Los usuarios de la aplicación desconfían de las recomendaciones de salud y estado físico basadas en los datos de las redes sociales

Las personas pueden apreciar las aplicaciones en línea que brindan consejos sobre salud y estado físico, pero parecen trazar un límite cuando esas aplicaciones usan sus redes sociales para obtener datos, según los investigadores.

En un estudio, los usuarios mostraron una fuerte preferencia por las recomendaciones de fitness personalizadas para ellos en función de sus preferencias autoinformadas. También les gustaron los sistemas que permitían a los usuarios elegir entre diferentes enfoques de recomendación, lo que les hacía sentir que tenían más control.

«A medida que los grandes datos brindan a las personas nuevas oportunidades para personalizar sus rutinas de salud y ejercicio, también cuestiona cómo se recopilan estos datos», dijo S. Shyam Sundar, profesor James P. Jimirro de Media Effects en el Donald P. Bellisario College of Comunicaciones y codirector del Laboratorio de Investigación de Efectos de los Medios en Penn State.

Según Sundar, las personas están utilizando sistemas de recomendación para ayudar a tomar más decisiones, como elegir actividades de entretenimiento y sopesar las opciones de vacaciones. La salud y el ejercicio son áreas naturales de aplicación; sin embargo, la sensibilidad de los datos de salud podría hacer que las personas desconfíen de tales sistemas.

Los investigadores presentaron sus hallazgos hoy (24 de abril) en el Conferencia ACM CHI sobre factores humanos en sistemas informáticosy los informó en sus actas,

«Nos estamos moviendo hacia una era en la que los planes de acondicionamiento físico, los regímenes dietéticos, las rutinas de ejercicio y otras formas de gestión preventiva de la salud se pueden adaptar a nuestras necesidades y situaciones individuales específicas», agregó Sundar, quien también es afiliado del Instituto de Computación y Computación de Penn State. Ciencias de datos. «Es la tecnología y la disponibilidad de big data lo que hace que esto sea posible, pero también plantea preguntas sobre la información que utiliza para la personalización. ¿Se adapta en función de sus propias preferencias, por ejemplo, o las adapta en función de su demografía? ¿O se basa en otras personas que han usado esa aplicación?»

En el estudio, los investigadores reclutaron a 341 personas para probar seis enfoques de filtrado para los sistemas de recomendación, que incluyen: filtrado demográfico, que hace sugerencias basadas en las preferencias de otros usuarios similares en edad, sexo y etnia; filtrado colaborativo, que se basa en otros que comparten preferencias similares en los ejercicios; y el filtrado basado en el contenido, que se basa en las preferencias de ejercicio del propio usuario.

Estos enfoques se clasificaron aún más en dos versiones según si los datos provenían de la aplicación o de las redes sociales, lo que requiere acceso a las conexiones de las redes sociales del usuario. Además, a la mitad de los participantes se les dio la opción de cambiar su enfoque de personalización a uno de los otros cinco enfoques, mientras que a la otra mitad no se le dio esa opción.

A los participantes les disgustaron particularmente los enfoques que requerían acceso a las redes sociales, dijo Yuan Sun, estudiante de doctorado en comunicaciones masivas en Penn State y primer autor del estudio.

«Descubrimos que a la gente realmente no le gustan las recomendaciones basadas en las redes sociales», dijo Sun, quien se unirá a la Universidad de Florida como profesora asistente en el otoño de 2023. «Puede haber algunas razones para eso. Una podría ser que lo perciban como una amenaza a su sentido de identidad. Piensan que socava su esencia de ser una persona única. Además, las recomendaciones basadas en las redes sociales generan preocupaciones sobre la privacidad».

Cuando los investigadores les dieron la oportunidad de elegir otros enfoques de filtrado, más del 96 % de los participantes abandonaron la condición que proporcionaba contenido de fitness que habían visto o les gustaba en las redes sociales. Otros enfoques basados ​​en las actividades y la demografía de los amigos de las redes sociales tampoco fueron populares.

«Tales resultados son particularmente dignos de mención porque generalmente hay una inercia con la personalización», dijo Sundar. «Cuando el sistema va a realizar una tarea de cierta manera, es demasiado complicado para las personas cambiar. Entonces, para que estos participantes se tomen la molestia de optar por la opción predeterminada, es un cambio de mentalidad y un poco de esfuerzo». , lo que demuestra cuánto les desagrada».

Según los investigadores, los desarrolladores y diseñadores deben tener cuidado cuando diseñen sistemas de recomendaciones relacionados con la salud que puedan depender de los datos de las redes sociales. Aunque las personas publican mucha información sobre salud y estado físico en las redes sociales, no les gustan las aplicaciones en línea que usan estas publicaciones para brindar recomendaciones.

«En términos de aplicaciones de diseño, cuando los desarrolladores crean aplicaciones de salud, deben abstenerse de usar datos de redes sociales para generar recomendaciones», dijo Sundar. «En cambio, deberían usar más señalización de identidad e información de protección de identidad».

Los investigadores también recomiendan que los diseñadores brinden a los usuarios la opción de elegir su método preferido para personalizar los consejos de salud.

«Esto se verifica con nuestro otro hallazgo importante de que los usuarios se sienten más en control cuando se les brinda la opción, a pesar del trabajo adicional que implica», dijo Sun.

Magdalayna Drivas, estudiante de doctorado en la Escuela Annenberg de Comunicación y Periodismo de la Universidad del Sur de California, y Mengqi Liao, estudiante de doctorado en comunicación de masas en Penn State también trabajaron con Sundar y Sun.