MoveMentor是一项平行组、两臂、优越性随机对照试验，采用1:1分配比例，研究一款基于应用程序的数字助手在提高身体活动方面的有效性，与未接受干预的对照组进行比较。鉴于这种干预的新颖性，我们首先需要建立其相对于真实对照组的有效性，之后再将其与其他替代干预措施进行比较。对照组将在最后一次评估完成后获得使用该干预的机会。
参与者将通过Facebook广告招募198名参与者，随后随机分配到干预组或对照组。干预组的参与者可以获得一个基于应用程序的身体活动数字助手，该助手能够实时学习和适应，通过应用多种机器学习技术（例如强化学习、自然语言处理和大型语言模型），实现高度个性化和用户参与度。该数字助手将以三种主要方式与参与者互动：(1) 关于身体活动的教育对话；(2) 适时的个性化应用内通知（“轻推”），促使身体活动的行为提示；(3) 基于聊天的身体活动问答。此外，该应用还包括自适应目标设定和行动规划工具。对照组将在6个月等待期后获得干预机会，期间不会收到Fitbit活动监测器。
结果将在基线、3个月和6个月时进行测量。主要结果是由设备测量（Axivity AX3）的中等到剧烈强度的身体活动。次要结果包括应用参与度和保留率、生活质量、抑郁、焦虑、压力、久坐时间、睡眠、工作效率、缺勤率、出勤但效率低下以及习惯强度。
讨论部分指出，这项试验为研究新一代数字干预措施的有效性提供了独特的机会，这些干预措施使用强化学习（即时上下文相关的轻推）和实时数据来提供高度个性化的身体活动促进应用。通过解决现有对话代理的局限性并应用先进的机器学习技术，我们希望为更有效和可适应的干预措施铺平道路。
干预措施的核心是一款独立的智能手机应用_MoveMentor_，适用于Apple和Android操作系统。该应用与身体活动追踪器（如Fitbit）配合使用。应用的主要功能是身体活动数字助手（即聊天机器人或对话代理）。虽然该数字助手在应用商店中的名称为_MoveMentor_，但用户可以在应用中更改其名称，并选择三个主要角色之一（即默认的_MoveMentor_、MoveMate 或 MyPT），或者为其选择自己的名字和图像。
数字助手通过以下三种主要方式与参与者互动：(1) 教育对话；(2) 轻推（通过智能手机推送通知）；(3) 聊天问答（Q&A）。对话内容涉及身体活动的教育内容，通过互动式“对话”或“聊天”传达给参与者。对话的目的是鼓励参与者变得更加活跃，并满足国家身体活动指南的要求（即每周150至300分钟的中等到剧烈强度的身体活动），同时支持他们克服变得活跃的任何困难。对话由Google的Dialogue Flow支持，使用自然语言处理技术使对话更加流畅。示例对话主题包括“发展持久活动习惯”、“是什么阻止你活动？”、“充分利用你的环境”、“与他人一起活动”和“建立活动信心”。在对话过程中，_MoveMentor_会询问参与者有关身体活动的问题，并根据他们的回答提供个性化建议。每次对话结束后还会提供额外资源供进一步阅读、观看或收听。对话设计时长不超过5至10分钟。在应用首页上会向参与者列出对话列表；不过，参与者还将通过“轻推”（即通知）提醒来参与这些对话。如果参与者愿意，可以多次进行同一对话。对话内容参考了自我决定理论和社会认知理论。
基于“轻推”和“COM-B”理论（能力-机会-动机和行为），参与者会被推动采取行动。“轻推”（通过智能手机推送通知发送）应被视为即时适应性干预措施（JITAI），它利用实时数据动态应对用户需求，在恰当的时间提供适当的行动提示，以协助长期习惯形成。轻推的时间和内容由机器学习算法决定，这些算法通过试错法学习谁在何种情况下适合什么方法。机器学习算法被训练得越来越个人化，并会利用来自活动追踪器的实时反馈，了解哪些轻推有效，哪些无效（即轻推后身体活动增加与否）。有效的轻推会被加强，而无效的轻推则会逐渐淘汰。具体而言，“情境老虎机”方法被用来在合适的时间发送合适的轻推，这是一种强化学习类型。情境数据来源于参与者的应用偏好和设置（通过入职调查获取）、参与者与应用和数字助手的互动、来自活动追踪器的身体活动数据、轻推评分（即喜欢或不喜欢）以及天气数据（根据参与者当前位置推荐室内或室外活动）。已经开发了一个广泛的轻推库，用于通过推送通知发送给用户。该库包含一系列轻推类别，从中随机选择轻推。然而，以前用过的轻推除非该类别中的所有其他轻推都已使用过，否则不会再次使用。轻推类别的例子包括“每日早晨检查”、“每周行动计划回顾”、“活动建议”（例如激励性的，基于已知参与者特征的，基于天气的）、“激励性”（即鼓励达到每日活动目标）、“教育性”（即身体活动事实、技巧和窍门）、“连续性”（即重复达成每日目标）、“里程碑”（例如记录超过一百万步）等。强化学习算法在6个月内通过300名beta测试者的帮助进行了训练，以提高其性能。
最后，参与者可以通过提问与数字助手互动，提出关于身体活动的相关问题。对于未预先编程的问题（例如，“我小腿肌肉疼痛，如何还能保持活动？”），答案由Alphabet Inc.旗下的Gemini生成，这是Google的机器学习和自然语言生成模型（一种类似于ChatGPT的大型语言模型）。为了生成最佳答案，将向Gemini发送额外的上下文信息。这包括之前的对话、用户的用户名、最近的身体活动、当地天气及其他应用使用过程中提供的信息。答案由Gemini算法生成。
除了与数字助手的互动和个人化功能外，MoveMentor 应用还包括其他功能，其中适应性目标设定和行动规划是最重要的一部分。每天早上，参与者会收到一个日常活动目标（以步数或活动分钟表示，视参与者偏好而定）。该目标基于前一天是否达到了活动目标以及过去4周内的平均身体活动量。目标设计为随着时间缓慢增加，与参与者的实际表现相一致，直到达到参与者的“长期活动”目标（作为行动规划过程的一部分定义），此时目标停止增加。如果参与者持续未能达到每日活动目标，则目标将逐步减少，以更好地符合参与者的活动进程。
鼓励参与者参与行动规划过程。此次对话旨在帮助参与者制定每周行动计划。如果参与者要实现其长期目标，就需要具体的短期行动。因此，行动计划帮助参与者明确他们将参与的身体活动类型、地点、每周次数、星期几、一天中的时间、每次活动持续时间以及可能一起活动的人员。为了有效，行动计划需要定期更新，数字助手将每周发出一次提醒，让参与者审查其行动计划。
对照组参与者在6个月等待期结束前无法获得干预措施，也不会收到Fitbit活动监测器。
(全文结束)
