← 最新论文
🤖 AI

UXR PoV for Neuroinclusive Emotion Regulation

本文提出了一种由生成式人工智能增强的用户体验研究(UXR)方法论,该方法论以辩证行为疗法(DBT)和自我决定理论(SDT)等心理学框架为基础,旨在为患有 ADHD 的成年人设计具有神经多样性包容性且具备情感智能的数字化干预措施,并由此产生了一个可复制的框架以及一套包含十张基于理论指导的设计卡片。

原作者: Melike Akca, Mona Giff, Deniz Cetinkaya, Huseyin Dogan, Stephen Giff

发布于 2026-06-01
📖 1 分钟阅读☕ 轻松阅读

原作者: Melike Akca, Mona Giff, Deniz Cetinkaya, Huseyin Dogan, Stephen Giff

原始论文采用 CC BY 4.0 许可(http://creativecommons.org/licenses/by/4.0/)。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性,请参阅原始论文。 阅读完整免责声明

大局观:为 ADHD 构建更好的“情绪 GPS”

想象一下,你正试图在一个城市中导航,但你的 GPS 不断给出混乱的指令,随机改变地图颜色,并在你已经感到压力巨大时大声叫喊。对于许多 ADHD(注意力缺陷多动障碍) 成年人来说,他们的内在“情绪 GPS”就像那样运作。他们经常难以管理自己的感受(情绪调节),从而导致不知所措、挫败感以及难以做出决策。

这篇论文关于如何利用数字工具(如应用程序)和人工智能(AI)来构建一个更好的、具有神经多样性包容性的 GPS。然而,作者认为我们不能只是把技术直接投射到问题上。我们需要一个具体且周密的计划,以确保这些工具能真正提供帮助,而不是造成困扰。

问题所在:“一刀切”的陷阱

目前,许多数字健康应用都试图用同样的方式帮助所有人。作者说,这就像是试图把方榫头塞进圆孔里。

  • 问题: 大多数应用并不理解 ADHD 大脑处理情绪的独特方式。它们可能太吵、太快或太复杂,导致用户产生畏难情绪并选择放弃。
  • 差距: 虽然我们在如何提供帮助方面拥有优秀的心理学理论,但我们缺乏一份清晰的“说明书”,指导设计师如何将这些理论转化为适用于 ADHD 用户的实际应用功能。

解决方案:带有 AI 副驾驶的“UXR PoV 剧本”

作者创建了一种设计这些应用的新方法。将这种方法想象成一个四阶段的建筑工程项目,其中他们使用生成式 AI 不是作为“老板”,而是作为一个超级聪明的副驾驶研究助手

以下是这四个阶段的工作方式,使用“盖房子”作为类比:

第一阶段:收集蓝图(假设生成)

  • 他们做了什么: 他们研究了 42 项关于 ADHD 和数字工具的现有研究。
  • AI 的角色: 想象 AI 是一个能在几秒钟内读完 42 本书的图书管理员。它扫描了所有数据以寻找模式。
  • 结果: 它帮助团队提出了 10 个明智的假设。例如:“如果我们保持应用的语气一致,用户会更加信任它,” 或者 “如果我们简化情绪线索,用户就不会感到不知所措。”

第二阶段:地基规划(利益相关者映射)

  • 他们做了什么: 他们弄清楚了谁需要参与到这座“房子”的建造中来。
  • AI 的角色: AI 扮演了会议组织者的角色,列出了每个人的需求和担忧。
  • 团队成员:
    • ADHD 用户: 需要一个安全、可预测的空间(没有意外)。
    • 临床医生(医生): 需要看到进展数据以辅助治疗。
    • 设计师: 需要明确的规则来决定如何让产品看起来和感觉起来正确。
    • 开发人员: 需要知道这项技术是否真的可以被实现。
  • 目标: 确保在施工开始前,每个人都能对计划达成共识。

第三阶段:“游戏卡片”(将想法转化为规则)

  • 他们做了什么: 这是最具有创意性的部分。团队将他们的研究转化为了 10 张“UXR 游戏卡”
  • 类比: 把这些想象成游戏设计师的交易卡速查表。每张卡片都有一个特定的问题(如“认知负荷”)和一个特定的解决方案(如“简化情绪线索”)。
  • 为什么重要: 设计师不再是靠猜测,而是可以拿起一张写着:“嘿,如果你想帮助提升情绪安全性,这里是最佳实践:添加一个‘暂停’按钮并使用柔和的颜色。” 的卡片。
  • AI 的角色: AI 通过将心理学理论(如 DBT 和自我决定理论)与现实世界的设计构思联系起来,协助起草了这些卡片。

第四阶段:叙事(构建叙事)

  • 他们做了什么: 他们利用这些游戏卡,为涉及到的每个人(医生、程序员、用户)编写了特定的故事。
  • AI 的角色: AI 充当了翻译官,将技术研究进行重写,使其既能让医生理解其医学价值,也能让开发人员理解其技术价值。
  • 结果: 一个清晰的、共享的愿景(观点/PoV),所有人都能对此达成共识。

注意事项:AI 是工具,而非治疗师

这篇论文非常诚实地指出了 AI 的局限性。

  • 风险: AI 擅长于发现数据中的模式,但它无法感受情绪。它并不真正理解患有 ADHD 的真实生活体验。它可能会基于训练数据产生错误或偏见。
  • 解决方法: 人类研究人员始终掌握着驾驶权。他们利用 AI 来加速工作,但会对每一个想法进行检查,以确保其准确、符合伦理且对人类真正有益。他们将 AI 视为一个强大的计算器,而非一位睿智的辅导员

总结

这篇论文并不声称已经构建出了最终的应用。相反,它提供了一套新的配方,指导未来如何构建此类应用。

它说:“如果你想为 ADHD 人群构建数字工具,不要仅仅靠猜测。使用一个结构化的流程,让 AI 帮助你整理研究,但由人类来引导同理心和最终的设计。”

通过使用这个“剧本”,设计师可以创造出不再像一场混乱的风暴,而更像是一只在用户情绪起伏时,温柔且坚定地握住用户双手的温暖之手。

您所在领域的论文太多了?

获取与您研究关键词匹配的最新论文每日摘要——附技术摘要,使用您的语言。

试用 Digest →