改界面，以支持他们在特定情况下所需的控制级别。这可能针对单个功能，例如，YouTube 目前提供自动播放的开/关切换。或者可能针对多个功能的组合，例如，在探索模式和专注模式之间切换。

当一种可适配界面支持用户对诱惑行使不同程度的控制时，我们可以将其称为可适配承诺界面（ACI）。我们的综述针对此类界面提出了相互竞争的假设。一方面，ACI 可能兼得两者之长：让用户决定哪种界面最适合其当前情境的需求。另一方面，如果用户可以过于轻易地在不同界面之间切换，ACI 可能会削弱当下自我用来约束未来自我以实现目标的执行机制。这是一个独特的挑战，并不适用于大多数可适配界面的情况（例如 Google Maps 的深色模式，切换到浅色模式并非一种诱惑）。然而，在用户目标存在时间冲突的数字自控工具案例中，可适配界面是否仍能作为一种有效的承诺装置发挥作用，仍是一个悬而未决的问题。

2.4. 研究问题

我们针对 YouTube 使用和可适配承诺界面探讨三个研究问题：

• •

  RQ1： 美国 YouTube 用户希望如何改变其视频消费的数量和质量？ 我们借鉴动机变化阶段模型（Prochaska, 2013）来理解人们希望以多强的力度以及朝哪个方向改变其 YouTube 使用习惯。

• •

  RQ2： 人们在何时以及为何会在可适配承诺界面中进行切换？ 在该应用的 Switch 版本中，用户可以在 Focus 模式和 Explore 模式之间切换，这两种模式旨在支持不同程度的自主感。由于用户可以选择随时切换，他们是否会以违背自身意图的方式进行切换？还是会以满足情境需求的方式进行切换？

• •

  RQ3： 可适配承诺界面如何影响用户体验？ 具体而言，这三个版本如何影响短期满意度和长期目标一致性的衡量指标？

我们首先报告关于 YouTube 用户最初持有的改变动机的调查结果（RQ1），随后转向 SwitchTube 的设计与部署，这是一款旨在回答 RQ2 和 RQ3 的可适配承诺界面。

3. 调查：YouTube 用户的变化阶段

在行为改变领域，变化阶段模型（也称为跨理论模型）常用于评估个体做出改变的意愿程度（Prochaska, 2013），范围从无意图阶段（没有改变行为的意图）到行动阶段（积极尝试修改行为）。我们借鉴该模型来回答 RQ1：美国 YouTube 用户希望如何改变其视频消费的数量和质量？ 我们开展了一项大规模调查，以评估有多大比例的用户有改变的动力及其数字福祉目标的性质。这些信息可以为社交媒体和 YouTube 替代版本的设计提供依据，正如我们在本研究中通过 SwitchTube 应用所做的那样。

3.1. 方法

招募：为了获得 YouTube 移动应用用户的通用样本，我们从 Prolific（一个专门用于为研究项目众包参与者的平台）招募参与者。参与者受邀参加一项关于其“YouTube 观看习惯和偏好”的调查。我们旨在招募一般的 YouTube 用户群体，因此有意没有宣传招募那些希望改变或减少 YouTube 使用量的参与者。参与者必须满足四项纳入标准：居住在美国、英语流利、每月至少使用一次 YouTube，以及使用 Android 手机。

人口统计：共有 606 名参与者符合纳入标准并完成了调查（人口统计数据见表 2）。我们排除了另外 90 名开始但未完成调查的参与者的回复。相对于美国一般人口，我们恰好过度抽样了年轻人（United States Census Bureau, ）。

YouTube 使用情况：在调查前的一周内，参与者在所有设备上每天花在 YouTube 上的时间中位数为 90 分钟（四分位距：40-180）（自我估计¹¹ 1 社交媒体使用时间的自我估计与实际使用时间仅呈中等程度相关（Ernala et al., 2020）。我们曾考虑要求参与者报告 YouTube 应用显示的每周观看时长统计数据，然而 YouTube 当前的帮助页面指出，“由于已知问题，计算机上的观看时长报告不正确”，且未作进一步解释，这使得该数据源高度可疑。）。在这段时间内，参与者估计他们中位数有 52%（四分位距：20-80%）的时间是在移动应用中度过的。²² 2 作为对比，YouTube 新闻页面称移动端占观看时长的 70% 以上（Solsman, 2018a）。通过将每位参与者在所有设备上的时间与花在移动端上的百分比相乘，我们发现参与者平均每天在 YouTube 移动应用上花费 34 分钟。这低于所有 YouTube 用户的平均水平：2017 年，YouTube 分享数据显示登录用户平均每天在移动应用上花费超过 60 分钟（Matney, 2017）。

3.2. 流程

在我们的在线调查中，参与者首先回答有关其人口统计特征、技术使用情况以及具体 YouTube 使用情况的背景问题。

为了调查 RQ1，我们改编自先前的行为改变研究中的问卷（Wright et al., 2011），以评估参与者在 YouTube 使用方面的改变阶段（表 3）。例如，我们的第一个问题是：“你目前是否正在尝试更多地控制你在 YouTube 上花费的时间？”如果参与者回答“是”，则被归类为行动阶段。如果他们回答“否”或“不确定”，调查会进一步询问他们关于改变准备程度的问题。

为了理解他们预期改变的性质，我们询问了“关于你的 YouTube 使用，你想改变什么（如果有的话）？”以及这种改变对他们有多重要（5 点量表；完全不重要 - 极其重要）。参与者完成一项预计耗时 8 分钟的调查可获得 1.37 美元报酬，这一激励费率超过了美国最低工资标准（每小时 7.25 美元）。本研究已获得华盛顿大学 IRB 批准。

3.3. 编码信度主题分析

我们进行了编码信度主题分析（Braun et al., 2018），以识别参与者在改变目标上的共性。三位作者共同阅读了 606 份回复中的 100 份，并基于 Gui 和 Stanca 提出的媒体过度使用的数量与质量框架（Gui and Stanca, 2009）讨论了可能的编码。他们创建了一个共享代码本，其中包含相互包容的代码和子代码。例如，对于回复“我想多看教育视频，而不是信息流中弹出的那些垃圾视频”，被编码为“增加内容类型（代码）→ 教育或有用的（子代码）”，同时也编码为“减少内容类型（代码）→推荐（子代码）”。随后，两位作者将此代码本应用于另外随机抽取的 50 份回复。我们的代码和子代码的评分者间信度范围从 Cohen’s Kappa 值 0.66（高度一致）到 1（完全一致）不等（Landis and Koch, 1977）。这两位作者随后使用代码本分别对剩余回复的一半进行编码。

3.4. 结果与分析

改变阶段。根据参与者的调查回复（表 3），我们将参与者分为 5 个不同的改变阶段：

1. (1)

   行动期 (40%)：正在积极尝试改变

2. (2)

   准备期 (8%)：计划近期改变

3. (3)

   沉思期 (4%)：想要改变，但没有立即计划

4. (4)

   前沉思期 (3%)：无意改变

5. (5)

   维持期 (45%)：维持当前行为

回复呈现双峰分布，绝大多数参与者要么处于行动期 (40%)，要么处于维持期 (45%)。也就是说，参与者主要要么在积极尝试做出改变，要么已经对自己的行为感到满意。我们错过了机会去询问处于维持期的参与者，他们之前是否做出了现在正在维持的改变，或者他们是否一直都对 YouTube 的使用感到满意。总体而言，在这组普通 YouTube 用户样本中，约有一半的人要么正在积极尝试，要么正准备做出改变，以便更好地控制他们的 YouTube 使用。

Facebook 用户中记录的“滞后抵抗”概念（Baumer et al., 2013）表明，许多社交媒体用户可能处于想改变但尚未付诸行动的模糊中间状态。然而，我们的研究结果发现，想要改变的 YouTube 用户正在尝试立即或即将采取行动。我们推测这可能是因为 YouTube 用户面临的社会压力较少，而 Facebook 用户常常觉得无法减少使用，因为朋友、家人和同事期望他们在 Facebook 上保持活跃和响应。约有一半的参与者处于行动或准备阶段，这与之前关于对社交媒体使用存在潜在不满的发现相一致（Lanette et al., 2018）。

目标性质。在 606 名调查参与者中，71% 分享了改变的目标，29% 不想改变任何内容。换句话说，即使在 45% 处于维持阶段且已经感觉能控制花在 YouTube 上的时间的参与者中，仍然经常希望改变他们 YouTube 使用的某些方面。

参与者共分享了 817 个目标，并希望改变他们在 YouTube 上花费时间的数量和质量（表 4）。在数量方面，绝大多数参与者希望减少花在 YouTube 上的时间（占目标的 37%），而不是增加（占 5%）。参与者提到工作时间和就寝时间是他们特别希望减少使用的时段：“我往往看得太多，尤其是当我在家工作时把它当作背景噪音。”在质量方面，参与者提到了一些他们希望多看的内容（占目标的 28%）和其他希望少看的内容（占 23%）。参与者希望多看具有教育意义（34%）、新颖（18%）、娱乐性（12%）和有意义的（12%）内容。参与者希望少看无意义（27%）、广告（20%）、推荐（15%）和娱乐性（7%）的内容。较少见的目标包括提高对使用情况的意识（2%）以及其他各类目标（8%），如制作视频、重新整理保存的视频以及减少数据使用量。

值得注意的是，几乎所有智能手机都预装的屏幕使用时间工具（Apple Screen Time 和 Google’s Digital Wellbeing）目前仅涵盖了参与者约 40% 的改变目标。鉴于它们侧重于限制使用时间和展示使用统计数据，它们可能支持减少总体时间量（37% 的目标）和提高意识（2%）的目标。然而，它们没有提供功能来支持参与者改变他们在 YouTube 等应用内消费的内容类型。对于这些目标，参与者不得不转向 YouTube 本身的功能，而先前的研究发现，用户对于无法自定义界面中出现的推荐内容的数量、内容和位置感到沮丧（Lukoff et al., 2021）。

总体而言，约一半的参与者正在积极尝试改变或计划很快这样做。这些参与者中的大多数希望更精细地控制他们在 YouTube 上消费的内容类型，而不仅仅是当前屏幕使用时间工具提供的限制时间量的能力。我们旨在通过 SwitchTube 应用的设计来满足这些参与者的需求。

最后，该调查还用于筛选并招募参与者进入我们研究的下一阶段，即实地实验。在治疗中，改变阶段通常用于将治疗过程与客户的动机阶段相匹配（Norcross et al., 2011）。同样，通过将只有寻求改变的调查参与者纳入我们的实地实验，我们可以确保我们的技术干预措施（SwitchTube）很可能满足我们研究参与者的需求。

4. SwitchTube 实地实验：评估一个可适应的承诺界面

基于先前由本工作许多相同作者主导的工作（Lukoff et al., 2021）以及我们的调查结果，我们着手了解如何设计一款移动应用，为用户提供对其 YouTube 体验不同程度的自主感。两名研究作者与四名高级学位技术设计专业的学生一起，采用了一个包括构思、原型制作、构建和试点的设计流程，然后我们在实地对 SwitchTube 进行了评估。

4.1. 预备设计工作

构思。我们首先构思了 10 个不同的设计维度，以操控用户随时间推移对花费时间的自主感，这些维度借鉴了此前提出的注意力捕获黑暗模式（Zagal et al., 2013; Lukoff et al., 2021; Monge Roffarello and De Russis, 2022; Monge Roffarello et al., 2023）。例如，Zagal 等人（Zagal et al., 2013）提出了“预约游玩”机制，要求用户在固定时间内返回游戏，否则将失去奖励。这促使我们构思了“时间压力”维度，该维度在无控制到完全控制的谱系上变化。另一个维度是“内容选择”，其诱惑程度从最高到最低不等。随后，我们将每个维度转化为 23 组具体的功能创意，每组包含三个想法，这些想法在支持用户自主感的程度上沿此谱系分布（某些维度激发了多组功能创意）。例如，对于“时间压力”维度，我们设想了三种视频推荐：若未在 30 分钟内观看则过期（低自主感）、一天内过期（中等自主感）以及始终可用（高自主感）。对于“内容选择”，我们设想了一种搜索算法，经过调整后无论用户实际查询什么，都显示娱乐性最高的结果（低自主感）、一种同时显示娱乐性和相关性结果的版本（中等自主感），以及一种仅显示相关结果的版本（高自主感）。作为一个团队，我们随后根据预期影响、新颖性和技术可行性对这些功能集进行了评分。

原型制作。得分最高的七个功能集的纸质模型在 13 次与 YouTube 用户的共同设计会话中进行了评估，正如我们在先前工作中所述（Lukoff et al., 2021）。例如，图 5 展示了“内容选择”的原型，其中包含三种不同版本的搜索结果。我们最初预计构建 SwitchTube 的三个不同版本，使其在支持自主感的谱系上分布（低、中、高），以找到锁定机制先前研究中建议的“恰到好处”的控制水平（Kim et al., 2019a; Lyngs et al., 2022）。然而，与 YouTube 用户的共同设计会话表明，用户并非在所有时候都有稳定的偏好，而是希望在不同情境下拥有不同水平的控制权。例如，当他们有特定意图时，更喜欢以搜索为主的界面；而当他们只想放松或打发时间时，则更喜欢以推荐为主的界面（Lukoff et al., 2021）。考虑到这些发现，我们转而设计了两个支持不同自主感水平的版本，以及第三个允许用户在两者之间切换的版本（因此命名为 SwitchTube）。这也促使我们思考，Switch（而非 Focus）可能在所有版本中提供最高的自主感，这一假设将在本研究中加以验证。

我们在 Figma 中创建了完整的 SwitchTube 设计的交互式原型，并对 4 名参与者进行了可用性测试，他们均为活跃使用 YouTube 的大学生。参与者完成了四项任务，这帮助我们发现了若干较小的可用性问题。其中一名参与可用性测试的人员表示，他们希望使用低自主性版本来“探索热门内容”，并使用高自主性版本来“专注于我的目标”，这促使我们将这两个版本命名为“Explore”（探索）和“Focus”（专注）。虽然以这种方式标记两个版本可能会导致研究参与者对如何使用该版本形成先入为主的观念（而不是称为“版本 A”和“版本 B”），但我们认为这样做是值得的，因为它便于参与者在退出调查和访谈中回忆这两个版本，而且似乎不太可能向参与者暗示他们应该必然更喜欢其中一个版本。

表 5 展示了最终 SwitchTube 研究应用的三个不同版本及其功能概览。图 1 显示了这三个版本的主页截图。整个应用的简短视频介绍和带字幕的截图也可在 Open Science Framework 上获取：https://osf.io/z735n。我们将应用的三个版本称为 Explore Version（探索版）、Focus Version（专注版）和 Switch Version（切换版），并将 Switch Version 内部的两个切换选项称为 Explore Mode（探索模式）和 Focus Mode（专注模式）。

我们设计 Focus 的目标是支持用户访问应用时的特定意图（如果有的话，例如学习如何烹饪火鸡），而 Explore 则旨在最大化那些会将用户从原始意图引开的干扰因素。通过这样做，我们预期在 Focus 中会增强用户的自主感（即用户作为其行动发起者的体验），而在 Explore 中则会削弱这种自主感。为此，我们在 Explore Version 提交的每个搜索查询后都附加了“viral”（热门）一词。我们的目标并不是用热门内容填充 Explore，而是为用户的搜索结果增加噪音和诱惑。为了仅仅增加噪音，我们可以向用户的搜索查询附加任何术语（例如“zebras”斑马），但我们对几个不同术语（例如“entertaining”娱乐、“funny”有趣和“creative”创意）的内部测试表明，“viral”在返回既具吸引力又令人分心的结果方面最为有效。

SwitchTube 的主页视频推荐并非个性化，因为 YouTube Data API 存在限制（由于合理的隐私顾虑，个人观看历史和推荐难以获取）。我们在讨论部分进一步探讨了缺乏个性化推荐的问题。相反，主页推荐取自美国地区不同 YouTube 类别（例如音乐、喜剧）中最受欢迎的视频。这些是 YouTube 自身类别中显示的非个性化推荐。在“探索版”中，主页包含这些视频的无限滚动列表，视频播放器在当前播放的视频下方显示相关视频推荐，并自动播放下一个相关视频。在“专注版”中，主页默认隐藏推荐，并且从设计上移除了相关视频和自动播放功能。

构建。图 6 展示了 SwitchTube 研究应用在 Android 上的带插图软件架构模型。该应用将参与者分配到实验条件，并使用记录器监控参与者如何使用应用的信息。用户界面包括主页视频流、视频播放器和搜索结果。这些数据通过从 YouTube Data API 和 Google Custom Search API 拉取的数据填充。最后，该应用进行了体验采样，我们将其构建为一个自定义系统。所有这些数据都被发送到 Firebase Realtime Database，然后与 Google BigQuery 同步，以允许自定义视图和进一步分析。

我们遇到的一个特定挑战是 YouTube Data API 的配额严重受限，我们需要它来填充主页和视频播放器中的视频推荐（相关视频和自动播放）以及返回搜索结果。当我们构建 SwitchTube 时，YouTube 将开发者的默认配额限制为每天 10,000 次，而在之前的 YouTube 研究时期（Hiniker et al., 2017），默认配额为 100 万次。因此，在测试应用时，我们很快用尽了配额（例如，单次搜索的配额成本为 100）。我们尝试了申请增加配额的官方表格，但未收到回复。利用我们的特权地位，我们联系了多位在 Google 担任管理职务的个人关系人，但他们也无法让 YouTube Data API 团队批准我们的请求。最终，我们被迫在 SwitchTube 中集成第二个 API（Google Custom Search API），我们可以付费使用它来填充搜索结果，但这耗费了我们大量的时间和精力。两年后，在我们完成部署研究之后，我们收到一封电子邮件，告知 YouTube 终于推出了官方的 YouTube Researcher Program，扩大了对他们的 Data API 的访问权限⁵⁵ 5 https://research.youtube/。我们希望我们对这一障碍的报告能够支持监管推动力，要求大型科技公司为研究人员提供更大的访问权限，以便审计和重新设计其算法系统以促进数字福祉。

内部试点。我们的研究团队在多种 Android 设备上对 SwitchTube 研究应用进行了为期八周的内部试点。这再次发现了无数可用性问题，从体验采样提示的字体大小到缺失的日志数据，我们在下一个版本中解决了这些问题。随后，我们从研究团队之外招募了四名活跃 YouTube 用户的学生进行外部试点，这又发现了有关研究流程的其他问题，但也确认该应用已准备好部署。我们注意到，这些参与者指出了若干我们决定不予修复的可用性问题（例如，当手机横向旋转时视频必须重新加载）。我们的目标并非重建一个像 YouTube 本身那样无缝的用户体验（这将需要巨大的努力），而是开发一个概念验证系统，其可接受程度足以让参与者充分参与，从而解决我们的研究问题（Fogarty, 2017）。

4.2. 预注册假设

我们的第三个研究问题询问适应性承诺界面如何影响用户体验。针对这一问题，我们提出了几个具体的假设。遵循开放科学运动的最佳实践，我们在检查数据之前对这些假设进行了预注册：https://osf.io/sevfd。这帮助我们要提前思考研究方案，并防止在结果已知后提出假设的自然诱惑（HARKing）（Cockburn et al., 2018）。如预注册中所述，除了这项带有预注册假设的验证性分析外，我们还计划对来自应用的日志数据进行探索性分析，例如在不同版本中花费的时间，但仅为此目的使用描述性统计。

总体而言，我们的预注册假设测试了切换版本（一种适应性承诺界面）是否在自主感、满意度和个人目标一致性等指标上提供了“两全其美”的效果。我们所有的假设都是基于测量体验采样机制（ESM）响应的每位参与者平均评分（1-7分）来检验的。

H1：用户自主感。我们的第一组假设（H1a-H1c）涉及用户自主感，先前的研究表明这是用户对社交媒体担忧的核心（Baumer et al., 2018）。我们的预期是：Switch > Focus > Explore，这对应于 3 个成对比较：

• •

  H1a：Focus 的平均评分将高于 Explore。

• •

  H1b：Switch 的平均评分将高于 Explore。

• •

  H1c：Switch 的平均评分将高于 Focus。

Focus 和 Explore 中的功能基于我们先前关于 YouTube 功能如何影响用户自主感的研究（Lukoff et al., 2021）。由于 Switch 允许用户在 Focus 和 Explore 界面之间切换，我们预计这一额外选项将进一步增强用户的自主感。

H2：满意度。我们的第二组假设（H2a-H2c）涉及用户满意度，即用户从社交媒体应用中获得的短期愉悦感。我们的预期是：Switch > Explore > Focus，这同样对应于 3 个遵循与 H1 相同模式的成对假设。在我们之前对 YouTube 的研究中（Lukoff et al., 2021），用户报告称主页推荐通常能提供短期满足感，但 Focus 默认隐藏了这些推荐。我们预计 Switch 可能提供一个有用的选项，以便在不想要推荐时避开它们。

H3：目标一致性。我们的第三组假设（H3a-H3c）涉及个人目标一致性，即应用使用与用户长期目标的契合程度。我们的预期是：Switch > Focus > Explore，这同样意味着 3 次成对比较。这是因为我们之前的工作发现搜索通常支持 YouTube 用户的个人目标（Lukoff et al., 2021），但 Explore 最小化了搜索选项并在结果中增加了分散注意力的诱惑。在推荐实际上可能比搜索更好地支持用户的情况下（例如，当调查参与者表示他们的目标是寻找新的或多样化的内容来观看时），Switch 也会提供该选项。

4.3. 方法

招募。我们从调查的 606 名参与者中筛选出符合以下三项纳入标准的参与者：

1. (1)

   就其 YouTube 使用情况而言处于行动或准备改变阶段（48% 的调查参与者符合此标准）。

2. (2)

   拥有操作系统版本为 6.x - Marshmallow 或更高版本的 Android 智能手机。这是因为研究应用不支持较旧版本（87% 的调查参与者符合此标准）。

3. (3)

   根据自我估计，每天在 YouTube 移动应用上花费至少 10 分钟或更多时间（75% 的调查参与者符合此标准）。这是为了确保参与者已经养成了在移动端观看视频的习惯，使他们更自然地使用 SwitchTube。

这留下了 146 名有资格成为实验参与者的调查参与者。鉴于 ESM 研究的预期功效分析需要一种难以针对新技术获得的效应量估计值，我们转而遵循 Berkel 等人的指导，并使用 HCI 社区的本地标准来确定目标参与者数量（Berkel et al., 2017），其中中位数为 18 名参与者，平均值为 53 名（Caine, 2016）。由于我们希望在使用频率主义假设检验时能够以高度置信度检测条件之间的差异，我们将目标设定为让 45 名参与者完成现场实验。

我们邀请符合条件的调查参与者分批参加，直到接近我们的目标人数。在研究邀请函中以及安装研究应用后，参与者均被告知研究团队将监控和分析他们在研究应用中的活动，包括他们的搜索记录和所观看视频的标题。

人口统计。共有 46 名参与者完成了实验（人口统计数据见表 6）。相对于美国总体人口，我们恰好对亚裔、黑人和年轻人进行了过度抽样（United States Census Bureau, ）。

YouTube 使用情况。在调查前的一周内，现场实验参与者在所有设备上每天花在 YouTube 上的时间中位数为 140 分钟（四分位距：120-240）（自我估计）。在这段时间内，参与者估计他们在移动应用上花费的时间中位数为 63%（四分位距：40-84%）。我们再次将每个参与者在所有设备上的使用时间乘以在移动端花费的百分比，发现现场实验参与者在 YouTube 移动应用中每天花费的时间中位数为 87 分钟。这远高于所有调查参与者在应用中每天花费时间的中位数 34 分钟，表明那些被邀请并参加现场实验的人是更重度地 YouTube 用户。

程序。如表 7 所示，参与者完成了一项入门调查，分别使用 SwitchTube 应用的三个版本（Explore、Focus、Switch）各一周，然后完成一项退出调查，并且对于部分参与者，还进行了一次退出访谈。在入门调查中，参与者回答了关于其 YouTube 使用性质的额外问题，并收到了从 Google Play 商店在其 Android 手机上安装 SwitchTube 研究应用的说明。

安装 SwitchTube 后，参与者按照平衡分配方案被分配到从 Explore 或 Focus 开始。虽然这有引入顺序效应的风险，但我们决定不对 Switch 条件也进行平衡。相反，Switch 总是排在最后，以便我们在参与者体验了 Explore 和 Focus 各一周之后，了解他们何时以及为何选择在 Explore 和 Focus 之间切换（RQ2）。在每一周，参与者必须使用该应用至少 3 天，总时长至少 30 分钟。如果参与者未达到这些要求，他们将失去进一步参与的资格，但仍会获得截至该点参与情况的补偿。

SwitchTube 应用收集了客观数据和主观数据。客观数据包括使用时间、进行的搜索、观看的视频以及所观看视频的来源（例如，主页推荐）日志。就主观数据而言，参与者通过表 8 中的三个问题进行经验采样。从概念上讲，我们希望捕捉不同版本如何影响能动感（sense of agency）的理解，以及短期愉悦形式的满意度和长期个人目标对齐形式的满意度。不幸的是，我们无法找到足够简短以适用于 ESM（经验采样法）的验证量表，但我们在试点测试中检验了措辞的清晰度。这促使我们明确希望参与者针对此次特定的使用会话回答 (“For this SwitchTube use”)，而不是针对他们对 SwitchTube 的整体使用情况进行回答。

就时间安排而言，当满足以下条件时，这三个问题会作为提示出现在参与者的手机上：

1. (1)

   参与者在过去一小时内尚未作出回应；

2. (2)

   参与者已使用该应用至少 30 秒；

3. (3)

   应用进入后台（例如，用户退出应用返回手机主屏幕或切换到另一个应用）。

如果参与者在 1 分钟内未作出响应，提示就会消失。

在 Explore、Focus 和 Switch 中各完成一周的使用后，参与者填写了退出调查。在退出调查中，向参与者展示了 Explore 和 Focus 的主页、搜索结果页面以及视频播放器的截图作为提醒，并让他们回答更喜欢哪一个及其原因。随后，参与者解释了他们在不同版本的应用之间切换的时间和原因。最后，他们回答了更喜欢哪个版本的应用及其原因。

退出访谈通过 Zoom 远程进行，针对部分参与者采用了一种称为数据驱动回顾性访谈的方法（Seif El-Nasr et al., 2015）。利用屏幕共享功能，向参与者展示来自其自身日志数据的计数、表格和可视化结果，例如在应用中花费的时间、在不同版本间切换的时刻以及他们的 ESM 评分，并提出旨在引出其行为背后“原因”的问题。例如，我们问道：

在 Switch 版本中，你在 Focus 和 Explore 界面之间切换了 17 次。你能看一下下面的表格，选择几个例子，描述一下你当时为什么切换吗？

我们还从调查中检索了参与者原本希望对其 YouTube 使用方式做出的改变，并询问 SwitchTube 的不同版本是否支持该目标。共有 16 名参与者接受了访谈，此时我们认为就研究问题而言已达到数据饱和。每次访谈持续约 45 分钟。

为了鼓励参与者完成整个研究，从而让我们能够比较他们在不同条件下的体验，激励措施采用了后置发放的方式。这意味着：入门调查 5 美元，第 1 周应用使用 15 美元，第 2 周 30 美元，第 3 周及退出调查 50 美元，退出访谈 20 美元。为了保护数据隐私，我们为每位参与者分配了一个唯一标识符（例如，446565），并将其与其使用数据关联。仅在退出访谈时，我们将这些数据与参与者的个人身份信息（例如，联系方式）连接起来，以便向参与者展示个性化的使用情况摘要。本研究已获华盛顿大学 IRB 批准。

4.4. 数据分析

以探索性方式分析日志数据，并以描述性统计形式呈现。根据预注册的假设分析经验采样数据。由三位作者共同分析退出调查和退出访谈数据，进行了针对研究问题的代码本主题分析（Braun and Clarke, 2019）。我们首先通读所有数据，并使用协作式定性编码工具 Delve 添加初始代码。通过小组讨论对初始代码进行细化和整合，形成最终代码本并应用于数据。例如，其中一个代码是“会话内切换”，用于描述 Switch 版本中参与者在单次访问期间在 Explore Mode 和 Focus Mode 之间切换的用例，例如：

我实际上会定期在两者之间切换，但具体是为了将 focus 用作搜索栏，并将 explore 用作发现我未曾想到的新内容的方式。(P41)

随后，每个编码及其支撑引文都被移至 Miro——我们用于进行亲和图分析的工具，其中编码根据我们的研究问题进行聚类。通过这一过程，我们发现切换功能有四种不同的使用场景。接着，我们基于这些编码及其相关引文撰写了四份分析备忘录：切换行为（针对 RQ2）以及能动感、满意度和目标一致性（针对 RQ3），这些构成了我们结果的基础。

5. 结果与分析

我们的日志数据、经验采样和访谈数据使我们能够利用客观和主观指标对研究中 46 名参与者的体验进行三角验证。

5.1. 应用使用数据

在 SwitchTube 的使用方面，参与者在为期一周内与应用的三个版本互动的方式存在显著差异和无差异（图 7）。我们的使用分析主要聚焦于 Explore 和 Focus 之间的比较，随后转向参与者何时以及为何在 Switch 中使用切换开关（RQ2），以及每个版本如何影响用户体验（RQ3）。

花费时间。每周使用应用各版本的中位时长如下：

一方面，参与者在我们研究应用上花费了大量时间，远超我们要求参与者每周 30 分钟的时长。最多时，甚至有一名参与者在 Switch 版本中一周内在应用里花费了 752 分钟（12.5 小时）。另一方面，鉴于参与者报告的 YouTube 高使用率（移动端每日中位数为 87 分钟），SwitchTube 可能仍仅占他们观看 YouTube 视频总时间的一小部分。令人惊讶的是，在 Focus 中花费的时间实际上超过了在 Explore 和 Switch 中的时间，而我们原本预期情况会相反，因为 Focus 中没有推荐内容。

每个观看视频的花费时间。参与者开始观看的每个视频（无论是否看完）的中位时长如下：

参与者在 Focus 中为每个开始观看的视频花费了更多时间，这部分解释了为什么在该版本的应用中总体花费时间更长。

观看视频数量。参与者在一周内使用每个版本观看的视频中位数如下：

尽管在 Explore 中花费的总体时间较少，但参与者开始在 Explore 中观看的视频比在其他版本中更多。换句话说，Explore 中的参与者开始了更多未完成的视频，因为他们的选择是由推荐而非特定搜索的内容驱动的。参与者选择在 Explore 中观看的视频也略短一些（中位数 8.8 分钟），而 Focus 中为 10 分钟，Switch 中为 11.9 分钟。

进行的搜索次数。参与者进行的搜索中位数如下：

参与者在 Focus 中进行了更多次搜索，这表明 (a) 缺乏推荐导致了更多的搜索行为，和/或 (b) 参与者更喜欢 Focus 中的相关结果，而不是 Explore 中的病毒式传播结果。

浏览时间。在应用中用于浏览的时间占比（即应用内未播放视频时的任何停留时间）的中位数如下：

Explore 组的参与者在 SwitchTube 上花费的浏览时间比 Focus 组多 3 个百分点，比 Switch 组多 11 个百分点。这可能是因为 Explore 中有更多可供浏览的推荐内容。

按来源统计的观看视频数。参与者可以观看来自首页推荐、相关视频（显示在当前播放视频下方）或搜索结果中的视频（图 8）。从首页推荐中，参与者在 Explore 中观看的视频数量远多于 Focus（中位数：6 个 vs. 1 个），这表明用户必须主动选择接收推荐的界面具有强烈影响。相比之下，Explore 和当前的 YouTube 移动应用界面会在不提供退出选项的情况下直接展示推荐。从相关视频中，参与者在 Explore 中观看了中位数为 3 个视频，而在 Focus 中这些视频完全不可用。从搜索中，参与者在 Explore 中观看的视频数量远少于 Focus（中位数：2 个 vs. 7.5 个）。在这三种视频来源中，Switch 的表现介于 Explore 和 Focus 之间，表明参与者使用了两个版本的功能，而不仅仅是将开关保持在一种模式上。

按类型统计的观看视频数。 在 Focus 中，参与者倾向于消费源自同一搜索且紧密相关的视频：例如，P21 先播放了“15分钟晨间力量瑜伽”（SarahBethYoga, 2019b），随后播放了“15分钟免手扶晨间瑜伽”（SarahBethYoga, 2019a）。相比之下，在 Explore 中，同一位参与者从 ASMR 放松视频跳转到名人烹饪挑战，再到热门嘻哈音乐视频，消费了极具多样性的内容。在 Explore 中，观看行为在很大程度上由美国最受欢迎视频的首页推荐驱动，因此视频往往面向广泛受众（例如，“如果你能搬走100万美元就归你！”（MrBeast, 2021）），并且经常包含在 YouTube 内外都是名人的创作者（例如 MrBeast 和 Ed Sheeran）。相比之下，Focus 中的参与者通常观看更小众的视频，例如关于国际象棋开局着法的视频，这类视频不太可能作为美国最受欢迎的视频之一出现在首页推荐中。

我们通过 Open Science Framework 提供了一个包含 2063 次视频播放事件的开放数据集，其中包括视频标题、应用版本（Focus、Explore 或 Switch）以及视频来源（搜索、相关视频或首页推荐）：https://osf.io/z735n。为了保护研究参与者的隐私，数据集中不包含参与者 ID。虽然超出本文范围，但未来的工作可以分析这些数据，以识别 SwitchTube 不同版本中消费内容性质的进一步差异，从而为数字福祉内容算法的设计提供参考。

5.2. SwitchTube 用户体验

我们通过多源数据三角验证来了解参与者如何体验 SwitchTube。日志数据作为功能使用的客观衡量标准，而经验采样、退出调查和访谈则揭示了背景信息以及使用背后的主观体验。

5.2.1. 人们为何及何时切换 (RQ2)

在 Switch 中，用户可以在探索模式（Explore）和专注模式（Focus Mode）之间切换。几乎所有用户都使用了此功能，他们在应用使用期间每周的中位切换次数为 8.5 次（四分位距 4-13）。我们的分析发现，四种不同的用例涵盖了切换行为和动机：

用例 1 — 对功能差异的好奇心

当参与者首次打开 Switch 时，他们会在探索模式和专注模式之间快速来回切换。尽管他们已经分别体验过这两种模式各一周，但仍对两者之间的差异感到好奇：“我来回切换了一下，只是想看看是否有什么新增内容，或者哪一个提供了更多功能” (P7)。这种由好奇心驱动的切换不仅满足了了解差异的需求，还促进了偏好发现，即帮助参与者决定哪个版本更适合他们。

用例 2 — 对新内容的好奇心

参与者有时会从专注模式切换到探索模式以查看推荐内容：

我会偶尔切换到探索模式，看看有没有什么热门内容——就是这样我发现 The Weeknd 发布了一首新歌！但在大部分时间里，我更倾向于留在专注模式。(P1)

这一用例与调查参与者的首要目标之一相符：观看更多新颖或多样化的内容。有时推荐会启发参与者向新的方向进行搜索：“虽然我喜欢自己搜索内容，但有时我也会感到无聊，浏览类型让我想起了我也想搜索的其他东西” (P36)。在这些情况下，从专注模式切换到探索模式满足了对新奇性的需求。

用例 3 — 会话间切换：应对情境需求

另一个常见的用例是，当参与者对某次使用会话有特定意图时，他们会切换到最合适的界面：“如果我在搜索像‘爆胎’这样的内容，我会选择专注模式，因为它看起来更具教育意义。探索模式肯定更偏向娱乐” (P38)。同样，另一位参与者表示，

由于探索模式显示了观看次数最多的内容，我经常发现用它更容易找到想要的东西。然而，如果我为了教育目的观看某些内容，我总是先使用专注模式，发现自己不太容易浪费时间去观看无意义的视频。(P12)

在此用例中，Switch 可适应的承诺界面有效地帮助用户坚守其承诺。

对于另一位参与者来说，专注模式也让他们意识到设计模式对其行为的影响有多大：

Focus 在限制我的观看行为以及遵守我的限制性日程方面效果更好。在 Focus 模式下，应用允许我选择一个视频，播放结束后不会直接自动播放下一个视频。我了解到，自动播放是持续观看的主要原因；这远远超出了我之前的认知。(P10)

其他参与者赞赏 Focus 如何限制了 “干扰”、“非预期视频” 和 “时间失控”。这种使用模式与我们之前的研究一致：用户使用 YouTube 时带有多种不同的意图，因此推荐有时是有帮助的。然而，YouTube 应用的当前界面会积极推广新内容的发现，即使这并不是用户的意图 (Lukoff et al., 2021)。

用例 4 — 会话内切换：从专注开始，然后进行探索

最后一个未预料到的用例是，参与者在同一会话中频繁在 Focus 和 Explore 之间切换，如图 9 所示。

我用 Focus 搜索特定视频，看完后，当我想在下方寻找推荐结果时，有时会打开 Explore。(P13)

在这个用例中，参与者从 Focus Mode 开始以避免主页推荐的干扰。然后他们搜索并点击相关结果。一旦视频开始或播放结束，他们就切换到 Explore Mode 以显示相关视频。通过这种方式，他们可以在不被干扰的情况下向系统输入初始意图，然后在此基础上进行探索。基于对应用使用数据和切换行为的理解，我们现在转向 SwitchTube 如何影响用户体验指标。

5.2.2. H1: 掌控感 (Sense of Agency)

为了分析体验采样评分，首先从掌控感开始，我们必须选择适当的统计方法。由于我们的数据源自有序量表，确定每位参与者评分的平均值是否呈正态分布至关重要。我们进行了 Shapiro-Wilk 检验，结果显示 Switch 条件下参与者平均值的分布显著偏离正态性 (W = 0.96, p-value < 0.01)。基于这一结果，我们在后续所有 ESM 评分分析中使用非参数统计。

对于掌控感，我们的假设是：Switch > Focus > Explore。参与者平均值的中位数在 Switch 条件下为 5.4，Focus 条件下为 5，Explore 条件下为 4.1（图 10）。使用重复测量差异的 Friedman 检验，各条件下控制组的参与者平均值存在统计学显著差异，χ2(2)=15.3,p<0.001。采用 Holm-Bonferroni 校正多重比较的成对 Wilcoxon 符号秩检验显示，Explore 与 Switch (Z=4.04,p<0.001) 以及 Explore 与 Focus (Z=2.71,p=0.14) 之间的参与者平均分存在统计学显著差异，但 Focus 与 Switch 之间不存在显著差异 (Z=1.9, 0=0.059)。所有后续的 ESM 分析均使用这些相同的检验。

由于我们将 SwitchTube 应用的设计基于参与者报告的会影响其能动感的特征，这些假设作为操纵检查（manipulation check）得到了很大程度的证实。Focus 中的特征确实提高了能动感，而 Explore 中的特征则降低了能动感。

无法自定义推荐导致参与者感觉自己的注意力被误导。一位参与者描述在 Explore 中找不到他正在寻找的西班牙语音乐视频：

我觉得自己毫无控制权，因为上面只有那些视频，而且搜索功能完全不好用。所以我只能局限于别人为我选择的内容。(P7)

这种情绪也与我们之前的研究结果一致，在那项研究中，参与者同样发现 YouTube 移动应用当前的自定义选项（例如在推荐中标记“不感兴趣”）在提供他们所需的控制水平方面完全不足 (Lukoff et al., 2021)。

Switch 的能动感评分高于 Focus，但差异并不十分显著 (p<0.059)。在 Switch 中，Focus Mode 通常更受青睐，但有时参与者也会欣赏切换到 Explore 的选项。这与 Use Case 3（会话间切换以应对情境需求）相符，一位参与者描述道：

说来奇怪，我的家人为了好玩收集不同版本的 Monopoly 棋盘游戏……因为深夜我和家人一起寻找 [新版本] 的视频，我只需要一些非常简单的事情来做。那时试图通过搜索栏查找太费力了。就让我滚动浏览并找到一些有趣的东西，然后我们就满意了。(P27)

换句话说，偶尔参与者会通过接受次优但低努力的推荐来“满足即可”（satisfice），而不是与界面“斗争”以寻找完美的视频。虽然有时开启推荐的选项支持了能动感，但完全无法关闭它们却削弱了能动感（正如 Explore 版本和当前 YouTube 移动应用的情况一样）。

5.2.3. H2: Satisfaction

对于满意度，我们的假设是：Switch > Explore > Focus。每位参与者的平均得分中位数为：Switch 为 5.3，Focus 为 4.8，Explore 为 4.2（图 11）。各条件下参与者的满意度均值存在统计学显著差异：χ2​(2)=14.78,p<.001。Explore 与 Switch（Z=3.63,p<.001）、Explore 与 Focus（Z=2.66,p=.016）以及 Focus 与 Switch（Z=2.1,p=.037）之间的参与者平均得分存在统计学显著差异。

Switch 再次获得最高评分，表明其功能组合支持了用户的短期满意度。然而，与我们的预期相反，Focus 的实际评分高于 Explore。我们原本预计推荐功能会提升短期满意度，但参与者的反馈却并非如此。

在访谈中，参与者赞赏在不同界面之间切换以满足不同需求的能力。这与 用例 2 一致，满足了他们查看两个版本中不同内容的好奇心：

我切回 Focus Mode，搜索 Vivaldi，找到了《四季》并播放了它。然后，大概四小时后我又打开它，心想‘做点别的吧’，于是切换到 Explore Mode，看了两个关于自动售货机的随机视频。(P3)

人们可能会猜测古典音乐听众不太可能观看关于自动售货机的视频，但我们的参与者确实有时享受探索的过程。同样，另一位用户也赞赏针对不同场合的不同搜索结果：“这两个选项都很酷，因为一个与搜索词相关，另一个是病毒式传播的视频，所以我认为两者都有效” (P9)。切换选项带来了更高的满意度。

将满意度与自主感联系起来，许多参与者喜欢 Switch 提供的选项，即使他们没有使用这些选项：“Switch 更能满足我的需求，仅仅因为我可以在不同模式之间切换……即使你不使用它，拥有这个选项总是好的” (P23)。换句话说，仅仅拥有掌控的感觉就让人愉悦。在这些情况下，我们的研究团队发现很难区分某段引语最能描述的是参与者的自主感、满意度还是目标一致性。它们是相互关联的，这一点也体现在经验取样评分中，该评分在我们所有三项测量指标中都遵循一致的偏好顺序：Switch >= Focus > Explore。

5.2.4. H3：目标一致性

对于 H3，我们的预期是：Switch > Focus > Explore。每位参与者平均得分的中位数为：Switch 为 5.3，Focus 为 4.8，Explore 为 4.3（图 12）。各条件下参与者在目标方面的平均值存在统计学显著差异：χ2(2)= 13.32, p<.001。Explore 与 Switch 之间的参与者平均得分存在统计学显著差异 (Z=3.96,p<.001)，Explore 与 Focus 之间也存在显著差异 (Z=2.74,p=.012)，但 Focus 与 Switch 之间没有显著差异 (Z=1.73,p=.085)。

Focus 有限的功能支持了目标一致性。主页上仅有搜索栏和视频流功能，这种极简设计让用户感觉“不太容易被推荐内容和相关视频分心”。相反，用户觉得更容易专注于他们打算观看的视频，并减少了浏览应用的时间。例如，在初始调查中，P33 将其高层目标表述如下：“我希望能够比平时更少地使用这个应用。”在接受采访时，他们解释说 Focus 最符合这一目标：

我喜欢 Focus 里只有视频，没有其他东西。没有评论可以阅读，底部也没有建议视频可以滚动浏览。所以，我觉得我非常专注于我正在观看的那一个视频。

没有了让他们感觉被“强迫”观看的评论或视频推荐的干扰，用户能够快速完成他们在 SwitchTube 中设定的任务，关闭应用，然后去做其他事情。由于知道 Focus 不显示推荐内容，参与者在有特定目标时会使用该应用，正如希望减少浏览时间的 P6 所描述的那样：“它更像是设定一个目标，找到它，并完成那个目标，而不是随机滚动寻找某些东西。”

在 Switch 中，参与者通常描述与 用例 4（会话内切换）相符的体验，即参与者先保持专注，然后从那里开始探索。P19 描述了在 Switch 中他们可以这样说：

‘我不想看那个。我只会往这些方向走。’ 所以即使我花的时间更少，但大部分时间我都非常、非常想看我最初观看的那个视频，并且我对这样做感觉良好。

利用初始视频来引导他们的探索，帮助参与者坚持其最初的使用目标并对此感到满意。

即使参与者在 Focus 中花费的时间与在 Explore 中相同，Focus 也能更好地支持参与者，因为他们观看的内容质量更符合他们的目标。同一位参与者描述道：

[使用 Focus] 更容易感到满足：‘好吧，是的，那很酷。我很高兴我看了那个。我不觉得我浪费了时间’……而且我觉得有趣的是，我在 Focus 上花了更多时间，但它的质量感觉更好。(P19)

与 Explore 相比，参与者表示 Focus 不会引发同样的关于“浪费时间”的内疚感。

6. 讨论

总体而言，在我们的调查中，我们发现样本中约一半的普通 YouTube 用户正在积极或即将尝试改变他们的 YouTube 使用方式。减少在 YouTube 上花费的时间是一个常见目标，但改变内容质量也是如此，例如增加教育视频的消耗或减少推荐内容的消耗。

在我们的实地实验中，Switch 比单独使用 Explore 更好地支持了能动性感知、满意度和目标一致性，并且比单独使用 Focus 提供了更高的满意度。在所有这三项指标上，单独使用 Focus 的评分也显著高于 Explore。出乎意料的是，尽管在 Focus 中花费的时间（中位数：145 分钟）实际上略高于在 Explore 中花费的时间（中位数：117 分钟），但这一结果依然成立。在切换行为方面，参与者既进行了会话间切换以坚持该次使用会话的原始意图（用例 3），也进行了会话内切换以从专注开始然后转向探索（用例 4）。当 Explore 是唯一选项时，其用户体验评分相对较低，但 Switch 的高评分以及用例 3 和 4 的普遍性表明，在某些情况下用户确实认为它是有益的。我们讨论了这些发现及其设计启示。

6.1. 时间的质量，而不仅仅是数量

对于预装在每一部 iOS 和 Android 智能手机上的屏幕时间工具（Apple Screen Time 和 Google’s Digital Wellbeing）以及绝大多数第三方数字健康应用和扩展程序（Lyngs et al., 2019），其目标是减少花在手机上或特定应用中的时间。然而，我们的调查结果加入了越来越多的数字健康研究者的呼声，他们呼吁人们超越仅将屏幕时间作为成功指标的做法（Cecchinato et al., 2019; Devito et al., 2019; Lukoff and Munson, 2019）。具体而言，就 YouTube 而言，我们发现减少时间量仅占调查参与者目标的 37%。更大的一类目标是改变消费的质量（总计 51%），要么增加某种类型的内容（例如教育类、新内容或有意义的视频），要么减少另一种内容（例如无意义、赞助或推荐视频）。换句话说，屏幕时间对参与者来说确实重要，但它不如改变花在 YouTube 上的时间质量那样常见，而当前的屏幕时间工具在很大程度上并不支持后者。

我们的结果还提供了实证证据，表明设计师可以在不一定减少屏幕时间的情况下支持有顾虑的用户并改善用户体验。令我们惊讶的是，SwitchTube 研究的参与者在 Focus 中实际花费的时间（中位数：145 分钟）多于在 Explore 中花费的时间（中位数：117），尽管其中许多人都有减少 YouTube 使用时间的目标，但他们仍然在能动性感知、满意度和目标一致性方面给予 Focus 显著高于 Explore 的评分。参与者表示，即使他们在 Focus 中和在 Explore 中花费相同的时间，Focus 中的时间通常过得更有价值。最近在对 Twitter 的一个重新设计版本中也发现了类似的结果，该版本旨在支持更强的能动性感知（Zhang et al., 2022）。“屏幕时间”一词为许多用户表达他们对数字设备使用的担忧提供了共同的词汇，但也导致了对时间作为唯一成功指标的过度强调，并限制了设计研究人员和实践者所设想的解决方案。

分析我们的实验时，一个关键考量是 SwitchTube 中的首页推荐并未像 YouTube 应用那样进行个性化。由于推荐（包括个性化和非个性化）约占 YouTube 观看时长的 70%（Solsman, 2018b），这意味着探索版（Explore Version）可能难以与当前的 YouTube 应用进行比较。在 SwitchTube 中添加个性化推荐可能会增加被观看的推荐视频数量以及用户在探索版中花费的时间，但不会增加在默认关闭首页推荐的专注版（Focus Version）中的时间。我们预计，个性化推荐会减少不相关的推荐，但同时也会增加诱惑，这可能导致探索版在满意度评分上更高，但在目标一致性评分上更低——正如我们最初的假设。未来的工作可以从数字福祉的角度研究个性化推荐如何影响用户花费的时间和用户体验评分。

6.2. 用于数字福祉的可适应承诺界面

“可适应承诺界面”这一术语听起来像个悖论。如果一个人可以随时毫无代价地放弃承诺，又怎能称之为“承诺”呢？ACI 缺乏承诺装置背后的核心机制：即当下的自我为未来的自我设定了放弃原定目标的有意义成本（以时间、金钱或精力计）。与数字福祉领域也使用的目标提醒概念不同（Hiniker et al., 2016a; Lyngs et al., 2020），ACI 不一定提供信息支持。然而，我们设计的 ACI（SwitchTube 的切换版/Switch Version）在参与者对自主感、满意度和目标一致性的评分上，高于缺乏承诺的界面（SwitchTube 的探索版/Explore Version）。在参与者满意度评分方面，ACI 也优于不可适应的承诺界面（SwitchTube 的专注版/Focus Version）。

我们认为 Switch 之所以能作为 ACI 发挥作用，是因为它从一开始就避免了分心的触发因素。这与心理学研究中新兴的共识相符：有效的自我调节者未必能在遇到诱惑时使用意志力去抵抗，而是擅长完全避免诱惑（Duckworth and Gross, 2020; Duckworth et al., 2016）。对于数字福祉设计师而言，这表明他们不应等待通过设置障碍或目标提醒来对诱人内容做出“即时”干预，而应考虑如何防止此类内容首先出现。当然，这也可以通过完全屏蔽或限制访问含有分心内容的 App 来实现，正如许多屏幕时间工具目前所做的那样（一种承诺界面），但其代价是它也可能不加区分地屏蔽所需功能的访问权限，并因对用户自主权的限制而引发心理抗拒（Lukoff et al., 2022; Lyngs et al., 2022）。ACI 的一个优势在于它不施加此类自主权限制：在 Switch 中，如果用户想要切换到探索模式（Explore Mode），他们可以自由选择这样做。参与者报告了在切换版（Switch Version）中拥有很高的自主感。

一个明确的设计启示是，即使在 YouTube 这样通常被视为娱乐服务的 App 中，用户也能从“专注模式”中受益。当然，YouTube 确实提供娱乐内容，但用户往往也有其他使用目标——例如正式和非正式的教育，正如 SwitchTube 参与者所描述的，他们观看视频来学习西班牙语和修理爆胎。与其仅在 Microsoft Word 等“生产力”工具中提供专注模式（这些工具本身的干扰就少得多），更有力的理由是将该功能添加到人们依赖其满足多种不同用例的服务中，如 YouTube、Twitter 和 Facebook。

不幸的是，我们发现专注模式能改善用户体验这一结论，并不意味着社交媒体公司一定会热衷于采纳它。事实上，社交媒体的设计趋势似乎正朝着相反的方向发展：连续自动播放的短视频推动了 TikTok 的崛起，如今 YouTube、Facebook 和 Instagram 也在效仿这种做法 (McCluskey, 2022)。从实际角度来看，设计师若需要向其他利益相关方证明专注模式未必会损害广告支持型服务的商业利益，可以引用我们的结果：在 SwitchTube 中，专注版本并未减少用户的使用时长。⁸⁸ 8 然而，如前所述，如果探索版本包含了个性化视频推荐，这一结果可能会有所不同。

但从原则上来讲，即使违背商业利益（例如减少用户在服务上的停留时间），也应鼓励那些支持用户自主权和福祉的设计。因此，我们的发现也可能引起负责制定和实施在线平台激励措施的政策制定者和监管机构的兴趣。例如，欧洲理事会于 2022 年 10 月批准的《数字服务法》呼吁终结那些“扭曲并损害用户自主权、决策和选择”的暗黑模式 (Parliament, 2022, p.57)。将如此雄心勃勃且广泛的指令转化为行动，需要开展更多类似 SwitchTube 的研究，试图在数字界面中体现并评估诸如“用户自主感”这样的抽象价值。

6.3. 从可适应到自适应的承诺界面

SwitchTube 是一个可适应的承诺界面，但它也对自适应承诺界面具有启示意义。在 Switch 中，用户可以手动在两种模式之间切换：一种让系统接管控制权（探索模式），另一种帮助用户坚守其意图（专注模式）。然而，这种手动操作确实给用户带来了一定的负担，或许可以由系统本身自动执行，即实现一个自适应承诺界面。例如，如果 YouTube 高度确信用户带着特定意图访问，它可以呈现仅搜索界面并隐藏所有推荐内容。相反，如果 YouTube 预期用户没有明确意图地访问，它可以像其 Leanback 模式那样接管控制权，提供“轻松观看”体验，自动播放永无止境的推荐流（Google, ）。

目前，机器学习系统已经能够以一定的准确度预测用户访问网站时意图的具体程度（Cheng et al., 2017; Hiniker et al., 2016b），这为那些能够调整代理感水平以满足用户需求的界面打开了大门。然而，鉴于这些预测目前仍具有较高的错误率，且错误的预测可能会引发用户的心理抗拒，那么迈向这种自适应承诺界面的更可靠的第一步可能是什么样的？

用例 4（会话内切换）指出了这样一个方向。参与者从专注模式开始进行搜索，然后在完成搜索后切换到探索模式，以便在此基础上拓展浏览范围。由于搜索查询是意图的强烈信号，这可能是系统进行充分知情预测并根据用户需求调整界面的理想机会。例如，这样的系统始终从搜索优先的专注模式开始。像“爆胎”这样表明特定意图的搜索会将用户保持在专注模式，而像“单口喜剧”这样表明愿意接受娱乐的查询则会自动将其切换到探索模式。这种基于搜索信息的自适应承诺界面可以在用户有明确目标时提供半自动支持，同时保留探索的灵活性。换句话说，用户提供其意图的大致方向，系统则支持他们针对该意图进行优化，并调整为专注或探索界面。

6.4. 局限性与未来工作

我们工作的一个局限性在于，我们比较了在 SwitchTube 的三个版本中花费的时间，但没有测量对 YouTube 本身使用时间是否存在任何溢出效应。先前的研究发现，在一个平台上的生产力干预措施并不会将时间重新分配到其他应用或平台上（Kovacs et al., 2019）。但在 SwitchTube 的情况下，有可能因为探索版与 YouTube 现有界面最为相似，被视为较差的替代品，而专注版和切换版提供了不同的体验，因此更常被用作替代 YouTube 使用的方式。

我们的研究结果还强调了一项重要的研究需求：如何帮助用户转变其使用方式，使其朝着期望的方向发展，而不仅仅是减少使用时间。同样由于 YouTube Data API 的限制，我们不得不采用笨拙的变通方法（例如，在搜索查询中添加“viral”一词）来改变我们研究应用中内容的质量。未来数字健康领域的研究可能会设计出巧妙的方法来操纵推荐系统和搜索算法的内部运作机制，这些机制驱动着当今大量的社交媒体使用。为了指导此类算法的设计，一个起点可以是分析我们在 SwitchTube 中通过开放科学框架（Open Science Framework）提供的包含 2063 次视频播放事件的数据集内容：https://osf.io/z735n

7. 结论

我们的工作超越了当前屏幕时间工具的范式，展示了数字健康设计如何也能支持用户转变其消费的质量。我们设计并开发了 SwitchTube，这是一款具有三种不同版本的 Android 应用，用于观看 YouTube 视频，并在为期三周的现场实验中部署于 46 名美国 YouTube 用户中。在用户体验指标上，“Focus”模式的评分高于“Explore”模式，但令人惊讶的是，它并没有减少参与者观看视频的时间。然而，提供在“Explore”和“Focus”模式之间切换功能的“Switch Version”在所有版本中获得了最高评分。换句话说，“Switch Version”被证明是一种有效的适应性承诺界面（ACI），它为用户提供了切换的灵活性，同时仍帮助他们遵循最初的意图，从而兼得两者之长。对数字健康感兴趣的设计师应考虑实施 ACI，以支持用户在想要探索时进行探索，在想要专注时保持专注。

致谢。

这项工作部分由美国国家科学基金会（National Science Foundation）资助，奖项编号 #1849955。Ulrik Lyngs 得到嘉士伯基金会（Carlsberg Foundation）的支持 [资助编号 CF20-0678]。我们要感谢 Anqi Cao、James Choi、Kaiyue Fan、Linda Lai、Jiangzhenjun (Vera) Liao、Lynn K. Nguyen 和 Xuecong (Esme) Xu 协助构思、设计和测试 SwitchTube 应用。

参考文献

• Alter (2017) A. Alter Irresistible: the rise of addictive technology and the business of keeping us hooked. Penguin, (en). 外部链接：Link, ISBN 9780698402638 引用自：§2.1.
• Balakrishnan and Griffiths (2017) J. Balakrishnan and M. D. Griffiths Social media addiction: what is the role of content in YouTube?. Journal of behavioral addictions 6 (3), pp. 364–377 (en). 外部链接：Link, ISSN 2063-5303, 2062-5871, Document 引用自：§2.1.
• Baumer 等人 (2013) E. P. S. Baumer, P. Adams, V. D. Khovanskaya, T. C. Liao, M. E. Smith, V. Schwanda Sosik, and K. Williams 限制、离开与（重）复吸：一项关于 Facebook 不使用实践与体验的探索. 载于 人机交互系统 SIGCHI 会议论文集, CHI ’13, New York, NY, USA, pp. 3257–3266. 外部链接：链接, ISBN 9781450318990, 文档 引用自：§3.4.
• Baumer 等人 (2018) E. P. S. Baumer, R. Sun, and P. Schaedler 离开与回归：作为理解社交媒体不/使用转换组织概念的能动感. Proc. ACM Hum. -Comput. Interact. 2 (CSCW), pp. 23:1–23:19. 外部链接：链接, ISSN 2573-0142, 文档 引用自：§4.2.
• Berkel 等人 (2017) N. V. Berkel, D. Ferreira, and V. Kostakos 移动设备上的经验取样法. ACM Comput. Surv. 50 (6), pp. 93:1–93:40. 外部链接：链接, ISSN 0360-0300, 文档 引用自：§4.3.
• Bosker (2016) B. Bosker 什么会打破人们对手机的成瘾？. 外部链接：链接, ISSN 1072-7825 引用自：§1.
• Braun 等人 (2018) V. Braun, V. Clarke, N. Hayfield, and G. Terry 主题分析. 载于 健康社会科学研究方法手册, P. Liamputtong (Ed.), pp. 1–18. 外部链接：链接, ISBN 9789811027796, 文档 引用自：§3.3.
• Braun and Clarke (2019) V. Braun and V. Clarke 反思反身性主题分析. Qualitative Research in Sport, Exercise and Health 11 (4), pp. 589–597. 外部链接：链接, ISSN 2159-676X, 文档 引用自：§4.4.
• Bryan 等人 (2010) G. Bryan, D. Karlan, and S. Nelson 承诺机制. Annual review of economics 2 (1), pp. 671–698. 外部链接：链接, ISSN 1941-1383, 文档 引用自：§2.2.
• Caine (2016) K. Caine CHI 中样本量的局部标准。 In Proceedings of the 2016 CHI Conference on Human Factors in Computing Systems, CHI ’16, New York, NY, USA, pp. 981–992. External Links: Link, ISBN 9781450333627, Document Cited by: §4.3.
• Cecchinato et al. (2019) M. E. Cecchinato, J. Rooksby, A. Hiniker, S. Munson, K. Lukoff, L. Ciolfi, A. Thieme, and D. Harrison 为数字福祉设计：研究与实践议程。 In Extended Abstracts of the 2019 CHI Conference on Human Factors in Computing Systems, CHI EA ’19, New York, NY, USA, pp. 1–8. External Links: Link, ISBN 9781450359719, Document Cited by: §6.1.
• Cheng et al. (2017) J. Cheng, C. Lo, and J. Leskovec 使用活动日志预测意图：目标具体性和时间范围如何影响用户行为。 In Proceedings of the 26th International Conference on World Wide Web Companion, Republic and Canton of Geneva, Switzerland, pp. 593–601. External Links: Link, ISBN 9781450349147, Document Cited by: §6.3.
• Cho et al. (2021) H. Cho, D. Choi, D. Kim, W. J. Kang, E. K. Choe, and S. Lee 反思而非后悔：通过应用功能级分析理解令人后悔的智能手机使用。 Proc. ACM Hum.-Comput. Interact. 5 (CSCW2), pp. 1–36. External Links: Link, Document Cited by: §2.1.
• Cockburn et al. (2018) A. Cockburn, C. Gutwin, and A. Dix 不再猜测：关于 CHI 实验预注册的研究。 In Proceedings of the 2018 CHI Conference on Human Factors in Computing Systems, CHI ’18, New York, NY, USA, pp. 1–12. External Links: Link, ISBN 9781450356206, Document Cited by: §4.2.
• Collins et al. (2014) E. I. M. Collins, A. L. Cox, J. Bird, and D. Harrison Social networking use and RescueTime: the issue of engagement. In Proceedings of the 2014 ACM International Joint Conference on Pervasive and Ubiquitous Computing: Adjunct Publication2014 ACM International Joint Conference on Pervasive and Ubiquitous Computing, UbiComp 2014, New York, NY, United States, pp. 687–690 (en). External Links: Link, Document Cited by: §2.2.
• Cox et al. (2016) A. L. Cox, S. J. J. Gould, M. E. Cecchinato, I. Iacovides, and I. Renfree Design frictions for mindful interactions: the case for microboundaries. In Proceedings of the 2016 CHI Conference Extended Abstracts on Human Factors in Computing Systems, CHI EA ’16, New York, NY, USA, pp. 1389–1397. External Links: Link, ISBN 9781450340823, Document Cited by: §2.2.
• Delaney and Lades (2017) L. Delaney and L. K. Lades Present bias and everyday self-control failures: a day reconstruction study. Journal of behavioral decision making 30 (5), pp. 1157–1167. External Links: ISSN 0894-3257, Document Cited by: §1.
• Devito et al. (2019) M. A. Devito, A. M. Walker, J. Birnholtz, K. Ringland, et al. Social technologies for digital wellbeing among marginalized communities. Publication of the 2019 …  , pp. 449–454. External Links: Link Cited by: §6.1.
• Duckworth and Gross (2020) A. L. Duckworth and J. J. Gross Behavior change. Organizational behavior and human decision processes 161 (Suppl), pp. 39–49 (en). External Links: Link, ISSN 0749-5978, Document Cited by: §6.2.
• Duckworth et al. (2016) A. L. Duckworth, R. E. White, A. J. Matteucci, A. Shearer, and J. J. Gross A stitch in time: strategic Self-Control in high school and college students. Journal of educational psychology 108 (3), pp. 329–341 (en). External Links: Link, ISSN 0022-0663, Document Cited by: §6.2.
• Ernala 等人 (2020) S. K. Ernala, M. Burke, A. Leavitt 和 N. B. Ellison 人们报告在 Facebook 上花费的时间有多准确？对现有调查问题的评估及建议。 收录于 Proceedings of the 2020 CHI Conference on Human Factors in Computing Systems, CHI ’20, New York, NY, USA, pp. 1–14. 外部链接：链接, ISBN 9781450367080, 文档 引用自：脚注 1.
• Fogarty (2017) J. Fogarty 交互系统研究中的代码与贡献。 收录于 ACM CHI Conference 2017. Workshop on #HCI.Tools: Strategies and Best Practices for Designing, Evaluating, and Sharing Technical HCI Toolkits., washington, pp. 1–4. 外部链接：链接 引用自：§4.1.
• Foundation (2020) M. Foundation YouTube 后悔 — mozilla foundation。 外部链接：链接 引用自：§2.1.
• Google ( ) Google YouTube leanback 提供轻松观看体验。 外部链接：链接 引用自：§6.3.
• Gui 和 Stanca (2009) M. Gui 和 L. Stanca 电视观看、满意度与幸福感：事实与虚构。 技术报告 repec.dems.unimib.it, Università degli Studi di Milano - Bicocca. 外部链接：链接 引用自：表 1, 表 1, §2.1, §3.3.
• Gullà 等人 (2015) F. Gullà, L. Cavalieri, S. Ceccacci, M. Germani 和 R. Bevilacqua 设计可适应且自适应用户界面的方法。 收录于 HCI International 2015 - Posters’ Extended Abstracts, Los Angeles, CA, USA, pp. 19–24. 外部链接：链接, 文档 引用自：§2.3.
• Hiniker 等人 (2016a) A. Hiniker, S. (. Hong, T. Kohno 和 J. A. Kientz MyTime：设计与评估一种智能手机非使用干预措施。 收录于 Proceedings of the 2016 CHI Conference on Human Factors in Computing Systems, New York, NY, United States, pp. 4746–4757. 外部链接：链接, ISBN 9781450333627, 文档 引用自：§2.2, §6.2.
• Hiniker 等 (2017) A. Hiniker, B. Lee, K. Sobel, and E. K. Choe 计划与玩耍：支持幼儿有意识地使用媒体. 载于 Proceedings of the 2017 Conference on Interaction Design and Children, IDC ’17, New York, NY, USA, pp. 85–95. 外部链接: 链接, ISBN 9781450349215, 文档 引用自: §4.1.
• Hiniker 等 (2016b) A. Hiniker, S. N. Patel, T. Kohno, and J. A. Kientz 你为什么要那样做？预测智能手机使用行为背后的用途和满足感. 载于 Proceedings of the 2016 ACM International Joint Conference on Pervasive and Ubiquitous Computing, ACM, New York, NY, United States, pp. 634–645. 外部链接: 链接 引用自: §6.3.
• Hofmann 等 (2012) W. Hofmann, R. F. Baumeister, G. Förster, and K. D. Vohs 日常诱惑：关于欲望、冲突和自我控制的经验取样研究. Journal of personality and social psychology 102 (6), pp. 1318–1335 (en). 外部链接: 链接, ISSN 0022-3514, 1939-1315, 文档 引用自: §1.
• Kahneman (2011) D. Kahneman 思考，快与慢. Farrar, Straus and Giroux,  . 外部链接: 链接, ISBN 9780374275631, LCCN 2012533187 引用自: §2.2.
• Kim 等 (2019a) J. Kim, H. Jung, M. Ko, and U. Lee GoalKeeper：探索用于调节智能手机使用的交互锁定机制. Proc. ACM Interact. Mob. Wearable Ubiquitous Technol. 3 (1), pp. 29. 外部链接: 链接, 文档 引用自: §2.2, §2.2, §4.1.
• Kim 等 (2019b) J. Kim, J. Park, H. Lee, M. Ko, and U. Lee LocknType：用于阻止智能手机应用使用的锁定任务干预措施，“. 载于 ACM CHI, New York, NY, United States, pp. 1–12. 外部链接: 链接, 文档 引用自: §2.2.
• Kim et al. (2016) Y. Kim, J. H. Jeon, E. K. Choe, B. Lee, K. Kim, and J. Seo TimeAware: leveraging framing effects to enhance personal productivity. In Proceedings of the 2016 CHI Conference on Human Factors in Computing Systems, pp. 272–283. External Links: Link, ISBN 9781450333627, Document Cited by: §2.2.
• Klobas et al. (2019) J. E. Klobas, T. J. McGill, S. Moghavvemi, and T. Paramanathan Problematic and extensive YouTube use: first hand reports. Online Information Review 43 (2), pp. 265–282. External Links: Link, ISSN 1468-4527, Document Cited by: §1, §2.1.
• Ko et al. (2016) M. Ko, S. Choi, K. Yatani, and U. Lee Lock n’LoL: group-based limiting assistance app to mitigate smartphone distractions in group activities. In Proceedings of the 2016 CHI Conference on Human Factors in Computing Systems, ACM, New York, NY, United States, pp. 998–1010. External Links: Link Cited by: §2.2.
• Ko et al. (2015) M. Ko, S. Yang, J. Lee, C. Heizmann, J. Jeong, U. Lee, D. Shin, K. Yatani, J. Song, and K. Chung NUGU: a group-based intervention app for improving Self-Regulation of limiting smartphone use. In Proceedings of the 18th ACM Conference on Computer Supported Cooperative Work & Social Computing, CSCW ’15, New York, NY, USA, pp. 1235–1245. External Links: Link, ISBN 9781450329224, Document Cited by: §2.2.
• Kovacs et al. (2019) G. Kovacs, D. M. Gregory, Z. Ma, Z. Wu, G. Emami, J. Ray, and M. S. Bernstein Conservation of procrastination: do productivity interventions save time or just redistribute it?. In Proceedings of the 2019 CHI Conference on Human Factors in Computing Systems, CHI ’19, New York, NY, USA, pp. 330:1–330:12. External Links: Link, ISBN 9781450359702, Document Cited by: §6.4.
• Kovacs et al. (2021) G. Kovacs, Z. Wu, and M. S. Bernstein Not now, ask later: users weaken their behavior change regimen over time, but expect to Re-Strengthen it imminently. In Proceedings of the 2021 CHI Conference on Human Factors in Computing Systems, pp. 1–14. External Links: Link, ISBN 9781450380966, Document Cited by: §2.2.
• Landis and Koch (1977) J. R. Landis and G. G. Koch The measurement of observer agreement for categorical data. Biometrics 33 (1), pp. 159–174 (en). External Links: Link, ISSN 0006-341X Cited by: §3.3.
• Lanette et al. (2018) S. Lanette, P. K. Chua, G. Hayes, and M. Mazmanian How much is ’too much’?: the role of a smartphone addiction narrative in individuals’ experience of use. Proc. ACM Hum. -Comput. Interact. 2 (CSCW), pp. 101:1–101:22. External Links: Link, ISSN 2573-0142, Document Cited by: §1, §3.4.
• Lebow (2022) S. Lebow TikTok to surpass YouTube in US—and come after other apps in the process. Note: https://www.emarketer.com/content/tiktok-surpass-youtubeAccessed: 2022-5-17 External Links: Link Cited by: §1.
• Lukoff et al. (2022) K. Lukoff, U. Lyngs, and L. Alberts Designing to support autonomy and reduce psychological reactance in digital Self-Control tools. In Position Papers for the Workshop “Self-Determination Theory in HCI: Shaping a Research Agenda” at the Conference on Human Factors in Computing Systems (CHI ’22)CHI ’22: CHI Conference on Human Factors in Computing Systems, New Orleans, LA, USA, pp. 5. Cited by: §1, Figure 2, Figure 2, §6.2.
• Lukoff et al. (2021) K. Lukoff, U. Lyngs, H. Zade, J. V. Liao, J. Choi, K. Fan, S. A. Munson, and A. Hiniker How the design of YouTube influences user sense of agency. In Proceedings of the 2021 CHI Conference on Human Factors in Computing Systems, pp. 1–17. External Links: Link, ISBN 9781450380966, Document Cited by: §1, §2.1, §2.3, §3.4, §4.1, §4.1, §4.2, §4.2, §4.2, §4, §5.2.1, §5.2.2.
• Lukoff and Munson (2019) K. Lukoff and S. Munson Digital wellbeing is way more than just reducing screen time. Note: https://uxdesign.cc/digital-wellbeing-more-than-just-reducing-screen-time-46223db9f057Accessed: 2020-10-1 External Links: Link Cited by: §6.1.
• Lyngs et al. (2022) U. Lyngs, K. Lukoff, L. Csuka, P. Slovák, M. Van Kleek, and N. Shadbolt The goldilocks level of support: using user reviews, ratings, and installation numbers to investigate digital Self-Control tools. International journal of human-computer studies  , pp. 102869. External Links: Link, ISSN 1071-5819, Document Cited by: §1, §2.2, §4.1, §6.2.
• Lyngs et al. (2019) U. Lyngs, K. Lukoff, P. Slovak, R. Binns, A. Slack, M. Inzlicht, M. Van Kleek, and N. Shadbolt Self-control in cyberspace: applying dual systems theory to a review of digital self-control tools. In Proceedings of the 2019 CHI Conference on Human Factors in Computing Systems - CHI ’19the 2019 CHI Conference, Glasgow, Scotland Uk, pp. 1–18. External Links: Link, ISBN 9781450359702, Document Cited by: §1, §2.2, §2.2, §6.1.
• Lyngs et al. (2020) U. Lyngs, K. Lukoff, P. Slovak, W. Seymour, H. Webb, M. Jirotka, J. Zhao, M. Van Kleek, and N. Shadbolt ’I just want to hack myself to not get distracted’: evaluating design interventions for Self-Control on facebook. In Proceedings of the 2020 CHI Conference on Human Factors in Computing Systems, pp. 1–15. External Links: Link, ISBN 9781450367080, Document Cited by: §2.2, §6.2.
• Matney (2017) L. Matney YouTube has 1.5 billion logged-in monthly users watching a ton of mobile video. TechCrunch  , pp.  . External Links: Link Cited by: §3.1.
• McCluskey (2022) M. McCluskey YouTube’s next move in the race to beat TikTok. Time  , pp.   (en). External Links: Link, ISSN 0040-781X Cited by: §6.2.
• Monge Roffarello and De Russis (2022) A. Monge Roffarello and L. De Russis Towards understanding the dark patterns that steal our attention. In CHI Conference on Human Factors in Computing Systems Extended Abstracts, CHI EA ’22, New York, NY, USA, pp. 1–7. External Links: Link, ISBN 9781450391566, Document Cited by: §4.1.
• Monge Roffarello et al. (2023) A. Monge Roffarello, K. Lukoff, and L. De Russis Defining and identifying attention capture damaging patterns in digital interfaces. In Proceedings of the 2023 CHI Conference on Human Factors in Computing Systems, CHI ’23, New York, NY, USA. External Links: Document Cited by: §4.1.
• MrBeast (2021) MrBeast If you can carry $1,000,000 you keep it!. Youtube. External Links: Link Cited by: §5.1.
• Norcross et al. (2011) J. C. Norcross, P. M. Krebs, and J. O. Prochaska Stages of change. Journal of clinical psychology 67 (2), pp. 143–154 (en). External Links: Link, ISSN 0021-9762, 1097-4679, Document Cited by: §3.4.
• Parliament (2022) E. Parliament Digital services act. Vol. 2020/0361(COD). External Links: Link Cited by: §6.2.
• Plaut (2014) E. Plaut Commitments not to communicate before and after digital media: a study of the will and ways to disconnect under changing conditions. Ph.D. Thesis, Stanford University. Cited by: §2.2.
• Prochaska (2013) J. O. Prochaska Transtheoretical model of behavior change. In Encyclopedia of Behavioral Medicine, M. D. Gellman and J. R. Turner (Eds.), pp. 1997–2000. External Links: Link, ISBN 9781441910059, Document Cited by: 1st item, §3.
• SarahBethYoga (2019a) SarahBethYoga 15 minute hands free morning yoga routine | sarah beth yoga. Youtube. External Links: Link Cited by: §5.1.
• SarahBethYoga (2019b) SarahBethYoga 15 minute morning yoga routine | FULL BODY POWER YOGA FLOW. Youtube. External Links: Link Cited by: §5.1.
• Seif El-Nasr et al. (2015) M. Seif El-Nasr, S. Durga, M. Shiyko, and C. Sceppa Data-Driven retrospective interviewing (DDRI): a proposed methodology for formative evaluation of pervasive games. Entertainment computing 11, pp. 1–19. External Links: Link, ISSN 1875-9521, Document Cited by: §4.3.
• Solsman (2018a) J. E. Solsman Ever get caught in an unexpected hourlong YouTube binge? thank YouTube AI for that. CNET. Note: https://www.cnet.com/news/youtube-ces-2018-neal-mohan/Accessed: 2020-5-1 External Links: Link Cited by: footnote 2.
• Solsman (2018b) J. E. Solsman Ever get caught in an unexpected hourlong YouTube binge? thank YouTube AI for that. CNET. Note: https://www.cnet.com/news/youtube-ces-2018-neal-mohan/Accessed: 2020-5-1 External Links: Link Cited by: §6.1.
• Tran 等人 (2019) J. A. Tran, K. S. Yang, K. Davis 和 A. Hiniker 建模强迫性手机使用的参与-脱离循环。 载于 2019年人机交互系统会议论文集, CHI ’19, 美国纽约州纽约市, pp. 1–14. 外部链接: 链接, ISBN 9781450359702, 文档 引用自: §2.2.
• 美国人口普查局 ( ) 美国人口普查局 QuickFacts: united states. 外部链接: 链接 引用自: §3.1, §4.3.
• Williams (2018) J. Williams Stand out of our light: freedom and resistance in the attention economy. Cambridge University Press, 英国 (en). 外部链接: ISBN 9781108429092 引用自: §1.
• Woolley 和 Sharif (2022) K. Woolley 和 M. A. Sharif Down a rabbit hole: how prior media consumption shapes subsequent media consumption. JMR, Journal of marketing research 59, pp. 453––471. 外部链接: 链接, ISSN 0022-2437 引用自: §1.
• Wright 等人 (2011) J. L. Wright, J. L. Sherriff, S. S. Dhaliwal 和 J. C. L. Mamo Tailored, iterative, printed dietary feedback is as effective as group education in improving dietary behaviours: results from a randomised control trial in middle-aged adults with cardiovascular risk factors. The international journal of behavioral nutrition and physical activity 8 (1), pp. 43 (en). 外部链接: 链接, ISSN 1479-5868, 文档 引用自: §3.2.
• Wu (2016) T. Wu The attention merchants: the epic scramble to get inside our heads. Vintage, 纽约 (en). 引用自: §1.
• Xu 等人 (2022) X. Xu, T. Zou, H. Xiao, Y. Li, R. Wang, T. Yuan, Y. Wang, Y. Shi, J. Mankoff 和 A. K. Dey TypeOut: leveraging Just-in-Time Self-Affirmation for smartphone overuse reduction. 载于 CHI Conference on Human Factors in Computing Systems, CHI ’22, 美国路易斯安那州新奥尔良市, 美国纽约州纽约市, pp. 1–17. 外部链接: 链接, ISBN 9781450391573, 文档 引用自: §2.2, §2.2.
• Zagal et al. (2013) J. P. Zagal, S. Björk, and C. Lewis Dark patterns in the design of games. In Foundations of Digital Games 2013, Interactive Institute (en). External Links: Link Cited by: §4.1.
• Zhang et al. (2022) M. R. Zhang, K. Lukoff, R. Rao, A. Baughan, and A. Hiniker Monitoring screen time or redesigning it? two approaches to supporting intentional social media use. In CHI Conference on Human Factors in Computing Systems, CHI ’22, New York, NY, USA, pp. 1–19. External Links: Link, ISBN 9781450391573, Document Cited by: §6.1.
• Zuboff (2019) S. Zuboff The age of surveillance capitalism: the fight for a human future at the new frontier of power. Profile books, New York. Cited by: §1.