大學生抑郁監測智能服裝的用戶調研及分析

余雨聲，彭玉元，徐斯琦

大學生抑郁監測智能服裝的用戶調研及分析

余雨聲，彭玉元*，徐斯琦

（桂林電子科技大學 藝術與設計學院，廣西 桂林 541004）

以健康監測類智能服裝為研究基礎，針對抑郁發生率較高的大學生群體進行調研分析，通過訪談及文獻收集整理，提出面向大學生抑郁情緒監測智能服裝的結構方程模型，使用SPSS24與AMOS軟件對收集的數據進行校準與分析，依據分析結果，總結出針對抑郁監測智能服裝的功能、感官、情感、交互、安全和信度等多維度的設計策略。

智能服裝；結構方程模型；抑郁情緒監測

抑郁是一種常見的心境障礙，而大學生處于人生的關鍵階段，更容易受到抑郁情緒的侵擾。多項調查研究表明大學生抑郁癥患病率已超過了普通群體，且呈現出明顯上升態勢。[1-3]在可穿戴設備的高速發展下，智能服裝是綜合服裝工程、材料科學、數據可視化、傳感技術等多門學科而設計出來的新型服裝，可實現實時采集心率、脈搏、體溫等多種人體數據，并通過應用程序將數據可視化反饋，從而滿足用戶的各類需求。智能服裝具備便攜、舒適、實時反饋等多種特點，其在醫療健康領域已產生一定影響，也為抑郁癥的防治工作提供了新方向。

根據國內外的文獻分析，各方面因素的限制導致智能服裝的研究設計相對較少，大多數使用智能手環、手表及其他可穿戴設備。上世紀60年代，阿波羅計劃就利用動態心電圖監測了解宇航員的身體狀況。[4]瑞典某開發商推出了一款針對成年抑郁患者的頭戴可穿戴設備，與應用程序配合使用能夠大幅度降低藥物副作用。美國舊金山某公司也設計了一款能夠調節用戶情緒的智能健康胸貼。浙江大學設計并實現了一款可穿戴式動態心電實時監測終端，將采集的傳感器數據發送到云服務器，可以對動態心電信號實時采集、分析與報警。[5]Sens Echo隨行生理監護系統結合智能終端、無線信號傳輸及中央系統，實現了對400多例患者進行睡眠分析、心臟健康監測等臨床研究。[6]目前來看國內外研究重點還是針對生理健康方面的可穿戴設備，智能服裝的研究尤其是在心理健康方面仍然面臨著眾多阻礙。

1 研究假設

1.1 指標選取

1.1.1 信息可信度（Information credibility）

信息可信度指人體數據通過可穿戴媒介反饋的數據與APP傳達出信息的有效程度，人體信息的數據化、自動化、可視化使其從醫學壟斷中解放出來。[7]健康監測的智能服裝首先需要正確地獲取人體數據并進行反饋，通過藍牙傳輸到網頁或APP，運用可視化手段給用戶呈現出來。用戶在了解自身數據后可以通過APP聯系醫生進行咨詢、掛號、治療，還可學習相關抑郁癥專業知識、緩解壓抑情緒、進行娛樂消遣。但在得到互聯網高速、快捷的便利同時，網絡上的信息魚龍混雜，用戶在接受信息時時常無法甄別真偽，所以專業性、時效性、權威性尤為重要。

1.1.2 信息安全性（Information security）

目前國內外的可穿戴設備研究工作主要側重于設計與研發，對于信息安全隱私方面并沒有監管與重視，更沒有相關網絡安全技術標準。而可穿戴設備高度依賴的IOS以及Android系統漏洞很容易造成隱私數據泄露，市面上多個可穿戴設備在傳感器數據、用戶交互數據、設備內部數據等多個方面都存在安全隱患。[8-11]未來的可穿戴設備將延伸數據的空間范圍與時間廣度，但存在的安全隱患尤其是針對用戶健康狀況的數據泄露很容易導致詐騙、歧視等多種威脅。所以智能服裝在使用過程中不僅要保障數據信息的安全，也應該相應提高用戶的安全隱私意識。

1.1.3 信息交互性（Information interaction）

交互技術是人體與服裝進行溝通、回應的主要途徑，也可稱為人衣交互。[12]智能服裝同時具有感知和反應雙重功能，將模糊的身體特征利用具象的服裝傳輸并可視化，根據人體需求或環境條件的限定，做出相應的反饋和行為，與穿戴者產生活動、情感、認知等多種交互。智能服裝通過智能交互的理念和方式對應起來, 運用應用程序創建服裝設計與交互設計間相互映射的關系，使設計要素空間與感性意向空間之間達到某種內在的聯系。[13]在此基礎之上，智能服裝身體數據監測的過程中，特別是針對心理情緒用戶，通過應用程序可以進行去中心化活動參與，記錄自身情緒，并且與其他用戶分享自己的經驗、感悟、生活等。

1.1.4 功能維度（Functional dimension）

目前智能服裝被應用于生活娛樂、運動健康、醫療監測、特殊裝備等多種領域。為用戶提供健康輔助是身體數據監測類的智能服裝設計初衷，精確、便捷的數據是使用的基礎，易用性、功能化和高性能是智能服裝的發展方向，而提高模塊的集成程度、數據處理速度、操作運行穩定是智能服裝發展的未來趨勢。[14]在設計滿足高功能、高性能的基礎上，智能服裝的美觀性、個性化也是吸引用戶的一大關鍵，美觀設計提升用戶審美上的需求意愿，個性設計提高用戶在產品交互上的參與度，趣味設計能夠提升用戶的認知、情感態度。

1.1.5 感官維度（Sensory dimension）

智能服裝的本體是服裝，首先滿足服裝設計的客觀功能，其次還要滿足用戶的心理、情感等主觀需求。進行以人為本的工效學設計是需要重點關注和解決的問題。服裝的視覺設計、舒適程度、傳感器與人體皮膚接觸的感覺性及服用安全性等方面都尤為重要。[15]除服裝本體外，以軟件系統和互聯網平臺為基礎的應用程序也需要滿足用戶感官需求，設計并不只是滿足表面的視覺美, 其目的是視覺、觸覺、聽覺多方面的美感。[16]清晰的文字、合理的色彩、合適的圖形、流暢的交互過程也是滿足感官需求的基礎。

1.2 模型假設

結構方程模型是一種多元統計模型，能同時探討多個變量關系，允許變量存在測量誤差，并能估計出整個模型的擬合度。針對上述分析指標提出假設并構建結構方程模型如下：

H1：信息可信度對智能服裝功能維度有正向影響

H2：信息交互性對智能服裝功能維度有正向影響

H3：信息安全性對智能服裝功能維度有正向影響

H4：信息可信度對智能服裝感官維度有正向影響

H5：信息交互性對智能服裝感官維度有正向影響

H6：信息安全性對智能服裝感官維度有正向影響

H7：功能維度對智能服裝感官維度有正向影響

H8：功能維度對智能服裝認知態度有正向影響

H9：感官維度對智能服裝認知態度有正向影響

H10：認知態度對智能服裝情感態度有正向影響

基于以上假設，構建理論研究模型如圖1所示：

圖1 大學生抑郁情緒監測智能服裝設計要素研究模型

2 實證研究

2.1 問卷調研及分析

本調查問卷由兩部分組成：第一部分是調查對象的基本情況；第二部分是采用自編量表，提出假設變量的度量指標均借鑒國內外文獻中常用的潛在變量測量問題項作為理論基礎，再參考生理監測類智能服裝與可穿戴設備對測量問題進行修改。通過求同存異的方式整合文獻中對同意變量差異化的描述。問卷采用李克特五級量表設計，1表示“非常不同意”，5表示“非常同意”。問卷完成后進行小規模的預調查，根據調查對象反饋對問卷進行進一步修改。最終問卷包含7個因子，27個測度項。

調研針對高校學生及學生家長、朋友等，使用問卷星制定問卷，主要通過網絡發布與高校學生抽樣調查。發放問卷共341份，去除不符合要求的問卷，最終有效問卷336份（有效率98.53%）。有研究表明五到七個左右潛變量，最小問卷樣本量為300，[17]故本次問卷數量基本滿足要求。問卷被調查對象性別的平均值在1.49，標準差在0.50；年級的平均值在3.53，標準差在1.59。其中性別調查結果男性比例為50.9%，女性比例為49.1%，男性與女性比例分布均勻，年級調查具有針對性，86%以上為高校學生與監護人，年級分布平均。根據各個變量的頻率分析結果可以看出，分布基本滿足抽樣調查的要求。

2.2 信效度分析

信度（reliability）表示問卷或量表測量結果的可靠性，可靠性越高的問卷或量表，越不受時間、地點等的影響，用其進行檢測得到的結果也較為穩定。效度（validity）指問卷或量表的準確性，衡量問卷或量表能否把要測量的目標真正地檢測出來。效度分析時具體考察每個題項的能效性，即每個題項對于量表而言是否發揮了重要作用。首先通過計算量表的Cronbach’s Alpha系數的數值來檢驗量表的內部一致性即信度。在本問卷的信度分析中，七個因子分別為功能維度、感官維度、信息可信度、信息交互性、認知態度和情感態度，信度都在0.7以上，并且總體信度達到0.948（見表1）說明本問卷結果信度較好。其次是效度檢驗。選用SPSS探索性因子分析考察量表效度如表2所示。根據探索性因子分析的結果可以看出，KMO檢驗的系數結果為0.959，KMO檢驗的系數取值范圍在0-1之間。根據球形檢驗的顯著性也可以看出，本次檢驗的顯著性無限接近于0。拒絕原假設。所以問卷具有良好的效度。

表1 信度檢驗結果

2.3 結構模型檢驗

測量模型擬合度影響調查結果的準確度，因此有必要對模型的擬合情況進行分析驗證。通過將數據導入AMOS中進行分析，得出模型擬合結果如表3所示。根據與結構方程模型的適配指標推薦值對比，各個適配指數GFI、NFI、IFI、CFI等指標均在推薦值范圍內，故本理論模型的設定是可接受的。

表2 效度檢驗結果

表3 結構方程模型適配度檢驗

2.4 假設檢驗結果

潛變量之間的結構關系及其標準化的估計值、T值和假設檢驗結果等如表4所示。其中信息可信度對感官維度的顯著正向影響、信息安全性對感官維度的顯著正向影響沒有通過檢驗，其他假設都通過驗證。

表4 結構方程模型假設檢驗結果

3 研究結果對智能服裝設計的啟示

3.1 研究結果

（1）本研究以智能服裝為基礎，旨在深入調研大學生抑郁群體對于可智能服裝的需求，希望通過可穿戴設備為大學生抑郁者提供一定幫助。通過智能服裝的使用流程結合文獻調查法構建結構方程模型，調整后得到具有21個題項7個維度的量表，分別從信息可信度、信息交互性、信息安全性、功能維度、感官維度、認知態度、情感態度為切入點探索設計策略。

（2）在問卷星發放問卷并獲取336份有效數據，使用SPSS、AMOS對數據進行分析，經過信效度分析、相關性分析、擬合度檢驗等，問卷數據均通過檢驗，能夠滿足研究的基本要求，具有一定的價值和意義。

（3）根據各個維度的研究發現，功能與感官都是顯著正向影響用戶對智能服裝的認知態度，而認知態度顯著正向影響用戶的情感態度。對于各維度的潛變量題項研究發現，信息可信度對于智能服裝的功能維度的重要程度最高，其次是信息交互性、信息安全性對于功能維度的影響，信息可信度、安全性對于感官維度都不存在顯著影響。雖然功能和感官都會正向影響到用戶使用智能服裝的認知態度、情感態度，但當下更重視的是產品的功能性。

3.2 設計策略

根據以上研究數據及討論結果，總結出面向大學生抑郁情緒監測智能服裝的五點設計策略：

3.2.1 實用、易用性

實用與易操作是智能設備的必然趨勢，尤其是面向抑郁者使用的智能服裝，必須能夠簡單直觀的為用戶提供幫助。在智能服裝設計中，選取合適的傳感器位置，保證無線通信傳輸，做出正向反饋，幫助用戶調節情緒。在應用程序上采用模塊化設計，配備自我測評、數據可視化、遠程醫療、線上交流、行為預警等功能，降低用戶的使用壓力，合理的通過視覺、聽覺提供自然性的交互過程。

3.2.2 可靠、安全性

智能服裝的身體機能監測重點在于數據的可靠、及時與安全。首先是保證傳感器的基本功能，在此基礎上還要保護用戶的個人隱私。對于抑郁患者，如果產生了信息泄露，很容易造成情緒大幅波動、社會歧視增加、人際關系緊張等問題。應當在設計過程中設置指紋、面容、手勢解鎖等；用戶信息可設置隱藏、定期或授權刪除；醫生、監護人等獲取身體數據時需要得到用戶的同意；抑郁患者還可能存在病恥心理，對此也可以設置匿名交流。

3.2.3 美觀、舒適性

時尚美觀的服裝設計能夠提升消費者的使用意愿與情感態度，智能服裝在滿足功能需求的前提下，應當考慮服裝的舒適度、色彩款式的設計感。需要接受人體信息的智能服裝應該滿足緊身、透氣、排汗、柔軟多種因素，選取舒適、透氣、安全環保的貼身面料；同時考慮人體行動時的肌肉活動，可以參考運動內衣、專業運動服款式設計。顏色可以影響人的思想和行為，并引起一系列的反應，與觀者產生一種潛意識的信息。[18]在APP設計中，顏色選取針對用戶的偏好設定，使人放松、愉快；其次在版面設計上避免復雜化、病態化；元素運用上考慮扁平、圓潤化。文字排列根據具體要求，調節大小、突出重點等，幫助用戶獲取有價值的信息。

3.2.4 積極、愉悅感

抑郁癥屬于心境障礙，不僅需要藥物治療，也要能夠在情緒低沉時通過產品緩解自身壓力，積極向上的設計能夠給用戶帶來潛移默化的影響。適當加入音樂治療、色彩干預等藝術治療，如中醫五行音樂利用相生相克和五音關系進行辨證施樂，從而改善抑郁情緒。[19]合理的色彩設計能夠在心理和生理上產生積極影響，如綠色處于冷暖色調分界點，可以使中樞神經系統放松、緩和；藍色使人聯想到海水、藍天，達到鎮定情緒的效果。色彩明度，相近色系或同色系搭配可以緩解焦慮等。[20]

3.2.5 交互、個性化。

款式、界面設計都是處于表面視覺維度的設計，而交互設計是作為行為層次的情感化設計。觸摸、輸入、加載都是交互設計，合理的設計能夠提升用戶體驗，建立良好的渠道。處于抑郁情緒的用戶需要便利、流暢的互動過程，包括在加載失敗等缺省頁面時也應該給予用戶安全、穩定的情感反饋，緩解等待過程中產生的負面情緒。而根據不同用戶的差異性，APP可以參考數據提供相應的個性化反饋，如音樂治療，大數據推送符合要求的推文，志同道合的交流對象，增強用戶與產品之間的溝通，提高參與度。

4 結語

在智能科技時代的高速發展下，身體更像是一種傳播數據的媒介，將我們健康、思維、情緒傳播出去，與此同時越來越多的人的情緒得不到合理的管理與釋放。本文將智能服裝健康監測功能應用到抑郁情緒的防治工作中，一定程度上提升了智能服裝的理論研究。并且通過結構方程模型的調研分析，考慮到設計中的復雜性與多元性。設計者可以更好的全面了解影響用戶體驗的設計要素，抓住設計重點，做到以人為本的服務設計。

但本研究仍然存在一定的局限性，一方面，由于抑郁癥患者的特殊性，為照顧調研對象的心理狀態，筆者將調研范圍擴大到大學生及大學生家庭、朋友群體，樣本量不夠精確，樣本數據中存在部分沒有抑郁情緒的調研對象，導致調研結果有一定偏差。另一方面，智能服裝還處于實驗研究階段，面臨的挑戰眾多，目前提出的理論策略，未來還需深入進行多學科、多領域的研究，才能真正滿足用戶需求。

[1] 王蜜源, 劉佳, 吳鑫, 等. 近十年中國大學生抑郁癥患病率的Meta分析[J]. 海南醫學院學報, 2020, 26(09): 686-693+699.

[2] 劉愛樓, 劉賢敏. 基于潛變量混合增長模型的大學生抑郁情緒的發展軌跡：3年追蹤研究[J].中國臨床心理學雜志, 2020, 28(01): 71-75+118.

[3] 葉磊, 尹海國, 劉劍華. 陜西某高校大學生抑郁癥的調查研究[J]. 教育現代化, 2016, 3(25): 189-191.

[4] 麻琛彬, 徐浩然, 李德玉, 等. 穿戴式生理參數監測及其臨床應用研究進展[J]. 生物醫學工程學雜志, 2021, 38(03): 583-593.

[5] 湯明. 基于物聯網的可穿戴式動態心電實時監測終端設計與實現[D]. 杭州：浙江大學, 2018.

[6] 曹德森, 李德玉, 張政波, 等. 隨行生理監護系統設計及性能初步驗證[J]. 生物醫學工程學雜志, 2019, 36(01): 121-130.

[7] 宋美杰, 徐生權. 作為媒介的可穿戴設備: 身體的數據化與規訓[J]. 現代傳播(中國傳媒大學學報), 2020, 42(04): 46-50.

[8] 劉強, 李桐, 于洋, 等. 面向可穿戴設備的數據安全隱私保護技術綜述[J]. 計算機研究與發展, 2018, 55(01): 14-29.

[9] 張佩江, 李瑞昌. 可穿戴計算在醫療衛生領域應用的現狀及展望[A]. 第一屆中國中醫藥信息大會論文集[C]. 中國中醫藥信息研究會, 2014. 5.

[10] 劉金芳. 可穿戴設備的信息安全風險及我國應對建議[J]. 信息安全與技術, 2014, 5(11):10-12.

[11] Roberto Di Pietro, Luigi V Mancini. 2003. Security and privacy issues of handheld and wearable wireless devices. Commun[J/OL]. ACM, 2003, 46(9):74–79.

[12] 王朝暉, 程寧波. 智能服裝的應用現狀及發展方向[J].服裝學報, 2021, 6(05): 451-456.

[13] 魯虹. 服裝感性設計的知識平臺與應用研究[D]. 蘇州：蘇州大學, 2010.

[14] 郝靜雅, 李艷梅. 智能服裝發展現狀及趨勢[J]. 紡織導報, 2020, (04): 62-65.

[15] 王軍, 陳曉玫, 穆蕓, 等. 智能紡織品的內涵、設計及其應用前景分析[J]. 武漢紡織大學學報, 2015, 28(01): 23-26.

[16] 陳志瑩, 趙偉交. 視覺元素在數據可視化設計中的運用[J]. 藝術與設計(理論), 2019, 2(03):39-41.

[17] Hair Joseph F., William с Black , Barry J Babin , et al. Multivariate Data Analysis (7th Edition)[M]. Englewood Cliffs: N.J. Prentice Hall, 2009.

[18] 劉文東. 視覺獲取色彩的生理構成初探及價值[J]. 價值工程, 2012, 31(26):319-321.

[19] 林法財. 基于體質觀探討五行音樂在五態人和五行人中的應用[J]. 中華中醫藥雜志, 2017, 32(11): 4940- 4942.

[20] 于斯淼, 張耿. 疫情后基于視覺心理效應的大眾化藝術治療設計研究[J]. 設計, 2020, 33(11):55-57.

User Research and Analysis of Smart Clothing for College Students' Depression Monitoring

YU Yu-sheng, PENG Yu-yuan, XU Si-qi

(School of Art and Design, Guilin University of Electronic Technology, Guilin Guangxi 541004, China)

This paper takes health monitoring smart clothing as the research basis, conducts research and analysis for college students with high incidence of depression, proposes a structural equation model for depression monitoring smart clothing for college students through interviews and literature collection, uses SPSS24 and AMOS software to calibrate and analyze the collected data, and based on the analysis results, summarizes the design strategies for depression monitoring smart clothing in terms of functions, senses, emotions, interaction, safety and reliability.

smart clothing; structural equation modeling; depression monitoring

TS941

A

2095－414X(2022)04－0078－05

通訊作者：彭玉元（1983-），男，副教授，博士，研究方向：數字媒體藝術.

桂林電子科技大學研究生教育創新計劃資助項目（2021YCXS078）.