Supporting Physical Activity Behavior Change with LLM-Based Conversational Agents

体育锻炼对健康有很大的益处，但仍有大部分人保持不运动。移动健康应用程序显示出低成本、可扩展的促进体育锻炼的潜力，但现有方法通常不够个性化，无法考虑用户的背景和生活环境。在这项工作中，我们探索了基于大型语言模型（LLM）的会话代理在激励身体活动行为改变方面的潜力。通过对12名健康专业人士和10名非专业人士的形成性访谈，我们确定了LLM健康教练的设计考虑因素和机会。我们提出了GPTCoach，这是一个聊天机器人，实施了基于证据的健康教练计划，使用了动机性面谈的咨询策略，并可以通过工具使用查询和可视化健康数据。我们在16名参与者的用户研究中将GPTCoach作为技术探针进行评估。通过定量和定性分析，我们发现有希望的证据表明GPTCoach可以坚持健康教练计划，同时采用促进性、支持性和不评判的语调。我们发现GPTCoach主动利用数据以促进动力和赋权的能力的支持程度更加不稳定。最后，我们讨论了我们的发现、未来研究的影响以及风险和限制。

探索利用大型语言模型（LLM）的对话代理来促进身体活动行为改变，以解决人们缺乏身体锻炼的问题。

设计了一个基于GPT-3的聊天机器人，实现了基于证据的健康辅导计划，使用了激励性面试中的辅导策略，并通过工具使用查询和可视化健康数据。

通过对16名参与者的用户研究，发现GPTCoach能够遵循健康辅导计划，同时采用促进、支持和不带评判的语气。但是，在积极利用数据方面，支持程度较为不确定。

近期的相关研究包括：1.使用机器学习预测身体活动行为的研究；2.利用移动健康应用程序来促进身体活动的研究。