鼓励根据“性格类型”改变行为

2025/08/06

“性格类型”鼓励行为改变使用大规模基础设施数据库弥合社会实施研究与运营之间的差距

我们的人类行为很大程度上受到个人性格、感觉和偏好的影响。有些人很容易受到外界建议的影响，而另一些人则不太受外界建议的影响。从医疗保健的角度来看，让开始锻炼变得更容易的方法因人而异。那么，你应该接近什么样的性格，又应该如何接近他们呢？能否有效促进行为改变？——在AIST，通过积累与年龄、性别、性格、喜好等个人特征相关的数据，我们可以评估个人的精神和身体状况以及生活方式和行为特征。“个性化匹配技术”，根据个人特点提供最优服务研究成果已被用于多种服务。我们向研究人员询问了将他们的研究应用于现实世界的过程。

创建 20,000 人 x 200 项的基本数据库

　“我们喜欢什么样的事物以及我们对事物的反应并不统一。科学尚未阐明为什么不同的人有不同的偏好，但如果我们能够阐明反应的个体差异，那么在设计新的医疗服务时肯定会很有用。”

人类信息交互研究部身心功能模型研究组组长（现任客座研究员）木村健太如是说。

　虽然福祉和健康预期寿命等关键词正在引起人们的关注，但世界上已经存在许多医疗保健服务。这些服务使用的技术可以监测一个人的健康状况，并预测如果目前的现状持续下去，甚至在未来几年内患病的可能性。然而，即使将这些信息传达给相关人员，每个人的反应也会有所不同。鼓励维持健康行为的能力因人而异，很难为每个人提供全面的医疗保健。

　为了解决这些问题，AIST正在研究“个体匹配技术”，以根据个体特征提供最佳服务。

　“我们首先建立了一个整合各种类型数据的基础数据库，以便分析根据个人属性、环境、心理等的差异，在医疗保健中接受哪些类型的支持和服务，”木村谈到这项研究的起源时说道。

　即使医疗保健服务提供统一的支持或干预，也不会总是产生相同的反应，因为接受者之间存在个体差异。木村说：“根据获得的数据，我们需要根据个人特征对人进行分类。这项工作是为了提高基于个人特征的‘某个人的心理状态’的分辨率。我们认为，如果我们创建一个可以分析人类心理状态个体差异的基础数据库，它可以用于医疗保健领域以外的各种领域。”

　人们一直在努力根据个人特点最大限度地发挥医疗服务的有效性。

　“这需要一位具有专业知识和技巧的优秀教练。例如，私人教练利用他们的专业知识和经验来提供指导。但是，如果可以利用个人特征数据来量化和可视化个人的心理并对其进行分类，则可以应用和开发更多样化的服务。”木村说。

　在构建实际的基础数据库时，收集了三大信息作为个人特征数据。一是年龄、性别、人生阶段、职业等“属性”；二是“环境”，比如你住的地方，附近有没有健身房，家人对锻炼的支持程度；第三个是“心理学”，例如个性、偏好和价值观。

　接下来，我们根据“属性”、“环境”和“心理”数据进行统计处理，将收集信息的个体分为多个组。结果，具有相似“属性”、“环境”和“心理”的人的“子群体”被创建。 “例如，A 组喜欢与其他人一起做事，而 B 组喜欢自己稳定地工作。在了解每个组的特点后，我们考虑创建适当的医疗保健服务，”木村解释道。

　更具体地说，例如，“合作型”子群体的特征包括“高度合作并重视社会联系”的倾向。在这种情况下，其想法是提出并实施“包含团体活动等社会因素的医疗保健服务”作为支持和干预方法将更加有效。换句话说，有必要预测每个子群体的支持和干预方法，并提出最佳建议和实施，以提高有效性而不妨碍行为。

　在构建基础数据库时，我们收集了约 20,000 人的 200 条回复。除了属性、环境和心理之外，它还考虑了用于健康管理和健身目的的可穿戴设备的数据。关于数据项的选择，首席研究员（当时的研究组组长）Kentaro Katahira 回忆道，“当我们要求人们采取‘锻炼’的行动时，我们根据现有研究选择了似乎相关的问题项，这些研究涉及哪些类型的人可能参加锻炼，以及相反，哪些类型的人不太可能采取行动。”

根据分析信息解释个体分组的摘要图 — 基于统计分析，对个体进行“亚组”，并提取和分析针对每个亚组中的个体的有效支持和干预方法

克服研究与社会实施之间的差距

另一方面，在实际提供服务之前询问用户 200 个问题也是不现实的。因此，我们创建了一个基本数据库模型，用于分类问题数少于 10 个的子组。他们使用机器学习创建了一个人工智能模型，以尽可能少的问题将人们分类为子组。

　木村说：“通过使用平板电脑输入几个问题的答案，你可以了解个人的子群体并显示他们的特征。你喜欢哪种运动？ “可以预测活动偏好。类似于过去流行的动物算命，它会分类并呈现特征，但主要的区别在于，预测是基于使用 20,000 人信息的基础数据库。”

　这个模型实际上是AIST的展览设施“AIST-立方体”，游客可以体验。

　木村表示，将问题数量减少到10个以下的“压缩和优化”将是基础数据库开发的关键点之一。

　如果你缩小问题的范围，你的预测的准确性自然会降低。但是，我们需要尽可能降低“社会实施的障碍”，我认为这种平衡很重要。''

　作为首席研究员参与该项目的高野圭介也表示，他对研究与社会实施之间的差距感到困扰。

　作为一名研究人员，我希望做出高精度的预测。我想创建一个复杂但高度准确的模型，准确预测一个人是否会在六个月后继续锻炼。另一方面，将其作为医疗服务应用到应用程序中并在现场使用时存在各种限制。用户响应所需的时间。需要尽可能地缩短时间，而为了在平板电脑上实现预测模型并使预测变得容易，我们必须考虑CPU和内存等硬件的性能要求。我们认为，在使系统“更轻”和达到一定精度之间找到平衡点是应该继续发展的问题。

　此外，如果是供企业使用，Katahira 说，“分类的呈现方式也是一个重要因素，有必要以易于理解的方式对结果进行分类。其中一个难点是在将分类结果呈现为简单分类（例如“你是 XX 型”）与使用基础数据库从复杂模型获得的预测之间找到折衷方案。”

通过与公司联合研究，向社会实施迈出一步

　产业技术研究院开发的医疗保健服务“个性化技术”，通过与住友生命保险公司（以下简称“住友生命”）的共同研究，首次实现社会化。

　尽管住友生命拥有丰富的健康信息数据，但他们表示从未收集过服务偏好等数据。当我们与住友生命进行联合研究时，他们认为我们的“个性化技术”可以在住友生命提供的应用程序中有效使用。”木村说。

　具体来说，住友生命提供的健康促进保险产品“Sumitomo Life Vitality”配备了名为“个人健康促进支持和个人疾病风险报告”的功能。此外，Vitality的会员专用应用程序还具有根据个人类型提供建议建议的功能。 (2023/2/27 住友生命保险公司新闻稿*链接到 AIST 以外的网站)

　尽管这是一个非常有趣的举措，但将功能合并到应用程序中存在许多限制。例如，必须开发功能以满足应用程序更新的最后期限，并且可以添加到应用程序中的问题数量仅限于个性化的几个问题。”创建一个可以将人们分组的模型，同时使用少量问题保持一定程度的准确性是一项极其困难的工作。

　“我们通过改变提问的方式创造了一种逻辑，我们能够生成结果并将其分类为三个问题。存在一些冲突，例如我们是否应该在高精度上妥协，但与纯粹的研究不同，我们认为这是一个需要克服的问题，以便在社会中实施，所以我们继续进行研究，”木村说。

通过该产品的开发，木村展望了未来，他说：“我们相信仍有一定数量的人不一定能产生个性化建议的共鸣，因此我们正在做出改进。”

　构建的基础数据库及其衍生的模型将用于联合研究伙伴实施的具体健康指导^*也在考虑之中。高野解释说：“我们在教练使用的平板电脑应用程序中安装了类似的功能，为健康检查结果不佳的人提供具体的健康指导。通过向接受指导的人提出一些问题，我们可以估计该人的性格类型，并在平板电脑屏幕上显示运动、饮食等指导的提示。”每人将提供约 30 分钟的具体健康指导。这段时间，导师最多可以花三分钟的时间来听每个人的性格。在具体的健康指导领域，我们在这么短的时间内提出适当的问题，并根据人的性格类型提供指导。

　这里还需要“技术最佳”和“实施”之间的平衡。 “我们的理念是不妨碍教练，因此最终的决定取决于教练的经验和判断，”高野说。重复PoC（概念验证）一年后，行为特征的分辨率有所提高。 “当我们比较使用平板电脑接受健康指导的组和未使用平板电脑的组时，我们发现前者的健康检查结果有更好的趋势，”木村在谈到结果时说道。

　我们认为，继续这些努力至关重要，这样即使一次建议或指导无效，下一次健康检查或健康指导也会成功。通过这种方式，“通过使用数据来提高准确性”是我们目标的最终形式，”木村说，展望了他们为社会做出贡献的形式。