面向老年护理数字健康的可解释、利益相关者感知的需求优先级排序

老年护理数字健康的需求工程必须考虑人类因素，因为需求优先级不仅受技术功能影响，也受利益相关者的健康状况、社会经济条件及生活经验的影响。了解哪些人类因素最为重要，以及对谁人而言，这对于包容且以证据为依据的需求优先级排序至关重要。然而在实践中，尽管一些研究考察了需求工程中的人类因素，但主要依赖专家判断或模型驱动的分析，而非针对决定哪些因素最为重要及其背后原因进行大规模用户研究进行有意义的人类在环验证。为此，我们开展了包含 103 名老年人、105 名开发者和 41 名护理员的混合方法研究。我们首先应用可解释机器学习方法识别在 8 个老年护理数字健康主题中，最与需求优先级密切关联的关键人类因素，然后进行 12 场半结构访谈，以验证和解释定量模式。研究结果识别了塑造需求优先级的关键人类因素，揭示了其方向性效应，并暴露出利益相关者群体之间存在显著的误差。这些发现表明，人类中心的需求分析应显式地涉及各利益相关者群体，而非将其视角简化为单一的聚合视图。本文贡献了识别老年护理数字健康需求优先级驱动因素的关键人类因素，以及一种结合机器学习派生的重要性排名与定性验证相结合的可解释、以人类为中心的需求工程框架，以暴露包容性需求工程必须面对的利益相关者误差。