【个人(感知)案例】Quantified Self

6.2.1教学目标

通过对于具体的量化自我案例的讲解,来凸显量化自我的优势,鼓励学生在日常生活中采用量化自我的方式改善健康。同时,让学生体会量化自我的过程中蕴含的计算思维,学会像计算机科学家思维。

6.2.2计算思维概念与教学难点

计算思维:感知、可视化、数据干预

教学难点:让学生理解量化自我的实质,并理解计算思维是生活中无处不在的。

6.2.3教学方法

视频讲解与数字化案例法相结合

6.2.4教学准备

教案和教学视频

6.2.5教学过程与设计

导入主题(小故事)

1.有位太太多年来不断嘲笑对面的太太很懒惰:“那个女人的衣服永远洗不干净,看,她晾在外院子里的衣服,总是有斑点,我真的不知道,她怎么连洗衣服都洗成那个样子……”直到有一天,有个朋友到她家作客,细心的朋友拿了一块抹布,把户上的灰渍抹掉,说:“看,这不就干净了吗?”原来,是自己家的窗户脏了。[1]

“我们习惯了量化世界,是时候停下来量化自我。”

2.什么是量化自我?量化自我,即“Quantified Self”,是由《Wired》杂志的编辑Gary Wolf和Kevin Kelly于2007年首次提出,亦称Self-tracking自我追踪,Auto-analytics自我分析。[2]

[视频]Gary Wolf于2010年在TED的演讲[3]

3.正如Gary Wolf所阐述的,量化自我一般是指运用先进的科学技术,比如传感器、可穿戴设备来获取和采集个体在日常生活中各方面的数据情况,尤其是身体健康和运动情况,以及营养摄入、身体状态等各方面。[4]

4.我们应当注意到两个关键词:个体、数据。不仅是通过数据来量化自我,还强调数据是来源于每个个体,是独一无二的。

[图片]量化自我的官网logo:“Self knowledge through number”[5]

主题讲解(计算思维)

5.三十而立,步入中年的人们经过一番打拼,事业逐渐稳定,腰包也慢慢鼓了起来。没曾想,随之悄悄鼓起来的肚子却给自己带来了困扰。即将进入不惑之年的李先生,平日里应酬甚多,不知不觉跨入了肥胖者的行列,被医生诊断为“多种疾病,如心脏病、三高、糖尿病、呼吸暂停综合征等疾病的高危人群”。当头棒喝的李先生,决定听从医生的建议,开始量化自我,改善自己的健康状况。

Part 1——感知

6.量化世界时,我们往往利用自己的五官和皮肤,通过视觉、味觉、嗅觉、听觉和触觉来感知外部世界。量化自我时,便需要借助外力了。对于李先生来说,他至少需要关注自己的这些健康数据:体重、心率、血糖、运动量、睡眠质量……

[旁白+表格]

7.传统的方法是,不同的健康数据需要由不同的工具来测量得到,比如李先生至少需要体重计、脉搏计、血糖仪、计步器、睡眠监测仪……等数目众多的仪器。这些仪器加起来体积庞大、不易携带,而且对于测量的时间地点均有要求,基本上都要求使用者停下手中的事务来专门测量。这样的方法带来了很多的限制,不仅获得的数据量不能得到保证,还会影响使用者进行量化自我的热情。

8.现在量化自我的实践者有了福音,借助物联网的发展成果,出现了一系列的新型传感器来解决或者改善以上的限制。

[小贴士]物联网(Internet of thing IOT[6]

9.从1991年,美国麻省理工学院(MIT)的Kevin Ash-ton教授首次提出物联网的概念,到如今的20余年间,在各个领域都取得了很多的进步,健康计算方面也不例外。

[视频]采访张燕咏老师视频

[小贴士]心率传感器、body movement传感器

10.随着物联网的迅速发展,传感器的制作技术日益精湛,便携式传感器、嵌入式传感器甚至是摄入式传感器都得到了不同程度的发展,出现了体积小巧、功能多样、方便携带的可穿戴设备,比如智能手表、智能手环、智能跑鞋等。有了这些便携式的可穿戴设备,李先生就可以在不打断自己工作节奏的前提下,随时随地获得自己的健康数据。

Part 2——可视化

11.Nathan Yau(加州大学洛杉矶分校统计学专业在读博士、超级数据迷,专注于数据可视化与个人数据收集,曾创建一个设计、可视化和统计方面的博客Flowingdata.com在他的著作《Visual This:The FlowingData Guide to Design,Visualization,and Statistics》(译《鲜活的数据:数据可视化指南》)曾经提到:“想要探索和理解那些大型的数据集,可视化是最有效的途径之一。把数字置于视觉空间中,我们的大脑或者读者的大脑就会更容易发现其中潜藏的模式。”[7]

12.我们将这个思维应用到量化自我的过程中,当我们或者我们的设备获得了大量的仅以数值形式出现的数据,冗杂而枯燥,这时候我们需要思考,如何利用可视化,让数据讲故事。

13.李先生使用某智能手环量化自己每天的运动量,一个月之后,他想知道自己这一个月的运动数据。

他拿到的数据可以是这样的:

1

表(一)

14.李先生面对这三十组数据,除了能很精确地找到每天所对应的运动量,实在是看不出什么规律所在。

下面,我们将这三十组数据做一个简单的处理,就可以得到表(二):

2

表(二)

15.很明显,同样的三十组数据量,表(二)能反映出更多的信息:“李先生工作日的运动数据维持在9000~10000步,基本达标,而周末仅为3000~4000步,严重不足。”

再结合李先生平时的生活习惯,工作日还时常在公司跑来跑去,坐久了起来活动活动,所以运动量基本达标。而在周末李先生就是完全给自己放假了,成天宅在家里不出门,运动量当然会严重不足。

16.而这个处理做起来并不复杂,很多的APP内置的智能算法已经能做到更优化的数据分析,做出各种各样符合要求的美观实用的表格,帮助量化自我实践者充分了解数据背后的故事。可穿戴设备获取数据,加上短距离传输技术,APP智能计算,完全可以做到将你每天的身体状况讲给你听。

17.同样,图表只是最常见的可视化方式之一,而可视化也不仅仅适用于量化自我的过程,在这个领域里你绝对能发现一个新世界。(可视化([8]

Part 3——数据干预

18.我们之前说到用于感知数据的可穿戴设备功能越来越完善,APP的智能算法也越来越优化,但是这并不代表我们只关注这些技术层面的发展。量化自我的最关键步骤还是进行数据干预。

19.简单点说,当李先生量化自我一段时间之后,拿到自己健康报告时,不觉惊叹:“天呐!运动量很久没有达标了,血糖也一直这么高!”,然后将这份全世界独一无为的,专属于李先生一个人的健康报告揉成团,扔进垃圾桶,依旧我行我素,大鱼大肉,不爱运动。那么,李先生在量化自我过程中做的所有努力也将一同被丢弃,所有的数据仅仅只是漂亮的数据或者图表,并没有发挥它的价值,李先生的健康状况也不会得到丝毫的改善。

20.“你的手环每天不辞辛苦记录你的运动量和睡眠质量,不是为了让你拿来发朋友圈的。”量化自我得到的结论,是指导我们改变生活习惯的指南,不应该沉睡在墙角。

小结

21.相信看到这里大家也对我们本堂课所讲“感知、可视化、纠错”这三个计算思维有一些了解,在如今的信息时代,并不是学计算机的人才需要了解和掌握计算思维,每一个人都可以将计算思维运用到自己的日常生活中。时间有限,后面我们提供了一些参考资料,供感兴趣的同学继续学习和探索相关知识。

“像计算机科学家一样思维,让你的数据讲故事给你听。”

6.2.6参考资料

[1]来自网络

[2] ” The quantified self:Counting every moment”. The Economist. Mar 3rd 2012.

[3] Gary Wolf: The quantified self.2010.

Available from: https://www.ted.com/talks/gary_wolf_the_quantified_self

[4] 互联网医疗英文热词解读:Quantified Self.2015

Available from: http://www.vcbeat.net/11600.html

[5] Available from: http://quantifiedself.com/

[6] Available from: http://baike.baidu.com/link?url=9WOGyUsUufYnfL50v_KdwS48fV4aGQ-wk2TUhQT0NmMfkvPpqUjOUMeBZQhJV-VvAbf-xKOsIFPxdvfmvS_M7_

[7]《鲜活的数据:数据可视化指南》.Nathon Yau,向怡宁.2012

[8] Available from: http://baike.baidu.com/link?url=jF1ktvykjf-IIzomDpJOrIkb5XRMzHkvxdxSediYqdhxV14j_HdMza3hnZ3by95d1PLRxRDkvnDwWwF_NvjauK

What else:

  1. http://flowingdata.com/
  2. http://datajournalism.stanford.edu/
  3. http://zhuanlan.zhihu.com/Exons/19656986
  4. http://cache.baiducontent.com/c?m=9d78d513d98006fc04abcf2a564181711925c1346283c7150ed4914b93701c011969b9fd61600705a0d8612244ea5e5c9db66b30665e76e0dbdf883d8ce6cd357fd67a616d4cdd1405d36ff9980076d620e605b4ff42b9ede732e5ef858f9e09138b44050cc4abca1d534a9127a3526abefa8e48630a43e5b6643eae0a3172c27f57b631baa7613241daa2860b1ad42aa62046c9fb28&p=9f64d21c8d904ead08e2947d0a4bc6&newp=8c6e8b15d9c342a843b7c7710f449e231610db2151d4da15648e&user=baidu&fm=sc&query=quantified+self+2012&qid=e0f0cd6f000044b6&p1=4

6.2.7脚本

序号 分镜名称起止时间 包含元素 设计目的 镜头表现 具体元素内容
1 引出主题 图片旁白 引出量化自我主题 虚化的镜头 旁白1
2 图片旁白 简单介绍量化自我 旁白2
3 视频 简单解释量化自我 视频播放
4 文字旁白 进一步解释量化自我 旁白3/4
5 主题讲解 文字图片旁白 交代背景设置情境 旁白5
6 1.感知 图片旁白 说明传统方法在感知数据方面的限制 旁白6/7
7 小贴士 引出物联网 旁白8/9
8 视频小贴士 介绍新型传感器 采访视频播放
9 小结感知 旁白10
10 2.可视化 小贴士文字旁白 引出可视化 旁白11/12
11 图片文字旁白 进行对比 旁白13/14/15
12 文字旁白 小结可视化 旁白16/17
13 3.数据干预 文字旁白 引出纠错 旁白18
14 文字图片旁白 举例解释纠错 旁白19
15 文字旁白 小结纠错 旁白20
16 小结 文字旁白 总体小结 旁白21

anyShare分享到:
This entry was posted in Health Computing. Bookmark the permalink.

发表评论