GPTCoach: 面向基于 LLM 的身体活动指导
人机交互
2025-03-21 v2
摘要
移动健康应用在可扩展的身体活动推广方面显示出前景，但往往不足以实现个性化。相比之下，健康教练提供高度个性化的支持，但可能昂贵且难以获取。本研究借鉴健康教练的理念，探索大语言模型 (LLM) 如何解决移动健康中的个性化挑战。我们对 12 名健康专业人员和 10 名潜在教练受试者进行形式化访谈，以制定基于 LLM 的健康教练设计原则。随后我们构建了 GPTCoach，一款聊天机器人，实现了基于证据方法的教练项目的 onboarding 对话，使用动机访谈中的对话策略，并整合可穿戴数据以创建个性化的身体活动计划。在针对 16 名受试者（使用三个月的历史数据）的实验室研究中，我们发现 GPTCoach 有前景地收集丰富的定性信息以提供个性化支持，用户对分享关切感到舒适。我们随后提出了针对 LLM 基于身体活动支持的未来研究的含义。
引用
@article{arxiv.2405.06061,
title = {GPTCoach: Towards LLM-Based Physical Activity Coaching},
author = {Matthew Jörke and Shardul Sapkota and Lyndsea Warkenthien and Niklas Vainio and Paul Schmiedmayer and Emma Brunskill and James A. Landay},
journal= {arXiv preprint arXiv:2405.06061},
year = {2025}
}
备注
Please note that the title has been updated from a previous pre-print (previously: "Supporting Physical Activity Behavior Change with LLM-Based Conversational Agents")