用价值敏感设计调查员工对数字压力管理干预的关注和愿望:混合方法研究

介绍

背景

在过去的几十年里，工作压力越来越普遍。1-3.]，其对身心健康的有害影响已得到充分证实[4，5]。最近，全球COVID-19大流行导致心理压力和相关抑郁症状以惊人的速度增加[6，7，这需要采取有效的行动。数字健康解决方案，如智能手机和基于网络的应用程序，已越来越多地用于预防和管理压力[8-10]，承诺低成本、可扩展性和高度个性化[11，12]。然而，数字健康和福祉技术的发展必然伴随着一系列风险和关切，这些风险和关切可能违反人类价值观，而人类价值观应指导这些技术的设计和实施[13-15]。

数字化压力管理干预措施

工作压力被定义为对个人资源与身体、心理、社会和组织需求之间不平衡的反应[16]。工作压力也经常与职业压力、工作压力和与工作相关的压力交替使用[17]。在这项工作中，我们将重点关注工作场所的压力管理干预(SMIs)，针对个人应对工作压力的能力(即二次干预)[17])。

在过去的几十年里，人们已经开发出了一系列预防和对抗压力影响的SMIs(例如，认知行为和放松技术)[17-20.]。最近，网络、移动和传感器技术的进步使数字SMIs (dSMIs)，它利用数字技术为部分或全部干预组件[8，21]。为了实现个性化，数字健康干预通常在机器学习的帮助下整合大量与健康相关的数据。查阅Triantafyllidis和Tsanas的研究[22])。研究人员提出，在需要的时候及时进行干预，并根据用户当前的环境和状态进行调整，可能会非常有益[23，24]。这种干预被称为即时适应性干预(JITAIs)，通常依靠机器学习的帮助，通过对生理、行为或上下文数据源的不显眼监测，持续预测用户的当前状态(例如，压力水平)。25-29]，并在适当时机触发干预提示[23]。

数字卫生技术的伦理

关于伴随新的数字健康(和福祉)技术而来的伦理风险，研究表明，由于(1)使用人工智能(AI)和机器学习等新方法，可能会出现违反人类价值观的行为;(2)与技术交互产生大数据;(3)数字生态系统中新的利益相关者(科技巨头、初创企业和公民科学家)的出现;(四)监管标准缺失[15，30.]。在这种情况下，人类价值观(简称:价值观)被定义为“一个人或一群人在生活中认为重要的东西”，[31“通过唤起对是非的基本原则来引导[人们]的选择”，提供“优先感，并创造一种做出意义和看到模式的意愿”[32]。在数字健康背景下，违反价值观的后果包括暴露或不透明地管理本质上敏感的生物医学大数据(例如，不披露监测情况)[33])，防止使用者对自己的健康作出知情和自主的决定，并将治疗的责任从保健专业人员转移到患者及其照顾者身上[34]。关于人工智能在数字健康中的应用，研究人员一直在广泛讨论几个价值，例如隐私，诚信，责任，和透明度［35，36，以及因违反这些规则而产生的道德挑战。例如，机器学习研究的可解释性和公平性领域试图理解和适当管理使用机器学习模型所引起的特定伦理问题[37，38]。例如，这些关切包括在高风险决策中使用黑箱模型(例如在司法系统和卫生保健方面)[39]以及通过有偏见的预测促进或使歧视永久化[40，41]。

为了减轻伦理风险，提高对数字技术的吸收和影响，研究人员已经开始倡导以患者或用户为中心的数字技术方法[42-46]。这种理解承认与健康相关的大数据的固有敏感性以及对患者或用户的赋权[47，48]。然而，在数字健康干预措施的设计过程和评估中，伦理维度仍然经常被忽视[12，34，49]。

价值敏感设计

价值敏感设计(VSD)是一种突出的方法，旨在克服系统设计和研究中的这一空白[50]。VSD是一个有理论基础的架构，通过在整个技术设计过程中考虑价值来预先体现道德[50，51]。更实际的是，VSD为系统设计的概念、经验和技术调查提供了一种方法，以迭代和综合的方式进行[50，52]。具体来说，在(1)概念调查期间，VSD旨在识别和定义将使用该技术的背景下的相关价值。然后，在(2)实证调查期间，该背景下的利益相关者直接参与评估他们对识别价值的理解。最后，(3)技术调查负责将价值和规范实际转化为技术的具体设计要求[53]。VSD方法有助识别用户对技术的看法所产生的与价值有关的关注和愿望，从而促进技术与用户的价值观和期望相一致，从而促进对该技术的接受和使用[50，52]。VSD最近在数字健康环境中得到应用，例如在开发用于家庭物理治疗的数字助理[54]和预防性健康检查应用程序的设计[55]。在人机交互领域，研究人员建议将VSD作为一个框架，指导将人工智能理解为一个社会技术系统，并衡量人类与人工智能交互中的信任[56]。

然而，尽管迫切需要解决使用数字医疗技术所产生的伦理问题[13-15，57，58以及在工作场所管理压力的必要性[59]，据我们所知，还没有人尝试将VSD用于dSMIs。因此，目前还不清楚哪些值与工作场所的dsm设计相关，或者用户如何理解它们——也就是说，这些值对他们是否重要以及有多重要。同样不清楚的是，干预中JITAI组件的存在是否会影响用户对价值的理解，例如，由于使用ML模型会引起明显的伦理问题。因此，对于工作场所的dSMIs的vsd知情设计，仍然缺乏可操作的建议。

本工作的目的

在本研究中，我们使用VSD框架来回答以下研究问题(RQs):

• RQ1:在工作场所dSMI的背景下，从文献中可以识别出哪些相关的价值?
• RQ2:潜在用户如何理解在工作场所使用或不使用JITAI组件时dSMI的识别值?
• RQ3:用户提出了哪些没有通过文献检索确定的其他价值?

为此，我们采用了VSD的三步入路。首先，我们根据文献确定潜在用户的价值。其次，我们使用基于网络的混合方法研究评估了潜在用户对工作场所dSMI的价值相关关注和愿望的看法。特别是，我们调查了基于样本特征和实验操作(JITAI dSMI与非JITAI dSMI)的用户群体之间的价值理解是否存在差异，以及研究参与者是否提出了任何额外的、新颖的价值相关关注和愿望。最后，我们从价值理解中得出结论，告知在工作场所开发和部署dSMI的具体VSD需求。

方法

文献检索:识别价值

我们进行了一项叙述性文献检索，以确定在工作场所设计和部署dSMI的相关价值(VSD的概念调查;指多媒体附录1有关搜寻的详细资料[15，31，34，35，44，49，54，58，60-75])。这些值是通过两步流程确定的。在第一步中，两位研究人员独立地扫描了检索到的一组文章，寻找在使用技术和高级分析领域讨论的愿望、态度、信念、关注点和需求，以促进健康和工作场所内外的疾病管理。在第二步中，这些构造被合成并聚集到与工作场所的dSMI的设计、开发和部署特别相关的共同的人类价值中。

基于网络的研究:理解价值观

参与者及招聘

由于我们计划调查样本特征和条件的差异，因此我们对双边独立样本进行了G* power的先验功率分析t具有中等效应的测试(科恩)d=0.5)， α为0.05，幂为0.95，显示样本量为210(每种情况105)。参与者是通过一家大型瑞士保险公司内部网的新闻帖子招募的。该公司向个人和其他公司提供保险产品，并拥有国内和国际合作伙伴关系。因此，该公司提供广泛的职位，包括保险经纪人、精算师、风险和资产经理、行政和IT人员、用户体验设计师和人力资源人员。我们的目标是那些主要以数字方式工作的员工，对他们来说，dSMI是最容易实施的。入选标准为:受雇于有关公司，年龄介乎18至65岁，大部分工作时间在电脑前工作。管理人员、专业人员、技术人员、助理专业人员或文书支持人员(即国际标准职业分类- 8的主要类别1至4)可能符合这些纳入标准。招聘启事于2021年8月在网上发布了12天。共有241名参与者完成了问卷调查。

过程

被招募的参与者被转发到大学主办的一个网站，在那里他们参加了大约15分钟的匿名网络研究。具体地说，参加者在参加活动前已被告知不会收集任何可识别身份的资料，他们的IP地址也不会被记录。首先，参与者被要求回答一组初始问题(即样本特征)。然后，参与者被要求观看一段3分钟长的视频，该视频介绍了dSMI的一般目的、特征、要求和好处，以建立对该概念的共同理解。有两个版本的视频，调查提供者被编程随机分配参与者到其中一个。其中一种情况引入了包含基于用户生理和行为数据的监测系统的dSMI，从而启用了JITAI提示(JITAI dSMI条件)，而另一种情况引入了没有任何监测系统或JITAI组件的dSMI(非JITAI dSMI条件)。在所有其他方面，两个呈现的dSMI版本是相同的。在观看完视频后，参与者被要求对介绍给他们的dSMI中与用户接受度相关的项目进行评分(参见表1)多媒体附录2［76-78])。这些问题之后是自行开发的量表，以反映与价值相关的问题(表S2)多媒体附录2）.根据这些量表，参与者对反映价值相关愿望的项目进行评分(参见图1和2）.最后，参与者可以以自由文本的形式分享额外的愿望和关注，并对其进行定性分析。

‎

‎

独立变量

条件

这两个视频都首先向参与者介绍了压力的来源以及压力对他们身心健康的影响。然后，他们向参与者介绍了工作场所dSMIs的概念，这是一种在工作场所用于管理压力的技术支持干预措施。然而，没有具体说明公司中谁将提供这样的干预。我们也没有提到数据将如何存储或处理，也没有提到公司或外部是否有人可以访问这些数据。这些都是我们想在员工看完视频后询问的细节。dSMI通常被解释为在电脑、平板电脑、智能手机上使用的具有多种功能的应用程序。在非jitai dSMI条件下，参与者被告知，这样的应用程序可以包含有关压力、其原因和影响的心理教育。最重要的是，参与者被告知，dSMI可以提供一系列的smi，比如引导放松技术;教授认知行为策略;做体育锻炼的教练; offer biofeedback; provide nutrition advice; and teach time management techniques. Moreover, they were told that they could self-report their current stress level to track their stress levels and stress management progress. The participants in the JITAI dSMI condition received the same information with the addition of the stress detection component. The video explained how a dSMI could offer personal feedback on their current stress level based on bodily data such as cardiac activity or physical activity, which can be measured using not only wearables or their computers, including keyboard stroke dynamics or mouse movements, but also their subjective assessment of their stress level. The computation of their stress level would be done with ML algorithms. Finally, they were informed that this personalized feedback could be used for intervention prompts at opportune moments and to help track their stress management progress.

为了评估两个版本的视频是否成功地向参与者传达了dSMI的概念以及两种情况的区别方面，我们在调查中加入了操纵检查问题。具体来说，参与者被问及视频中呈现的dSMI是否依赖于数字技术来帮助他们管理压力水平(两种情况都适用)，以及(2)是否会收集他们的心脏活动或电脑鼠标移动的数据(仅适用于JITAI dSMI情况)。

样本特征

除了社会人口学问题，参与者的压力水平使用抑郁、焦虑和压力量表(DASS)的压力子量表进行测量[79，80]，由李克特4分量表中的7个项目组成。综合得分可以分为“正常”、“轻度”、“中度”、“严重”和“极度严重”的压力水平。参与者还被问及他们是否已经吃过了卫生技术方面的经验(EXP)用于支持放松，压力管理，心理健康，身体健康或健身和身体活动的目的。最后，参与者对自己的表现进行评分信任卫生技术的倾向(PtT)使用5分李克特量表中的3个项目。此量表改编自Cheung及to [81]。PtT分为“低”和“高”PtT [82，83基于中位数分割。随着实验条件的变化，这些样本特征作为自变量来检验因变量之间的差异。

因变量

由于价值是多方面和抽象的结构，我们的目标是通过特定的与价值相关的关注或愿望来具体化它们，以捕获用户的价值理解。根据确定的值，我们进行评估价值的担忧和价值的愿望每个使用2到4个项目。反映价值相关问题的项目通过取所有项目的平均值，将每个值汇总为1个尺度，而反映愿望的项目则单独评估。所有反射性指标均来源于文献和其他相关工作的现有项目(全部项目参见表S2)多媒体附录2和图1）.此外，我们增加了4个项目，旨在获取价值权衡(图3）.JITAI条件下的参与者还被问及有关包括监测系统(图2和4）.最后，封闭的问题包括评估与用户接受技术相关的结构的量表(参见表1)多媒体附录2）.所有封闭问题的所有项目都以7分李克特量表作答。我们对调查进行了预测，有38名参与者，包括研究人员和外行，这有助于减少调查的项目数量和长度。

‎

‎

统计分析

数据分析使用R(版本4.0.3;R Foundation for Statistical Computing)和RStudio(版本1.4.1103;RStudio Inc .)。检验采用显著性水平0.05。我们的模型的夏皮罗-威尔克正态性检验在大多数情况下是显著的，这表明违反了误差的正态性假设。在某些情况下，基于Levene检验的方差齐性假设也被违反。因此，我们运行非参数t和F测试以探索样本特征和实验操作的任何差异。采用两两比较对显著综合检验进行随访，并采用Benjamini-Hochberg方法进行校正。Cliff delta用于计算效应大小(可忽略:|δ|<0.147;小:0.147≤|δ| < 0.330;介质:0.330≤|δ| < 0.474;大:0.474≥|δ|)。

框架方法分析

我们使用框架方法分析(FMA) [84]探索性地分析参与者的自由文本数据。FMA可以定位在主题分析或定性内容分析的方法中，并帮助发现围绕主题聚集的数据中的异同和关系。要求参与者提供自由文本的回答提供了一种从他们那里提取与价值相关的愿望和关注的进一步信息的方法，这些信息可能在封闭式问题中被遗漏。在我们的案例中，3名研究人员首先熟悉数据(即来自开放问题的文本)，并在FMA之后在参与者的文本中编码陈述。作为初始主题，它们不仅使用已识别的值，还使用与用户接受度相关的变量。此外，他们还扫描语句，寻找与现有主题不匹配的新主题。其次，他们通过识别迭代过程中最常见的主题，开发了一个有效的分析框架。第三，他们分别用商定的开放框架再次对数据进行编码。第四，他们将编码语句绘制到框架矩阵中。最后，他们通过识别所有主题的关键元素来独立地解释数据。 These were then discussed jointly and in the presence of a fourth member of the research team naive to the data.

伦理批准

本研究已获得瑞士联邦理工学院伦理委员会(EK-2021-N-117)批准。

结果

RQ1:文献检索

概述

文献检索(参考)多媒体附录1(查找程序的详细信息)，这是作为RQ1的一部分进行的，在查看标题和摘要时产生了183篇被认为相关的出版物。在这183篇出版物中，24篇(13.1%)在查看全文后被确定为与确定相关值相关(有关选定文章的列表，请参阅多媒体附录1）.在我们的两步流程中，我们确定了与工作场所dSMI的设计、开发和部署特别相关的五个价值观:(1)健康和幸福， (2)隐私, (3)自治(4)身份，和（5）问责制．在接下来的部分中，我们将描述我们如何以及为什么认为这些价值观与工作场所的数字健康干预和监测相关。

确定的值

从文献中出现的一个核心价值是健康和幸福，有时被概括为人类的福利，并被视为“人类内在的基本价值”[54]。根据世界卫生组织[85]，健康被视为"一种完全的身体、精神和社会健康状态，而不仅仅是没有疾病或虚弱"，并受到生物、心理和社会因素的影响[86]，而幸福则是一种积极的情绪和情绪存在，消极的情绪和情绪不存在，对生活感到满意，感到满足，并在生活中发挥作用的状态[87-89]。显然，健康和福祉是任何数字卫生干预措施的主要目标[54];因此，它们对于dSMI的设计具有内在的重要价值。如果不考虑其他价值，任何技术设计都是可以想象的，只要它能改善健康和福祉[54]。然而，忽视其他价值观可能不会导致甚至损害一个人一生的整体健康和幸福[90]。因此，干预应当遵循无害和有益的原则[60]。行善说，治疗应有益于个人健康(例如，预防和减轻压力水平)，而无害说，治疗不应造成伤害(例如，不进一步增加压力水平)。

然后，我们确定隐私，它已被确立为一个核心和基本的伦理主题，并经常在数字卫生技术和大数据的背景下讨论[49]。隐私可以被看作是一种要求，一种权利或一种个人决定自己的哪些信息可以传达给他人的权利[91]。个人私隐涉及享有“私人空间”的权利，以及不受监控或查阅的自由。[44]。与健康有关的数据本质上是敏感的，如果以任何方式暴露，可能导致污名化[44]。由于现场的数字干预通常与可穿戴设备等技术一起工作，因此这种设备的突兀性或可见性可能导致侵犯个人隐私[44]。

的自主权,我们的第三个确定价值，被视为一种基本的心理需求，在心理自决理论中被认为是整体健康和幸福的必要条件[90]。以自主支持的方式设计健康干预措施已被证明可提高长期健康和福祉[61，90]。自主性可以定义为选择和自决的自由、个人作决定的权利和独立的权利[34，49，92-94]。例如，如果个人感到使用dSMI的压力，或者他们无法做出明智的决定，因为他们没有被透明地告知dSMI的性质和所涉及的任何风险，自主权就得不到保障。

然后我们确定了这个值的身份,它可以被定义为人们随着时间的推移对自己是谁的理解，随着时间的推移，包括自我的连续性和非连续性[91]。dSMI可能成为疾病的占位符或疾病的化身，特别是在工作场所，可能增加耻辱并塑造私人和职业身份[34，44，49，95]。个人的身份也有社会方面(即社会身份)，包括持有共同的社会身份或成为社会群体的成员[96]。

最后，我们确定了值问责制，它被定义为仔细审查判断、决定和行动，并使决策者对其后果负责的能力[35]。在数字健康的背景下，这是非常重要的，因为卫生技术提供者不按照通常指导专业心理健康治疗师和临床医生的专业道德准则行事，也不必像研究人员那样回答伦理委员会的问题。62，97]。

用户验收

我们的文献检索显示，除了确定的价值观或更广泛的伦理讨论外，研究人员最常评估的是用户对数字健康技术的接受程度[98-One hundred.]。显然，接受是采用和遵守dSMI的基本要求。因此，我们还在调查中加入了一组用户接受度变量:使用意图，感知有用性，信任，和不信任．在这里，我们依靠Ortega Egea和Román González [101]，他扩展了广泛应用的技术接受模型[76，102在卫生信息技术的背景下增加信任(作为使用意向的预测因素)。

RQ2:基于网络的调查

调查发展和验证

在文献检索和价值识别之后，我们根据识别的5个价值开发了封闭式问题来解决RQ2。关于价值健康和幸福，这是失智性精神障碍诊断的中心目标，关注被分为两个主要方面:关注善行(即不能减轻压力)和关注非恶意(即导致压力增加)[60])。当我们将开发的关注相关项目汇总到量表中时，我们包含了一个表，其中包含了这些量表的验证性因子分析(表S2)多媒体附录2）.此外，我们还创建了4个项目来评估参与者在多大程度上愿意用其他4个价值观来换取从dSMI中获得的更大的健康和福祉。为了评估用户对dSMI的接受程度，我们包括信任，不信任，感知使用意图,有用性作为现有量表的附加因变量(见表1)多媒体附录2）.

样本特征

总共有241名参与者参加了这项基于网络的研究;3个(1.2%)回答因未通过注意力检查而被排除，另外62个(25.7%)回答因未通过操纵检查而被排除。最后，2.5%(6/241)的应答因缺失值而被排除。因此，在241个应答者中，有170人(70.5%)(女性参与者:71/170,41.8%)被纳入最终的数据定量分析。有关示例特性的概述，请参阅表1．

价值的担忧

结果表明，自治关注(AUT;平均值2.63，标准差1.32);身份关注(IDE);平均值2.14，标准差1.37)问责制关注(ACC;(平均2.91，标准差1.24)处于1至7分范围内的较低范围，而参与者的隐私关注(PRI;平均值3.69，标准差1.81)，但变异性较大(另见图5）.健康和幸福担忧(健康和福祉方面的担忧[ben HEA]，即无助于压力管理:平均值3.63，标准差1.51;对于非恶性行为(异常HEA)，即没有进一步增加压力水平(平均值4.19，标准差1.62)的健康和福祉担忧也属于中等水平。至于与价值相关的关注点之间的关系，显著的关联都是正的，性质上是小的或小到中等的(关于零阶相关性，请参见表S3)多媒体附录2）.

‎

JITAI dSMI参与者的中位PRI为4.33，而非JITAI dSMI参与者的中位PRI为2.83。一个Mann-WhitneyU经检验，差异有统计学意义(JITAI: n=100, non-JITAI: n=70;U= 4322.5,P=。009年,δ= 0.24;图6）.JITAI dSMI患者的中位ACC为2.67，而非JITAI dSMI患者的中位ACC为2.33。一个Mann-WhitneyU经检验，差异有统计学意义(JITAI: n=100, non-JITAI: n=70;U= 4145,P=。04,δ= 0.18)。低PtT组的中位ACC为3.00，高PtT组的中位ACC为2.33。一个Mann-WhitneyU经检验，差异有统计学意义(低:n=92，高:n= 78;U= 4359,P=。02年,δ＝0.22)。低PtT组的HEA中位数为4.00，高PtT组的HEA中位数为3.25。一个Mann-WhitneyU经检验，差异有统计学意义(低:n=92，高:n=78;U= 4576.5,P=。002年,δ＝0.28)。Kruskal-Wallis测试显示，在不同的压力水平下，正常HEA的中位数有显著差异(H_3.= 10.72,P=。01,η²= 0.05)。Post hoc Mann-WhitneyU测试表明，只有正常应激水平个体(异常HEA中位数为4.00)与严重至极严重应激水平个体(异常HEA中位数为5.33)之间存在显著差异(正常:n=107，严重至极严重:n=63;U= 15 = 434,P=。02年,δ＝0.46)。其余样本特征在AUT、PRI、ACC、IDE、ben HEA或正常HEA方面均无差异(详细结果见多媒体附录3）.

‎

健康的权衡

以了解参与者愿意在多大程度上交换价值隐私，自治，身份,问责制更多的健康和幸福福利，我们问他们在多大程度上同意在图3．里面的项目图3根据标有“完全同意”的回答的百分比排序(右边最暗的阴影，从最高到最低的百分比)。例如，超过20%的参与者完全愿意让dSMI跟踪更多他们的个人数据，如果这能增加他们的健康福利。

价值的愿望

这一部分包括参与者对描述在工作场所设计、开发和部署dSMI的价值相关愿望的项目的评分。里面的项目图1在它们反映的每个值下面列出，并根据标记为“非常重要”的回答的百分比排序(右边最暗的阴影，从最高到最低的百分比)。例如，在隐私价值方面，约80%的参与者认为第一项(即能够随时删除所有收集的个人数据)“非常重要”。

jitai的具体关注和愿望

这一部分包括参与者对描述JITAI dSMI使用的关注和愿望的项目的评分。当想象在工作中使用带有JITAI组件的dSMI时，参与者被问及他们在多大程度上同意以下陈述。里面的项目图2根据标有“完全同意”的回答的百分比排序(右边最暗的阴影，从最高到最低的百分比)。例如，大约40%的参与者完全同意，他们希望能够告诉带有JITAI组件的dSMI，他们是否认为反馈是不准确的(参见图2）.

用户验收

结果显示，使用意向的平均水平(INT;平均4.60，标准差1.66)，感知有用性(USE;平均值4.12,SD 1.40)，信任(平均值4.25,SD 1.17)和不信任(平均值3.73,SD 1.18)均位于1至7分可能范围内的中等范围内(Cronbach α，见表S4，图S1)多媒体附录2）.低PtT组的中位INT为4.33，而高PtT组的中位INT为5.50。一个Mann-WhitneyU经检验，差异有统计学意义(低:n=92，高:n=78;U= 2099.5,P＜.001年,δ= 0.415)。低PtT个体的中位数使用为3.83，而高PtT个体的中位数使用为5.00。一个Mann-WhitneyU经检验，差异有统计学意义(低:n=92，高:n=78;U= 1796.5,P＜.001年,δ＝0.50)。无EXP个体的使用中位数为4.00，有EXP个体的使用中位数为5.00。一个Mann-WhitneyU经检验，差异有统计学意义(无EXP: n=129和EXP: n=41;U= 1861.5,P=。004年,δ＝0.30)。Kruskal-Wallis测试的结果显示，个体在使用方面的压力水平有显著差异(H_3.= 7.82,P=。05年,η²= 0.03)。然而，在benjamin - hochberg校正后，事后两两比较并没有保持显著性。低PtT个体的信任中位数为4.00，高PtT个体的信任中位数为4.67。一个Mann-WhitneyU经检验，差异有统计学意义(低:n=92，高:n=78;U= 2033,P＜.001年,δ＝0.43)。无经验个体的信任中位数为4.00，有经验个体的信任中位数为4.67。一个Mann-WhitneyU经检验，差异有统计学意义(无EXP: n=129和EXP: n=41;U= 1999.5,P=。02年,δ＝0.24)。低PtT个体的不信任中位数为4.00，高PtT个体的不信任中位数为3.33。一个Mann-WhitneyU经检验，差异有统计学意义(低:n=92，高:n=78;U= 4806,P＜.001年,δ＝0.34)。无经验个体的不信任中位数为4.00，有经验个体的不信任中位数为3.67。一个Mann-WhitneyU经检验，差异有统计学意义(无EXP: n=129和EXP: n=41;U= 3253.5,P=。03年,δ＝0.23)。其余的样本特征在INT、USE、trust或不信任方面没有发现其他差异(详细结果请参考)多媒体附录3）.

分享数据的意愿

为了评估参与者是否愿意分享不同类型的数据源来管理他们的压力，并在JITAI的帮助下改善他们的健康和福祉，我们询问他们是否愿意分享主观压力症状、心脏活动、键盘使用、电脑鼠标运动、心理健康状况、身体姿势和眼球运动方面的数据。里面的项目图4根据标有“完全愿意”的回答的百分比排序(右边最暗的阴影，从高到低百分比)。例如，超过40%的参与者报告说，他们不愿意分享他们用电脑上的摄像头记录的眼球运动和身体姿势的数据。

RQ3:价值相关关注和愿望的FMA

概述

这两个开放式问题促使参与者分享任何额外的愿望或担忧，170名参与者中有70人(41.2%)总共回复了85条短信。我们对这85个回答进行了FMA来回答RQ3。我们发现所有我们确定的价值观(即健康和幸福、自主、隐私、责任和身份)都是参与者陈述的主题。除了现有的，新的主题从围绕工作场所的dSMI的关注和愿望的声明中出现。新的主题包含了价值可积性，独立数字,和用户友好性．主题是按照出现频率的顺序进行讨论的(确切的次数在括号内注明)，并按“关键元素”进行组织。归纳主题饱和[103在对85份回复中的13份进行分析后，没有发现新的主题。

健康和福祉

参与者最常提到的是对健康和福祉的愿望和关注(n=37)，并经常讨论失重精神障碍是否有助于减轻压力或根本没有影响(关键因素:有效性）.此外，一些参与者认为dSMI只是另一个很快就会被遗忘和闲置的小玩意(只是另一个小玩意）.参与者还担心，由于数字互动的增加和更容易分心，这会进一步加剧他们的压力。问题永存)或它不会解决压力的来源(症状与原因）:

dSMI是在压力和不知所措时放松的有效补充。但这完全取决于用户的意愿。不幸的是，在这个时代，dSMI只有助于治疗症状，而不是原因。
(参与者44)

隐私

参与者提出了许多涵盖一系列主题的PRI (n=21)。最常见的是，参与者担心如果与管理层分享数据，会受到雇主的监视和控制(监测）．同样，参与者担心如果看到硬件或软件磨损，其他人可能会知道他们在使用dSMI()。可见性）.关于在工作场所收集个人和健康相关数据而普遍丧失隐私，也提到了数据本身的敏感性(数据的敏感性）.这还包括担心数据会与健康保险公司共享。与会者亦关注资料的储存方式和地点，以及能否防止未经授权的查阅(数据安全）:

数据必须转移到外部独立公司的服务器上，该服务器已经过(机密性和数据保护方面的)适当认证。
[参与者3]

自治

参与者关于自主性的陈述是多方面的(n=18)。最常见的是，人们提出了对dSMI产生依赖的担忧(依赖）.这包括有使用它的压力，没有它就无法控制压力，因为它可能取代个人的自我意识和对症状和情况的感知。此外，参与者会重视与dSMI互动的方式和频率是可调整和个性化的(控制）.与会者还指出，在工作场所自愿使用精神健康指数的重要性，而不是被管理部门强迫使用(自愿使用）:

公司不能强迫/宣传/“奖励”它太多，这样就不会有使用它的压力或期望。
参与者[58]

可积性

从FMA中出现的一个新价值是，一些参与者希望将dSMI无缝集成到现有的硬件中，包括台式电脑、笔记本电脑、智能手机、智能手表和健身腕带，而不必购买和使用额外的设备(n=13)。此外，一些与会者希望能够将dSMI数据与来自其他应用程序的其他健康相关数据连接起来:

我希望能以一种简单的方式比较生物和心理机制。例如，在不同周期阶段的表现，睡眠质量和压力水平等。
(98年参与者)

问责制

关于问责制(n=12)，参与者经常提到数据应该转移到并存储在知名的认证公司(信誉)．对于测试dSMI的有效性，参与者有不同的看法。其中一名与会者表示希望在公司所有部门广泛测试dSMI，而其他与会者则担心，如果将特别脆弱的员工(例如压力大和有倦怠风险的员工)作为小白鼠来测试这种系统，可能会很危险(测试计划）.与会者还希望由一名医疗专业人员监督一项dsm，并以可信和可信赖的方式将医患特权纳入一项dsm (保密）.提出的另一个重要观点是，雇员的健康应由雇主而非雇员负责(责任）.与会者担心，像dSMI这样的数字化解决方案很容易将责任转移到个人身上:

然而，(dSMI)不应该是(管理压力的)唯一措施。否则，责任就隐含地落在了员工身上，这是错误的。用人单位应当承担主要责任。
(136年参与者)

独立数字

对我们称之为数字独立的新兴价值提出担忧的参与者主要表示，他们不希望更多的技术和数字互动主宰他们的生活(12项)。此外，他们认为“数字排毒”是减少压力的更明智的选择，而不是与另一种数字解决方案互动。

在我看来，数字排毒是一种更好的减压方式。
(61年参与者)

少数员工(7/ 70,10 %)对在工作场所使用dSMI表现出抵制或抗拒，反映在更情绪化和极端的陈述上。例如，一位参与者写道，他们会拒绝使用dSMI，即使这意味着辞职。

用户友好性

在用户友好性方面，参与者的愿望似乎是一致的(n=9)。也就是说，他们看重的是一个简单而有逻辑的设计，不要过于“超载”，并使用吸引人的颜色(简单的设计)．在功能方面，设置要设计得直观易懂(简单的使用）.此外，参与者希望有一个可以关闭并进入休眠状态的系统，提醒他们回来锻炼。适应性）:

如果你太频繁地点击练习，这就需要以某种方式发出信号，否则就失去了好处。
(127年参与者)

身份

以身份为主题的陈述出现的频率最低(n=4)。参加者所提到的主要方面是雇主应认可职业发展评估表，而使用职业发展评估表不应对专业或个人造成不利影响(识别）.

讨论

概述

在这项研究中，我们从文献中提取了一组与工作场所dSMI的设计、开发和部署有关的价值，作为VSD框架概念调查的一部分。随后，VSD以基于网络的实验形式对识别值进行了实证调查。在这里，我们使用混合方法来调查潜在用户如何理解识别值，JITAI组件如何影响这些值的重要性，以及参与者的反应是否会产生新的值。

样本特征

在我们的研究参与者中，男性(99/170,58.2%)略多于女性，这一比例反映了公司的统计数据(即，59%的男性)，而经理(78/170,45.9%)比正式员工少，也反映了公司的统计数据(即，42%的经理)。在年龄方面，样本中大多数员工(89/170,52.4%)的年龄在30至50岁之间，以及公司整体(55%)，而年龄<30岁的员工(研究:27/170,15.8%;公司:13%)和年龄>50岁(研究:53/170,31.1%;公司:32%)在数量上也有类似的表现。大多数参与者(144/170,84.7%)有卫生技术的经验，特别是为了健身和体育活动(133/170,78.2%)。这个数字略高于其他调查人们对移动医疗和电子医疗态度的研究;例如，在Zia等人的研究中，48.9%的参与者报告使用过移动医疗[65]，而65%的参与者表示在过去使用过与健康相关的应用程序。99]。可以说，已经体验过这些技术的员工可能更倾向于参与研究，这反映了一种自我选择偏见。至于压力水平(DASS)，三分之一(48/170,28.2%)的参与者经历了轻度到中度的压力水平，而十分之一(15/170,8.8%)的参与者在过去一周经历了严重到极严重的压力水平[79，104]。这些发现与2022年瑞士工作压力指数的结果一致，其中28.2%的瑞士员工被归类为极度压力。59]。

对于FMA，我们依赖于170名参与者中的70名(41.2%)的子样本，他们提供了关于额外关注或愿望的开放性问题的答案。在这里,探险的χ²测试显示，提供自由文本回复的参与者和没有提供自由文本回复的参与者在特征(即年龄、性别、职位、PtT、DASS和病情)方面没有显著差异。相对较低的回复率可能表明，对大多数参与者来说，调查的封闭项目成功地解决了他们在工作场所围绕精神分裂症的所有主要价值相关问题。

员工与价值相关的关注和愿望

健康和福祉

我们研究的参与者高度关注dSMI的有效性，担心它甚至会放大他们的压力水平，特别是那些已经有严重到极其严重压力的员工(与正常压力水平的员工相比)。事实上，信息、通信和计算机技术以及一般的数字化都可能成为压力的来源，也被称为“技术压力”[105]。健康和福祉无疑是潜在用户的核心价值。尽管如此，健康和福祉作为一种价值的中心地位并不排除在这方面可能与之相冲突的其他相关价值[54]。

隐私

参与者也高度关注隐私，当他们被介绍给JITAI dSMI时更是如此。这强调了隐私作为一种价值的重要性，特别是在收集大数据和使用ML决策系统的情况下[63，106]。如果这些个人数据被公司管理层识别和访问，员工可能会担心歧视和分析(例如，帮助决定谁升职，谁被解雇)。定性分析进一步显示，员工也担心失智精神障碍的组成部分的可见性，这可能与一种被称为突发性的现象有关，即一种被同事或管理层监视或监视的感觉[44，107]。至于数据来源，参与者最不愿意分享身体姿势和眼球运动的数据，以帮助管理他们的压力水平和心理健康。这些发现与另一项研究的结果一致[98研究发现，知识型员工对使用可穿戴设备更感兴趣，其次是分享鼠标和键盘的使用数据，而不是被录下来追踪压力水平。总的来说，虽然隐私的某些方面似乎是不可协商的，但如果共享更多的数据会带来更多的健康益处，那么在设计dSMI时就没有什么回旋余地了。

自治

西方医学伦理学将自主权视为最重要的伦理原则[108]，这反映在回答开放性问题时与自治有关的陈述的数量上。相比之下，AUT在封闭问题量表上的评分相当低，尽管FMA揭示的一些关键因素在量表的封闭项目中得到了反映(即，变得依赖和感到压力)。在用自主权换取更多健康利益方面，人们倾向于放弃对与dSMI患者互动的一些控制。专业人士的观点强调，在互联网或移动设备支持的干预措施中，卫生保健专业人员有责任始终平衡患者的自主权和治疗护理，尽管这是具有挑战性的[64，109]。

身份

IDE的评分相当低，几乎没有被提及，这似乎与围绕工作场所心理健康问题的普遍耻辱相矛盾。110-112]。然而，少数员工表示，他们的雇主应该承认并支持使用dSMI，这与AUT提出的dSMI不应该被雇主“推动”或“过度宣传”的观点有些冲突。在以身份换取更多健康利益方面，并非所有参与者都愿意佩戴更明显的身体部位。设备或系统的可见性与隐私和身份的价值有关[95]。例如，一名员工可能会害怕在佩戴dSMI的可见部分时受到不同的对待或看待。Zia等[65研究还发现，参与者不太愿意使用需要一个可见配件来控制胃肠道症状的健康应用程序。综上所述，员工主要关心的是他们在声誉和工作中与他人的关系方面的身份认同，而不是威胁他们的自我形象。

问责制

具有JITAI dSMI的个体的ACC显著高于非JITAI dSMI的个体。然而，差异的效应量很小。此外，低PtT的个体比高PtT的个体有更大的ACC。这一发现与之前关于自动化信任的研究有关，该研究发现，不同水平的PtT会影响个人对使用自动化系统(如JITAIs)相关的风险和不良后果的反应[113]。定性分析表明，不应将员工福祉的责任完全转移到员工身上，而应由卫生专业人员陪同部署。事实上，以“赋予病人权力”为幌子，将责任从专家转移到个人身上，是一种已知的道德风险，可能会增加个人的压力水平和心理健康问题[114]。当涉及到与使用ML模型进行压力检测直接相关的问责制时，用户似乎只是想知道他们收到了一个提示，因为来自某些数据源的特定压力水平，而不是那么多关于ML模型如何准确地到达这个输出。这些结果可能还表明，健康和福祉，即dSMI的有效性和结果，而不是JITAI的内部运作，是一个优先事项。这是相当令人惊讶的，因为ML模型以其不透明性和难以理解而闻名[115]和误解他们提供的信息的风险[116]。

数字独立性、可集成性和用户友好性

数字独立作为FMA的新价值出现，与自治、健康和福祉密切相关。数字独立的自主相关方面包括不想被“数字世界”控制或支配，并认为太多时间花在网络上或花在设备上，即所谓的“数字过度使用”。117]。过度使用数字设备会让用户感到不满，并促使他们采取旨在减少互动时间、帮助恢复自主性和幸福感的“排毒”策略。117，118]。我们的研究表明，有一小部分人对任何用于管理工作场所压力的数字解决方案都不感兴趣，其中包括一小部分人，他们对在工作场所使用dSMI表现出某种形式的抵制或抵触，这与其他关于工作场所感觉追踪的研究结果一致(例如，Strömberg和Karlsson [119])。然而，VSD可以帮助创造数字健康技术，而不是通过设计来促进过度使用[117]。

最后，可集成性和用户友好性也作为FMA的新价值出现。特别是，一些用户要求限制与dSMI交互所需的不同设备的数量，这是减少数字主导地位的一种方法。

用户验收

在手头的样本中，使用dSMI的感知意图和dSMI的感知有用性是中等到高的，而变异性也很高。一些可变性可以用一个人的一般PtT程度和他们之前的EXP来解释。在2021年的一项研究中，Kallio等人[98]调查发现，75.5%的受访者普遍对监测工作中的压力水平感兴趣。Lentferink等的定性分析[120也发现了在工作场所使用dsm的支持。在哪些特征可以解释用户接受度方面，我们发现具有高PtT的人比具有低PtT的人有更大的使用意图和更高的有用性评级。我们的研究结果还表明，先前的经验增加了信任水平，降低了dSMI的不信任水平。这与之前的研究一致，即先前的经历直接影响信任的发展[121]。

导出特定的设计要求

作为VSD技术调查的一部分，我们现在根据概念和实证调查的结果，就设计、招聘和部署的不同层面以及在工作场所日常使用dSMI提出了一组具体要求。具体来说，这些设计要求适用于在工作时间使用的dSMI，无论是在办公室还是在家庭办公室，而不是在员工的闲暇时间。

设计

在数据方面，参加者的回应显示应尽量减少收集的数据("尽量减少数据" [120，122])。如果可能的话，一个了解vsd的dSMI应该使用更不显眼的数据源来计算员工的压力水平。共享健康相关数据的意愿也在很大程度上取决于与谁共享数据以及共享数据用于何种目的[123]。在这里，我们的结果表明，不应以可识别的或非聚合的方式与第三方共享数据，特别是与管理层共享数据。应该始终授予用户访问其原始数据的权限，以及不可逆地完全删除其数据的选项。收集到的数据应尽可能在本地设备上存储和处理(即客户端处理)。对于必须在外部处理和存储的数据，数据管理应该由经过认证的第三方监督和执行，而不是在公司服务器上。关于通知vsd的dSMI的系统设置，用户应该始终能够调整隐私程度，包括共享数据的种类、数量和与谁共享。此外，关于压力水平反馈和练习的设置应该尽可能个性化和可调。尽管JITAI可以推断出干预交付的最佳时机[124]，与干预措施相互作用的数量和时间窗口仍应是可控的。提示和反馈都应该提供透明且易于理解的预测解释，如果用户认为压力水平预测不能反映他们自己的评估，则可以选择与专家一起审查压力水平反馈。它们还应适应用户能力的提高和进步，以培养用户的自主性。最后，dSMI应该尽可能地集成到现有的和常用的设备中，并在可用的操作系统上运行。界面的设计应该是简单易懂的，以及容易和直观的使用。

招聘及部署

在工作场所招聘员工使用dSMI应该谨慎处理。将dsm作为一种健康技术而不是作为一种临床产品进行营销可能会减少耻辱，因为它们与疾病或疾病没有直接联系[44]。公司应该在认可和宣传dsmi和支持员工之间找到适当的平衡，而不是暗示期望或强迫他们参与。这对于确保员工的隐私、自主权以及职业和个人身份非常重要。由于必须至少有1个部门参与在工作场所提供安全隐患调查，因此可由外部公司在卫生专业人员的支持下提供安全隐患调查，但由负责促进工作安全的人力资源部门宣传和支持，而不是由管理部门提供。这可能有助于减轻被管理人员监视的担忧，或者感觉受到管理人员使用dSMI的压力。此外，在全公司范围内实施dSMI可以帮助消除污名化[95]。在招聘和入职过程中以及整个使用期间，应提供涉及隐私和问责制方面的透明和完整的信息(即条件或知情同意)。这将使自主和独立的决策成为可能，并促进dSMI的可信度。

使用

员工希望通过干预来培养独立性、自主性和能力。在更高一级，与会者希望进行干预，确保自愿使用和参与。在较低的层次上，参与者希望通过提供一系列可供选择的压力管理方法(“一种解决方案不适合所有人”)并附有明确的解释，来确保对设置和系统本身的控制。一般来说，用户希望限制dSMI的使用以及对日常生活的干扰。该系统还应提供进度更新和调整用户反馈。在遇到问题、疑问或紧急情况时，应提供与卫生专业人员或技术人员的联系。在监测和jitai特定属性方面，用户希望能够告知dSMI他们认为压力水平反馈是错误的，并获得为什么触发干预提示的解释。我们的研究还表明，员工更担心被贴上压力的标签，即使他们没有压力(假阳性)，而不是被贴上压力的标签，即使他们有压力(假阴性)。因此，预测压力水平的ML模型应该相应地设计以考虑这种趋势。最后，关于隐私和问责制的考虑表明，JITAI和监视组件可能不是每个对dSMI感兴趣的人的解决方案。 Therefore, a VSD-informed dSMI should offer the option to deactivate and activate the monitoring and JITAI component and the associated data collection at any time. Furthermore, companies should offer nondigital alternatives to dSMIs for helping their employees manage stress levels to satisfy the value digital independence.

限制

这项研究有一系列的局限性。首先，我们不能排除参与者对dSMI有不同的先入为主的想法和概念，它的作用，它的能力(例如，与谁共享数据，收集什么数据，以及他们可以和应该在哪里使用dSMI)。因此，参与者可能会从视频中得出不同的结论，并对dSMI有不同的理解。这些差异可能会影响它们的用户接受等级以及它们所报告的问题的类型和程度。其次，为了避免在非JITAI dSMI条件下潜意识地使参与者产生偏见，他们的视频没有明确声明所呈现的dSMI中没有任何JITAI成分。因此，尽管被分配到非JITAI的dSMI条件下，一些参与者可能会想象出JITAI。虽然我们希望通过操纵检查确定所有参与者，但这种设计固有地导致了两种实验条件之间的轻微不平衡。第三，尽管我们认为我们涵盖了适用于dSMI背景的最基本的伦理问题和关注点，但从文献检索和FMA中出现的建议值列表是一个起点，既不详尽也不完整。第四，虽然我们借鉴了现有的文献，并检查了我们的项目和量表的效度和信度，但调查是自主开发的;因此，需要更彻底的测试来验证这些量表。 Fifth, we cannot rule out a self-selection bias in our sample. Perhaps we recruited already technology-affine individuals and more suspicious and critical employees rather than the moderate center. The recruitment pool was also limited to a single Swiss insurance company, which might further limit the generalizability of our results. Finally, although the post hoc power of medium effect sizes lies in the acceptable to desired range of 0.75 and 0.80, the post hoc power of small effect sizes was around 0.30. These estimates warrant further research with larger samples to replicate and validate our findings, especially because this is the first study to apply VSD in the context of dSMIs at the workplace.

结论

VSD集成并尊重社会技术系统的社会方面，例如dSMI，通过提供一个框架来指导将价值转化为特定的设计需求。据我们所知，这是第一个将VSD应用于工作场所的dSMI的研究。通过VSD，我们确定了工作场所dSMI的主要价值观(即健康和福祉、隐私、自主权、问责制和身份)。总的来说，在员工中有一个普遍的兴趣和意愿来尝试和使用dsm。在与价值相关的愿望和关注方面，员工的回答强调了部署自愿、有效和易于使用的dSMI的重要性，这种dSMI不会增加“技术压力”，尤其是在风险员工中;可以被问责;并保护用户隐私，当dSMI包括生物医学大数据的收集和处理时，更是如此。由于也有少数员工普遍担心被技术主导，我们建议为员工提供非数字产品来管理压力。综上所述，本研究的结果和我们的研究方案促进了旨在以可操作的方式管理工作压力的数字健康干预措施的VSD。