Nele Albers de l’Université de technologie de Delft (Pays-Bas) utilise des entraîneurs de l’IA pour aider les fumeurs à arrêter de fumer et de vapoter pour sa thèse de doctorat. Elle a développé un coach de l’IA qui utilise l’apprentissage du renforcement informé psychologique (RL), une forme d’apprentissage automatique dans lequel un modèle apprend par des récompenses, similaire à la façon dont les humains apprennent les comportements. Albers a basé ses recherches sur les idées des théories du changement de comportement et des données de trois études à grande échelle avec plus de 500 participants chacun.
En plus du côté technique, Albers a examiné les aspects éthiques, économiques et psychologiques et a analysé comment différents facteurs contribuent à un changement efficace de comportement, à savoir comment convaincre les fumeurs d’arrêter, ce qu’ils sont invités à faire et qui devrait les soutenir. Ses recherches montrent que les entraîneurs de l’IA qui tiennent compte des principes psychologiques ont un grand potentiel pour fournir un soutien efficace aux personnes qui souhaitent arrêter de fumer.
« Mes recherches montrent comment la personnalisation du soutien – en prenant en compte à la fois l’état actuel et futur d’une personne – augmente l’efficacité des applications compatives basées sur l’IA. Cela offre de nombreuses possibilités de changement de comportement. »
Applications de santé plus intelligentes grâce à un coaching d’interface utilisateur personnalisé
Les entraîneurs de l’IA dans les applications de la santé pourraient guider efficacement les gens à travers le changement de comportement tout en réduisant les coûts. Pourtant, ces applications ne sont pas encore largement déployées. Les défis sont, par exemple, des décrocheurs et un manque d’engagement. Un soutien plus adapté – qui prend en compte les connaissances, la motivation, la vitalité, les modèles de réflexion – peut systématiquement augmenter son utilisation.
Pour améliorer l’efficacité du soutien pour arrêter de fumer, Albers a examiné à la fois le côté algorithmique et l’interaction entre les fumeurs et les entraîneurs de l’IA. Par exemple, son modèle peut déterminer quand il est utile d’impliquer un entraîneur humain en plus de l’entraîneur de l’IA. Elle a également examiné la tension entre les préférences des fumeurs et les conseils d’experts en santé. Les experts en santé déterminent ce qui est bien, mais les fumeurs le regardent souvent différemment. L’algorithme d’Albers essaie de trouver un équilibre entre les deux perspectives.
Résultats de la recherche
Une conclusion clé de ses recherches est que le soutien est plus efficace lorsqu’il est adapté à la situation d’un individu, comme lors de la suggestion de différentes activités. Par exemple, l’entraîneur de l’IA peut encourager quelqu’un à penser aux stimuli qui déclenchent le désir de fumer ou la personne qu’il veut être à l’avenir.
Considérez une motivation telle que « Je veux être un meilleur parent de mon enfant en donnant un bon exemple. » De plus, le contexte joue un rôle dans l’efficacité des messages. Selon la situation, les libellés tels que « les autres fumeurs trouvent … » fonctionne mieux que « les médecins recommandent ». Sur la base de son analyse et de ses résultats, elle a développé des modèles qui augmentent l’engagement des fumeurs et fournissent un meilleur soutien dans la construction de compétences pour quitter.
