利用状态与用户特征预测行为：虚拟教练劝说吸烟者进行戒烟准备

尽管在用于行为改变的电子健康应用中十分普遍，劝说性消息对行为的影响往往较小。被劝说者的状态或条件（如信心、知识、动机）与特征（如性别、年龄、人格）是选择更有效劝说消息算法中两个有前景的组成部分。然而，考虑这些组成部分能在多大程度上预测劝说尝试后的行为，尤其是长期行为，目前尚不够清楚。由于收集许多算法组成部分的数据成本高且给用户带来负担，更好地理解各组成部分在实际中的影响是受欢迎的。这有助于就使用哪些组成部分做出明智决策。因此我们开展了一项纵向研究，其中虚拟教练劝说671名每日吸烟者进行戒烟和增加身体活动的准备活动，例如设想自己期望的未来自我。基于收集的数据，我们设计了一种强化学习（RL）方法，该方法考虑当前与未来状态以最大化人们在活动中的投入。使用该RL方法，我们基于留一交叉验证发现，考虑状态有助于预测行为及未来状态。而用户特征，尤其是活动参与度，仅在结合状态而非单独使用时才有助于预测行为。我们将这些结果视为支持在劝说算法中使用状态与参与度。我们的数据集已在线公开。