Persuasive Technologies and Applications

Patrick Lindemann, Marion Koelle, and Matthias Kranz (Editors)
Persuasive Technologies
and Applications
Advances in Embedded Interactive Systems
Technical Report – Winter 2014/2015
Volume 3, Issue 2. ISSN: 2198-9494
Persuasive Technologies and Applications
Patrick Lindemann, Marion Koelle, and Matthias Kranz
April 2015
Persuasive Technologies and Applications in Health and Fitness
Magdalena Knaus
Der Einfluss von Persuasive Technologie auf umweltbewusstes Handeln und Verhalten
Maximilian Syri
Design and Implementation of Eco-Feedback Systems
Felix Huppert
How Effective are Persuasive Technologies in Automotive Context?
Johannes Sch¨
Persuasive Technologien und Applikationen in Bildung und Erziehung
Michael Oberneder
Ethik in Persuasive Technologies
Mathias M¨
anderung mit persuasiven Smart Technologien
Julia Feyrer
Copyright Notes
Computers and their user interfaces can influence what people think and how
they behave. Persuasive elements in applications can form a user experience
that results in a changed attitude or behavior of those users. This influence can
be directed in diverse directions, e.g. to boost motivation to reach a personal
goal or to change the acceptance towards an idea or product in the users’ minds.
Nowadays, with ubiquitous computing and the enormous distribution of smart,
embedded devices, persuasive applications are able to reach and influence large
amounts of users. This also leads to questions about the dangers of persuasive
technology - how much are people manipulated by their computers and to what
ends? There are many areas in which persuasion can be employed but when are
such means legitimate and whom do they benefit? This technical report reaches
to give an insight into potential answers by examining persuasive technology in
areas like public health, environmental management, automotive interfaces or
During the winter term in 2014/2015, the Embedded Interactive Systems Laboratory at the University of Passau encouraged students to conduct research on
the general topic of “Persuasive Technologies and Applications”. Each student
analyzed a number of scientific publications and summarized the findings in a
Thus, each chapter within this technical report depicts a survey of specific aspects
of a topic in the area of persuasive technologies. The students’ backgrounds lie
in Computer Science, Interactive Technologies, Mobile and Embedded Systems,
and Internet Computing. This mixture of disciplines results in a highly postdisciplinary set of viewpoints. Therefore, this technical report is aimed at
providing insights into various aspects of current topics in Human-Computer
Passau, April 2015
The Editors
Patrick Lindemann, Marion Koelle, and Matthias Kranz
Persuasive Technologies and Applications in Health and
Magdalena Knaus
Universität Passau
Innstr. 43
94032 Passau, Germany
[email protected]
Computer games are no longer just a activity played by children. Casual gaming broadened the acceptance of games. If
the goal is to motivate people, gaming mechanisms are used
in serious contexts. There is a great potential to use such
psychological mechanisms. A reason to use it is to attract
people to do activities that would otherwise not be done or
just done with less enthusiasm.
In this work these aspects are important, because the focus
is on persuasive technologies in the area of health and fitness. The health providers and healthcare professionals for
example often use computer games to prevent, diagnose and
treat disease.
E-health is a significant phrase nowadays.
This paper is focused on different types of games, software
and hardware for health and fitness, the challenges of the
persuasive technology and finally presents some selected examples for technologies and applications in this subject area.
Serious Games, Gamification, Persuasive Technology, Personal Informatics, eHealth
A characteristic of persuasive technology is taking influence on the behavior of persons through information and
feedback. The information technology is more and more important in people’s daily life.
Gamification is the process of using elements from gaming
to motivate and engage people in non-gaming contexts and
becomes also a common concept in healthcare. In persuasive
technology, gamification is of high relevance. One reason is
the consumers are interested to use smartphones with more
and more attractive tools to use in interactive health interventions. Another reason is the strong feeling of interest in
incorporating the behavioral insights into electronic interventions from the developers [1].
The motivation of gamification is to improve aspects, such
• Magdalena Knaus is a bachelor’s student at the University of Passau, Germany
• This research report was written for Advances in Embedded Interactive Systems (2015), Volume 3, Issue 2
(April 2015). ISSN: 2198-9494
as health, by the introduction of game elements in serious,
non-gaming context.
In general the role of mobile phones in people’s daily life is
growing [15]. 85 % of adults in the United States own a cell
phone and of those 53 % own a smartphone in 2012 [15]. Also
in 2012 one in five smartphone owners in the United States
has a health app [15]. One of the main causes for downloading a smartphone health application is for education,
information and self tracking of diverse physical and mental conditions [5]. Mobile platforms and health applications
are also used for real-time communication and information
access by health professionals. The most popular apps are
for exercise, diet and weight, but there are also applications
for tracking menstrual cycles, pregnancy, blood sugar or diabetes and medication management [15].
Other apps are focussed on topics like hypnosis, asthma,
brain trainer, stop smoking or symptoms.
A discriminating aspect of information technology applications on smartphones is the feedback given to the users. Furthermore, these technologies are used to motivate healthy
behavior, e.g. to motivate people to adopt a healthy lifestyle
[6]. In addition, there are health social networks, like ConnectedLiving1 or CureDiva2 . These communities are interested in discuss symptoms or treatments and provide and
receive support, plus join health studies [5]. Such social
networks and online communities are known to be critical
motivators in helping people to achieve positive health and
fitness outcomes [7].
The paper is organised as follows. Section 2 outlines the
related work. Health monitoring will be illustrated in section 3. In section 4 the explanation from games for different
types of health will be specified, followed by the challenges
for games in the area health and fitness in section 5. Section
6 gives an example for persuasive technology in healthcare
and fitness. In section 7 selected examples for persuasive
technologies for health and fitness in hardware are given.
Section 8 concludes this paper.
There are significant works in the area of personal health
informatic systems and persuasive technologies in the sector
health and fitness in the last 20 years. Understanding one of
the main approaches of persuasive technology involves designing the presentation and timing of choices to motivate
people to make self-benefical decisions [6].
2, last visit: 22.11.2014, 14:32, last visit: 22.11.2014, 14:33
The capability and constraints are differentiated for serious
games for health, to explain the difference between them,
edutainment and e-learning [4]. There are many different
types of games for health, consequential there are many challenges to tackle with [2].
Promoting individual healthy behaviors and reducing obesity in society is the larger goal of a design of a system like
Fit4Life [3]. This designing paper is eludicated in section
6. The authors investigated the use of persuasive messages
and an experimental design to test the system’s efficacy, contributed with ethical and sociocultural considerations.
By the specified studies [15] the reported results come form
a survey of 3,014 adults living in the United States.
transmitted the diagnosis. An example for mobile e-health
monitoring is iCare, a system for the elderly [10]. iCare
is a combination between wireless body sensors and smart
phones to monitor the wellbeing of the elderly. Through e.
g. vital physiological data monitoring, accidents perception
and real-time emergency response plus GPS the system will
reduce sudden accidents and furthermore, life-threatening.
Move the current trials are needed to establish mobile ehealth that can help solce some burning global healthcare
problems caused by the eldery and the increase in chronic
In the next section the different types of games for health
are explained.
Today, personal healthcare is one of the rising areas of
research. The mobile health market grew about 100 percentage since 2010 [15]. There are many types of health
monitoring, e. g. mobile health monitoring or home health
monitoring. In the following, mobile health monitoring is
Mobile health monitoring offer help for such people who may
be able to afford good healthcare without regularly visiting
their doctor [8]. Such persuasive technologies bring advantages to both patient and doctor. Doctors can save time
normally spent with consulting chronically ill patients and
patients can move about in their well-known environment
without having to make extensive and often expensive trips
to the doctor. The main costs in patient healthcare stems
from spending time in hospital [8]. With health monitoring
these costs dicrease, because patients with non life threating illnesses do not necessarily require hospitalisation. The
mobile systems is able to detect abnormalities and send an
emergency call to members of the family of the person or to
the ambulance, if this is necessary.
This emergency call is reasonable, because if the patient get
help within an hour, the chances e.g. to survive a fall, heart
attack or stroke is six times greater [10]. Especially this is
important for the elderly, which are living alone.
Home healthcare has four important major aspects. The
preventative health care programs, the physiological and
functional monitoring and the assessment of quality of life
[9]. However, if the system is not connected to the internet,
all these systems will fail, because the results would not be
updated and the doctors can not get access to the readings.
Information technologies, like e-health records or electronic
managment of chronic diseas have been shown to reduce
health care costs and medical errors.
A key barrier is the users fear, that medical records with
mobile systems are not secure. This is even more of a concern when WLAN is used to transmit the data to multiple
locations. Security breaches are a daily phenomenon and so
the data protection is not warranted.
A networked multi-agent architecture for monitoring of human health conditions based on emerging wireless mobile
technologies. There are many connections: between the patient and the doctor, the patient and the paramedics, the
doctor and the paramedics and the doctor and the specialists [8]. All these persons had to interact together, to guarantee the success of the health monitoring. The connection
between the doctor and the patient is the important one,
because from the patient or rather his intelligent softwareagent the body signals were transmitted and the doctor
Nowadays military, health providers, government and educators, all use computer games [4]. Serious games for health
are not only computer games for entertaining people, which
were used for a healthy purpose. They are developed to react exactly on the users health status. Application areas
are the training of medical staff or as therapeutic elements
by mental or physical diseas. Another way for using serious
games is the prevention and educational advertising. The
issues extend from indispositions like HIV, asthma or mental diseas like schizophrenia [4].
Furthermore, there are different types of games for fitness.
They range from rehabilitation programs to workout programs with an virtual personal trainer. The combination
with new console technology and advanced tracking methods make the games and hardware for health and fitness
turning to a mass market.
To reduce the problems of health or fitness it is necessary to
change the fitness and health behavior, but by most people
their own persistence is the problem [18]. A concept with
success is to engage a personal trainer. This concept has a
big disadvantage, because the support means a big personnel expenditure.
The following three sections discusse persuasive technologies for physical, cognitive and social or emotional health in
Physical Health
Originally sports have been used as games that support
physical fitness and health. Now computer games, which are
developed for physical health, are used to support sports. In
these games the flexibility to define own rules and actions
for each user maximize the benefit for the player. More and
more commercial games address physical fitness [2], e. g.
’Wii Fit’3 , ’Wii Zumba Fitness’4 or ’Wii Sports Resort’5 .
Also popular are mobile devices with GPS to record and
promote physical activities or computer games linked with
sensors that require the user to move.
A very popular smartphone application, with approximately
ten million downloads, is ”Runtastic - Laufen und Fitness”6 ,
3, last visit: 22.11.2014, 14:40
4, last visit: 22.11.2014, 14:45
5, last visit: 22.11.2014, 14:50
with the purpose to record the activities from the user, equal
if the activity is cycling, jogging or walking.
There is a history of using video games with patients already
in the 1980s. Also there are early reports that the physical
requirements of playing a regular video game, e.g. joystick
control, can have therapeutic effects as physical therapy for
arm injury [17]. Furthermore, patients may cooperate better
with the procedures in physical therapy when the procedures
are combined with an entertaining part, like games.
The so-called exergames (combination of exercising and gaming) can help people to do exercises in a motivating and
playful environment. The collaboration of the systems feedback and the evaluation of the users activities is a great tool
to engage people [13]. These games can adress both healthy
players, which will keep fit and people, who need individual
training or even physiotherapy.
Cognitive Health
Computer games are often afflicted with prejudice, for example the addiction to such games. Modern computer games
can also help develop strategies and cognitive abilities of the
players. Traditional games, like chess, are limited in their
success. Research has shown that computer games offer an
incentive of individualization [2]. There is a growing group
of developing cognitive activities and games specially for the
seniors, for example to defend for dementia. This disease
is one of the most significant problems in coming decades.
Many computer games may be able to contribute to delaying cognitive degeneration. However, such games need to be
tailored to the elderly.
One example of games, which exercised the cognitive Fitness
is ’Dr. Kawashimas Gehirnjogging’ 7 [4]. Another example
is ’Lumosity 8 ’, which is a workout for the brain. Moreover
there are serious games, which are amusing and interactive
educational program.
Social and Emotional Health
In the past computer games have been marked as antisocial activities [16]. This has changed with the Massively
Multiplayer Online Games (MMOGs) and the trend of games
on social networks. Games here give confidence to the users
to link with friends and collaborate to reach the goals.
Nowadays games reduce depression in the teens and social
isolation in the elderly, because it’s more easily that e. g.
grandparents can play with their grandchildren, even if they
live far away [2].
To treat depression in the teenage it is benefical, that in the
web and also in serious games everyone is equal [2]. It is
dispensable if the person is disable or hale or overweight or
Games can depict a playful environment to meet some new
people or old friends. Social relationships have powerful effects on physical and mental health [11].
To understand the influences of network structure and function on social and interpersonal behavior, the four primary
pathways at the behavioral level were explained [11]:
b) the social influence,
c) the social engagement,
d) the access to resources and material goods
These behavioral processes then influence e.g. the health
status by: direct physiological stress response, psychological
states including self-esteem and security, health-damaging
behaviors such as smoking and health-promoting such as
medical adherence and exposure to infectious disease agents
such as HIV [11].
There is no formula for developing successful serious games
for health and fitness. Some systems engage users simply
with adding points or achievements, other systems try to
motivate the user through feedback, like Fit4Life, which is
discussed in section 6, or social challenges. These should be
carefully balanced, so that they can be tackled.
The challenges for persuasive technologies and application
in health and fitness are discussed now. First of all the difficulty of the effect will be treated. The next aspects are the
motivators and the last one are the quality with the subitems
Minimalism and Design.
Each time a user plays a game the game-playing and the
consequential findings can be different. This interactivity is
important for the nature of a game. The difficulty is to join
game activities with health outcomes. The experience from
two players can be different, although they are playing the
same game. One cause can be that a distinction is drawn
between choosing to play and being forced to play. A game
is only effective, if a player want to use the game in the way
it is mean. That is why the voluntary nature of games is
important for motivation and engagement [2].
There is a difference between extrinsic (or external) and
intrinsic (or inborn) motivators. One of the non-shown risk
associated with extrinsic motivator is the potential to make
intrinsic motivators useless, because external motivation undermines inborn motivators [2]. A lack of intrinsic motivators may be acceptable in some situations, e.g. for rehabilitation programs, where the users are not forced to change
their lifestyle permanently [2]. Most health interventions require permanent change in the user’s behavior.
The quite natural habit of enjoying games has been turned
into a motivational motor for involving people into activities
with a serious background [13]. The motivators can be very
different in these many purposes, where it is used, e.g. for
ethical issues. Other purposes are games for learning and
training (so called edutainment), games for harvesting data
(games with purpose) or games for health and fitness (exergames).
a) the provision of social support,, last visit: 23.11.2014, 14:32
7, last visit: 22.11.2014, 14:53
8, last visit: 13.12.2014, 13:50
The motivation and the engagement of the user are options to distinguish ’activity for health’ from ’game for health’.
Only earning credits or points by doing some exercise does
not make it to a game. Getting points to the achievements
will motivate players just for a short time, when they understand that receiving points is irrelevant.
Designing good games is difficult and by mischance, a lot
of games, designed by academics or professionals, are failure
[2]. A better way to develop games for health is to include
experienced game designers in the project from the very beginning [2].
To realize a ’good game’ the software engineer has to consider different aspects. To quote a few examples, the interactions between the player, the set of rules and the procedure
[2]. Rules should be enforced, because if it is possible to
cheat, there are people who will cheat. The interactive nature of persuasive applications is the cause of the power of
such technologies. The need of understanding the health
benefits from playing is one of the challenge for persuasive
technology in fitness and health.
Minimalism and elegance of design are some issues that are
described in the following two sections.
5.3.1 Minimalism
Minimalism means to make the application as simple as
possible, but also as complex as necessary. The design of
every health monitoring system and any other persuasive
technology in health and fitness should be minimized. It is
important that every screen has such clarity that all users
are able to gather, analyze and evaluate information without spending much time or concentration and get a quick
overview of their health status [12]. Clarity means inter alia
user-friendliness. It is important to find a balance between
simplicity and quality.
One option for cultivating the idea of minimalism in e-health
is to estimate the complexity of products. A part of the
applications are constructed only for professionals, but the
motive for the bulk of such systems is to reach everyone.
So the designers have to delete unnecessary options or feeds
and make a ’light’ version. The designers should always ask
the question: ’Is this function necessary and meaningful?’
A second option to implement minimalism is to plan operations that may guarantee maximal self-guidance and selfbenefit behavior. The users should be accompanied and
guided by the technology, but also should decide, what they
are doing.
5.3.2 Design
One of the quite sophisticated design challenges is to give
users feedback on doing physiologically positive movements
[13]. To avoid negative physiological effects also ordinary
games should prevent their players from muscle tension or
uni-lateral stress. A certain amount of stress in order to
train the body is admissible.
A difficult challenge is to adapt the applications and technologies to individual users. One person is not equal to
another person, so e.g. the physical fitness level may vary in
phases. This knowledge is important, e.g. in the physiotherapy. Many patients have quite individual pre-dispositions.
Therefore, in such applications the physical state of the day
can be assessed after a warm-up exercise [13].
If the experience of the game is too tolerant controlled by
the designer, the player may subvert the original intention.
Children, for example, may enjoy the animations for failure
more than the animations for success. From this moment
the children try to fail each time, just to watch the result
Fit4Life is a fictional, critical design concept of a technology to lose weight. The failure of the most exsting programs
is, that the people had to spend to much time tracking their
diet or their exercises. Fit4Life tries to appropriate these
Many diet programs based only on the models of effeciency
and calculability about the right amount of proteins, carbohydrates and fat consumed in the smallest measure of time.
Fit4Life offers more aspects to change the behavior.
A detailed discussion of Fit4Life follows.
General Informations
Fit4Life is based on a number of literature-supported principles, including mechanisms to track calorie consumption
and exercise activity along with a social network component
Researchers promote that the most effective way to change
diet and exercise is by changing environmental factors. One
of these can be the change of the own behavior, for example
the type of consumed food or to prompting exercises. The
way to change the behavior can also be accompanied by negative or positive consequences, like receiving points or social
There are different programs which vary in behavioral change
(e.g. eating or exercise behavior), in the used medium (e.g.
offline, online, smartphone,...) and in methods.
The informations which are needed by most of these programs are weight, height, age and gender. This knowledge
is used to determine the BMI (Body Mass Index). The next
step is, that the user is required to had a goal, for example
the weight loss or a number of fitness minutes or hours per
Stephen Purpura, designed a technology for people’s daily routine, so the user is not constricted in the way,
that other weight loss methods will do. Furthermore they
encourage new behaviors by making them simpler and at
least, they try to introduce new motivations.
Fit4Life is a mediator and motivator. The program offers
the opportunity, as the user gets feedback from other people,
for example on social networks, like Facebook or Twitter.
The goal of Fit4Life is changing eating and exercise behavior. The diet program is based on the models of efficiency
and calculability about the right amount of protein, carbohydrates, fat cooked and consumed in the mallest measure
of time. The users desire is to lose the weight as easy as
they gained it: quickly, mindlessly and conventiently.
To controll the users progress the system needs some components.
There are four main devices and other components that
cooperate with the iPhone Application. The first device is
the Fit4Lif Data Recorder. It is worn on the body and it
can determine the caloric content of food that is being consumed.
The second gadget is the Fit4Life Earpiece, which is a little
Bluetooth receiver that has connected with the smartphone.
This technology supports the direct communication with the
user. The Fit4Life Thinsert is the third component. It is
an electronic scale that can be inserted for example in a
shoe. The Fit4Life Heart Rate Monitor is worn around the
chest to determine exercise behavior. There is also a Fit4Life
Metabolic Lancet, which is worn on a toe to analyze blood
and determine the metabolic rate [3].
The last component is the Fit4Life Support Cloud, which
is a connector to Facebook or any other social network to
broadcast the user’s progress. The user gets feedback from
this system to his iPhone, when he needs extra motivation
or when he has a success.
In general the Fit4Life system based on motivation and reward.
A way to motivate and to support people are the wearable
and mobile systems, also called smartphone-gadgets. Indeed
the problems are also there. For example watches where the
pulse can be measured are favorable and insertable in many
situations, but for the users with a low fitness experience
level, they are unsuitable. On one hand, the motivationing
effect of such gadgets is getting weakly very fast, and, on the
other, the knowledge about the trainig methods is assumed.
One description for these gadgets is wearable computing solutions, another persuasive computing [18].
Next, different types of gadgets will be reviewed.
The ’Quitbit Lighter9 ’ is a smart lighter with a built-in
display and a interface to a smartphone app. Quitbit was
founded in 2013 by two Brown University graduate students
who were trying to reduce smoking. The lighter is intended
to be a simple way to track smoking habits. They also created a simpler way to change behaviors.
The lighter shows, how many cigarettes have been smoked
and how long it’s been since the last one. The syncronisation with the mobile app allows to see the smoking history
and set an optionally limit how often the lighter or in which
frequenz the lighter can be used.
Smart Body Analyzer
The ’Smart Body Analyzer10 ’ is a new scale from ’Withings - Inspire health 11 ’. These scale is not just for measure
the weight of somebody, but also to analyze the heart rate,
the percentage of adipose or the fat mass and to measure
the air quality of the room.
The air quality can make problems like headache, breath
issues or aflame eyes and so the Smart Body Analyzer is a
hardware to avoid this.
Furthermore, this scale is equipped with a automtatic user
recognition. Another positive aspect from this scale is, that
it is connected with the internet and protocols all the mea9,
23.11.2014, 15:58
last visit: 13.12.2014, 14:45
11, last visit:
sured data, so you can retriev the data from the internet or
the smartphone app. A possible negative aspect from the
smart scale is the cost, which is 149.95 euro 12 .
Adidas miCoach SMART BALL
The ’Adidas miCoach SMART BALL 13 ’ is an assistent to
optimize the kick from an soccer-player, when the ball is just
located at the ground. This gadget transmit immediately
the feedback to power, to trajectory and to hit accuracy.
The smart ball looks like any other ball, but it is a ball within
sensors and magnetometer. The datas and feedbacks are
communicated with an iPhone App over Bluetooth. With
this app the player can correct his hits, so the app acts as
the trainer.
This football has positive aspects, like high battery-circle
and the helpful tip to correct the own kick, but there are also
alleged negative aspects, for example the high asset costs or
the constraint to use Apple-products 114 . This smart ball
costs 199.95 euro 15 . One get what one pay for.
In general all the named gadgets and persuasive applications and technologies are effective ways, to motivate people
to move and to modify their fitness and eating behavior, because the usage of persuasive systems is very easy and nearly
everyone can be catched with them. Persuasive computing,
applications and technologies are not neutral; they are alwas
guiding the individual. Thereby the users are never alone
with the problems.
There are different types of reaching the users, as computer
games or smartphone applications. Consequences of this is
that particularly the youth is adressed [15]. In the future
this will not become a problem, because the researchers also
see the general preference, that the society is growing older.
Mobile health monitoring systems so will become more and
more important, especially for the elderly.
To sum up persuasive technology and applications in health
and fitness is a very complex system, which will still become
more and more important in people’s daily life in the future.
The different systems will not only play an essential role in
assisting living, but also developing healthcare.
[1] Dominic King, Felix Greaves, Christopher Exeter, Arar
Darzi. ’Gamification’: Influencing health behaviours with
game. Journal of the Royal Society of Medicine 2013: 106.
pp. 76-78; DOI: 10.1177/0141076813480996
[2] Simon McCallum(2012). Gamification and Serious Games
for Personalized Health. pHealth 2012. IOS Press, 2012. pp.
85-96. DOI: 10.3233/978-1-61499-069-7-85
last visit: 13.12.2014, 15:07
visit: 23.11.2014, 17:03
last visit:
23.11.2014, 18:04
13.12.2014, 14:38
[3] Stephen Purpura, Victoria Schwanda, Kaiton Williams,
William Stubler, Phoebe Sengers. Fit4Life: The Design of
a Persuasive Technology Promoting Healthy Behavior and
Ideal Weight. CHI 2011, ACM 978-1-4503-0267-8/11/05.
pp. 423-432
[4] Claudia Lampert, Christiane Schwinge, Daniel Tolks.
Der gespielte Ernst des Lebens: Bestandsaufnahme und Potenziale von Serious Games (for Health). Zeitschrift f¨
ur Theorie und Praxis der Medienbildung. ISSN 1424-3636. Themenheft Nr. 15/16: Computerspiele und Videogames in
formellen und informellen Bildungskontexten. pp. 1-16
[5] Melanie Swan. Health 2050: The Realization of Personalized Medicine through Crowdsourcing, the Quantified
Self, and the Participatory Biocitizen. Journal of Personalized Medicine. ISSN 2075-4426. DOI 10.3390/jpm2030093.
pp. 93-118
[6] Min Kyung Lee, Sara Kiesler, Jodi Forlizzi. Mining
Behavioral Economics to Design Persuasive Technology for
Healthy Choices. CHI 2011 ACM 978-1-4503-0267-8/11/05:
pp. 325-334
[7] Noreen Kamal, Sidney Fels, Kendall Ho. Online Social Networks for Personal Informatics to Promote Positive
Health Behavior. WSM’ 10. ACM 978-1-4503-0173-2/10/10
[8] V.Chan, P.Ray, N.Parameswaran. Mobile e-Health
monitoring: an agent-based approach. DOI: 10.1049/ietcom:20060646. IET Commun., 2008, 2, (2), pp. 223-230
[9] J. Basilakis, M. Mathie, NH. Lovell. Integrating Home
Telecare Technologies in Primary Health Care: The Technical Revolution of Health Care in Home. Proc. Australian
HIC2000. pp. 42-47
[10] Ziyu Lv, Feng Xia, Guowei Wu, Lin Yao, Zhikui Chen.
iCare: A Mobile Health Monitoring System for the Elderly.
Proceedings of the 2010 IEEE/ACM Int’l Conference on
Green Computing and Communications & Int’l Conference
on Cyber, Physical and Social Computing. IEEE Computer
Society, 2010. DOI: 10.1109/GreenCom-CPSCom.2010.84.
pp. 699-705
[11] Lisa F. Berkman, Thomas Glass, Ian Brissette, Teresa
E. Seeman. From social integration to health: Durkheim in
the new millennium. Social Science and Medicine 51 (2000)
pp. 843-857.
[12] Marjo Rissanen. ”Machine Beauty” - Should It Inspire
eHealth Designers?. Health Information Science. Springer
International Publishing Switzerland 2014. HIS 2014, LNCS
8423. pp. 1-11
[13] Rainer Malaka. How Computer Games Can Improve
Your Health and Fitness. Games for Training, Education,
Health and Sports. Springer International Publishing Switzerland 2014. GameDays 2014, LNCS 8395. pp. 1-7
[14] James G. Anderson. Social, ethical and legal barriers
to E-health. International Journal of Medical Informatics
76 (2007). pp. 480-483
[15] Susannah Fox, Maeve Duggan. Mobile Health 2012.
Pew Research Center’s Internet and American Life Project
[Internet] (2012).
[16] Kurt Squire. Video Games in Education. International Journal of Intelligent Simulations and Gaming (2003),
2: pp. 49-62
[17] Pamela M. Kato. Video Games in Health Care: Closing the Gap. Review of General Psychology. 2010, Vol. 14,
No. 2, pp. 113-121. American Psychological Association
1089-2680/10 DOI: 10.1037/a0019441
[18] Sebastian Esch, Uta Knebel, Jan Marco Leimeister,
Helmut Krcmar. Entwurf, Implementierung und Test einer
IT-Architektur f¨
ur einen mobilen Gesundheitscoach: Das
Beispiel Personal Health Manager. GI Jahrestagung (2009).
pp. 1126-1140. Forschungsprojekt SPRINT. F¨
orderungskennzeichen: 02FD0609
Der Einfluss von Persuasive Technologie auf
umweltbewusstes Handeln und Verhalten
Maximilian Syri
Universität Passau
Innstr. 43
94032 Passau, Germany
[email protected]
Durch die Verbesserung des Entsorgungs-Verhaltens beim
Menschen kann man die Recyclingrate von M¨
ull erh¨
und Lebensmittelverschwendung reduzieren.
Das Projekt BinCam, besteht aus einem M¨
ulleimer mit
einer Kamera, der den Inhalt analysiert und die Auswertung auf einer Web-Applikation ver¨
offentlicht. Es erreicht
beim Nutzer eine Verhaltens¨
anderung die sich durch das psychologische Modell des ”geplanten Verhaltens”beschreiben
asst. Mit Hilfe von Motivationsstrategien Informationsbeschaffung, Angabe von Zielen, Vergleich von Verhalten sowie Setzen von Anreizen und Belohnungen wird ein umweltfreundliches Handeln erreicht.
Das Projekt Uni2Bin ist ein Altkleidersammelbeh¨
der in der Offentlichkeit
aufgestellt wird, durch unerwartetes
Feedback und Neugierde weckende Elemente Aufmerksamkeit auf sich zieht und mit Aufkl¨
arenden Funktionen langfristig ein Bewusstsein f¨
ur Umweltschutz beim Nutzer erreicht
und dadurch die Textilstoff Entsorgung verbessert.
Laut einem Bericht des Umwelt Bundesamts wurden im
Jahr 2006 in Deutschland durch Recycling 18 Millionen Tonnen CO2-Emissionen eingespart. Die aufgestellte Prognose
bis zum Jahr 2020 sagen eine steigende Einsparung voraus
In Deutschland werden etwa 334 Millionen Tonnen M¨
weggeworfen[6] wovon etwa 50 Millionen Tonnen M¨
ull in Privathaushalten entstehen [4]. Davon werden etwa 20 % [27]
verbrannt oder deponiert.
Persuasive Technologie kann helfen, das Verhalten der Nutzer in ein effizienteres Handeln zu entwickeln und ein erh¨
ohtes Umweltbewusstsein zu schaffen.
Das Projekt von Lim et. al. zeigt den Nutzern, wie viele
Mahlzeiten sie weggeworfen haben und soll deren Verhalten
beeinflussen [17].
Ein anderes Projekt FridgeCam hat mehrere Quellen von
Lebensmittelverschwendungen untersucht. Durch die Auswertungen kam man zu dem Schluss, dass die maßgebliche
Ursache von Lebensmittelverschwendung der falsche Einkauf
von Lebensmitteln ist [14].
sutainablity, BinCam, persuasive technology, planned behavior, Uni2Bin
”(...) today persuasive technologies are ubiquitous; we are surrounded by digital products designed to change what we think and do.” [12]
Persuasive Technology (engl. u
¨berzeugende Technologie) ist
Technologie, die unser Handeln und Verhalten durch Uberzeugen und sozialem Einfluss ver¨
andern soll. [11].
Die Produktion von Glas, Papier und Metallen geh¨
zu den gr¨
oßten Umweltbelastungen. Dabei lassen sich diese
Rohstoffe umweltfreundlicher aus M¨
ull wiederherstellen[16].
• Maximilian Syri is a bachelor’s student at the University of Passau, Germany
• This research report was written for Advances in Embedded Interactive Systems (2015), Volume 3, Issue 2
(April 2015). ISSN: 2198-9494
Überzeugende Technologie
Es gibt zahlreiche Persuasive Technologie Projekte, die
sich mit der M¨
ullbeseitigung besch¨
aftigen [10] wie z.B. Wattsup, The Bottle Bank Acarde Machine und The World’s Deepest Bin [1, 3, 8].
Zwei exemplarische Projekte, die verschiedene Herangehensweisen bei langfristiger Verhaltens¨
anderung zeigen, werden hier vorgestellt und anhand von psychologischen Modellen erl¨
BinCam ist ein augmentierter1 M¨
ulleimer, der in privaten
Haushalten eingesetzt wird, um Lebensmittelverschwendung
zu reduzieren und Nutzer zum Recycling zu motivieren.
Uni2Bin ist ein Altkleidersammelbeh¨
alter, der in der Offentlichkeit aufgestellt wird, und mit spielerischen und aufkl¨
arenden Elementen versucht dessen Benutzung zu erh¨
Die Schnittstelle zum Nutzer ist besonders wichtig. Diese
oglicht die Interaktion mit dem Ger¨
Alle Auswirkungen von dieser Schnittstelle auf den Nutzer
sollen ihn dazu veranlassen das gew¨
unschte Verhalten anzunehmen. Dazu wird das Ger¨
at mit Hilfe von Feedback dem
technisch erweitert
Nutzer Informationen u
¨ber sein bisheriges Verhalten geben.
Das Feedback sollte so konzipiert sein, dass die aufgezeigten
Daten, das Verhalten der Menschen in das gew¨
unschte (z.B.
ein umweltbewusstes) Verhalten ¨
andert [13].
Mit Hilfe des psychologischen Models des Geplanten Ver”
haltens“ ist es m¨
oglich das Handeln eines Menschen und die
usse darauf zu beschreiben um daraus ein Eco-Feedback2
Design zu entwickeln, welches das Verhalten sowohl langfristig als auch auf die gew¨
unschte Ausrichtung beeinflusst.
Das erstellte Design h¨
angt allerdings vom gew¨
ahlten psychologischen Model ab [13].
Theorie of Planned Behavior
Die Theorie des geplanten Verhaltens“ ist ein Model in
der Psychologie. Es besagt, dass das menschliche Handeln
von drei unabh¨
angigen Einfl¨
ussen gebildet wird (vgl. Abbildung 1) [2, 24].
Der erste Einfluss ist die eigene Haltung zu einem konkreten Handeln. Dabei bewertet die Person selbst ein Verhalten
zu der jeweiligen Situation (z.B. Die subjektive Einstellung
zu umweltschonenden Verhalten). Befindet sie dieses Verhalten f¨
ur gut, so hat dies einen positiven Einfluss, befindet
sie dieses Verhalten f¨
ur schlecht, so hat dies einen negativen
Einfluss auf die Absicht des Menschen.
Der zweite Einfluss ist die Moral bzw. wahrgenommene
Norm der sozialen Gruppe in der man sich befindet. Dieser
externe Einfluss ist unabh¨
angig von der eigenen Bewertung
der Situation und ist ein wichtiger Einfluss, mit dem man
die Absicht und damit das Verhalten ver¨
andern kann.
Der dritte Einfluss ist die wahrgenommene Kontroll-Instanz
bzw. die Kontrolle eines bestimmten Verhaltens. Empfindet
die Person, dass sie von der sozialen Gruppe beim Ausf¨
uhren eines bestimmten Verhaltens kontrolliert wird, so wirkt
sich diese Kontrolle auch auf die Absicht der Person aus.
Außerdem kann die wahrgenommene Kontrolle auch bei vorhandener Absicht das Verhalten des Menschen beeinflussen
(z.B. bei Gesetzesbruch).
Je st¨
arker diese drei Einfl¨
usse sind, desto st¨
arker ¨
sich auch die Absicht des Menschen sein Handeln zu a
Die Verhaltens¨
anderung ist ein langfristiger Lernprozess
[11] und erfordert die Bereitschaft der Teilnehmer das Handeln zu ver¨
andern [13]. Außerdem m¨
ochte man ein bestimmtes Verhalten erzielen. Daher ist es notwendig den Nutzer zu
motivieren damit er das gew¨
unschte Verhalten u
¨ber einen
langen Zeitraum ein¨
ubt und falsches Handeln vermeidet.
Zu diesem Zweck werden hier Strategien vorgestellt, mit
denen man bei den Nutzern ein umweltbewusstes Handeln
erreichen kann und das Bewusstsein der Benutzer mit Persuasive Technologie verbessert. Mit Hilfe der bereits vorgestellten Theorie des geplanten Verhaltens“ wird das ge”
unschte Verhalten etabliert.
Die laut Froelich et. al. popul¨
arsten Motivationstechniken
in der Psychologie werden hier kurz vorgestellt [13].
2.2.1 Information
Eine wichtige Motivationsquelle um umweltfreundliches
Verhalten zu erreichen, ist ausreichende Information zum
eigenen Handeln und dessen Bewertung anzubieten. Dabei
Feedback das Okologisches
Verhalten unterst¨
Abbildung 1: Theory of planned behavior
I. Ajzen. The theory of planned behavior, volume 50. December 1991
beschreibt Froelich et. al. die Informationsbereitstellung als
Werbung f¨
ur umweltfreundliches Handeln [13]. Erst wenn
sich die Person u
¨ber die Auswirkungen ihres Handelns bewusst ist, und weiß, wie man sich in einer Situation verhalten soll, kann der Nutzer sein Handeln in das gew¨
Laut der Theorie des Geplanten Verhaltens“, gilt, dass
sich durch die subjektive Bewertung eines Verhaltens die
wahrgenommene Norm ver¨
andern kann. Außerdem kann sich
so eine neue subjektive Norm bilden, welche dann einen starken Einfluss auf das Verhalten aus¨
ubt [2].
So misst das Projekt von Janmaat et. al [17] die Menge
an weggeworfenen Lebensmitteln in einem Haushalt. Diese Informationen werden in volle Mahlzeiten umgerechnet
und veranschaulichen dadurch dem Nutzer die LebensmittelEinsparm¨
oglichkeiten in seinem Haushalt. Eine zweiw¨
ochige Studie zeigte, dass durch dieses einfache Eco-Feedback
ein großes Potential zur Einsparung von Lebensmittelverschwendung besteht [17].
Dabei deckt sich das Design dieses Projekts mit der Aussage von Stern [25], dass die Informationen dem Nutzer in
einfacher Weise, d.h. leicht verst¨
andlich pr¨
asentiert werden
sollten, damit der Nutzer die M¨
oglichkeit hat die Informationen schnell zu interpretieren.
Eine untersuchte Strategie f¨
ur die Motivationssteigerung
ist die Zielsetzung. Dabei ist es unwichtig, von wem das
Ziel vorgegeben wird. Das kann die Person selbst, ein Coach
oder ein Programm sein [13]. Deshalb ist die Zielsetzung eine wichtige M¨
oglichkeit f¨
ur Persuasive Technologie Ger¨
die Motivation des Benutzers zu st¨
Bei der Zielsetzung kommen vier Aspekte zu tragen. Durch
die konkreten Ergebnisse, die durch eine Zielsetzung gefordert werden, wird die Aufmerksamkeit auf die Suche nach
uhrendes Handeln gesetzt. Außerdem wird der Nutzer
durch Zielsetzungen motiviert das Ziel zu erreichen [13].
Latham und Locke [18] haben festgestellt, dass h¨
oher ge-
steckte Ziele oft zu h¨
oheren Bem¨
uhungen f¨
uhren. Zudem
wird durch st¨
andiges Vorhandensein von Zielen und dem
Versuch diese zu erreichen das Verhalten antrainiert. Dies
beeinflusst das Verhalten des Nutzers [13].
Anreize und Belohnung
Außerdem kann man Anreize setzen um umweltfreundliches Handeln zu motivieren. Die Attraktivit¨
at das Verhalten
anzunehmen wird dadurch gesteigert. Das f¨
uhrt zu einem erh¨
ohten Interesse der Person sich mit seinem bisherigen Verhalten auseinander zu setzen. Durch die erreichte Motivation
befasst sich die Person mit seinem bisherigen und dem gew¨
unschten Handeln.
Laut B´enabou und Tirole, [7] f¨
uhrt eine gen¨
ugend große
at zu einem verst¨
arkten Bem¨
uhen das Verhalten
anzupassen. Der Anreiz kann sowohl Materiell als auch Immateriell (z.B. Status) sein.
Anders als der Anreiz, ist die Belohnung eine Bewertung
eines erfolgten Handelns. Das bedeutet, dass der Bonus auch
als Feedback f¨
ur das ausgef¨
uhrte Verhalten verstanden werden kann [13].
Außerdem kam man zu dem Schluss, dass die Belohnung
im engen Zusammenhang mit dem ge¨
anderten Verhalten stehen sollte, damit sie als R¨
uckmeldung auf das ver¨
Handeln wirkt [7]. Zum Beispiel k¨
onnte man als Belohnung
ur h¨
aufiges Recycling einen kostenlosen Sperrm¨
ull Dienst
Ein Vergleich des Verhaltens mit dem Handeln anderer
Menschen beeinflusst die Motivation der Beteiligten. Insbesondere dann, wenn zus¨
atzliches Feedback u
¨ber die Leistungen der einzelnen Teilnehmer verglichen wird. Auch Infor¨
mationen u
der eigenen Verhaltensweise
¨ber die Anderung
sind hilfreich [13].
In einem Experiment von Bakker et. al. wurde die Umweltfreundlichkeit zweier Arbeitsgruppen gepr¨
uft. Im Laufe
des Experiments wurde die eine Arbeitsgruppe (Abblindung
2 in weiß dargestellt) u
¨ber die Auswirkungen der Entwicklung ihres Umweltverhaltens informiert. Die andere Arbeitsgruppe (Abbildung 2 in schwarz dargestellt) hatte zus¨
die Auswertung der ersten Arbeitsgruppe erhalten, um die
Ergebnisse vergleichen zu k¨
onnen. Aufgrund des Informationsvorteils, hat die zweite Arbeitsgruppe ein effizienteres
Umweltverhalten angenommen [23].
Das Projekt BinCam
BinCam ist ein zweigeteiltes System. Es besteht aus einem M¨
ulleimer, das mit einem Smartphone im Deckel versehen ist und einer Softwareapplikation. Das Smartphone
besitzt eine Kamera, die so ausgerichtet ist, dass der Inhalt
des M¨
ulleimers fotografiert werden kann, wenn sich der Deckel des M¨
ulleimers schließt [8].
Die Software sendet die aufgenommenen Bilder an eine
Backend-Anwendung mit der die Fotos anschließend analysiert werden k¨
onnen. In diesem Prozess wird ermittelt,
welcher M¨
ull gerade weggeworfen wurde und ob sich dieser
recyclen l¨
asst bzw. es sich um weggeworfene Lebensmittel
Die Ergebnisse der Bildanalyse werden zusammen mit dem
Foto auf die soziale Plattform Facebook hochgeladen. Zus¨
atzlich nimmt jeder Besitzer von BinCam an einem Ranking
Teil, dass von der Applikation erstellt wird. Bei allen Teil-
Abbildung 3: BinCam M¨
ulleimer, der mit einem
Sony Ericson XperiaTM X10 mini smartphone versehen ist
A. Thieme, R. Comber, J. Miebach, J. Weeden, N. Kramer,
S. Lawson, and P. Olivier. We’ve bin watching you designing
for re ection and social persuasion to promote sustainable
lifestyles. In CHI ’12 Proceedings of the SIGCHI Conference
on Human Factors in Computing Systems, pages 2337-2346.
Conference on Human Factors in Computing Systems, May
nehmern, wird die Umweltvertr¨
aglichkeit ihres EntsorgungsVerhaltens mit dem aller anderen Teilnehmer vergleichen.
Die Informationen werden wie in Abbildung 4 gezeigt, als
Baum f¨
ur den Recycling Fortschritt und als Goldbarren f¨
die Einsparungen von Lebensmittel, dargestellt. Dies soll die
Ergebnisse veranschaulichen und den Nutzern spielerisch die
Informationen mitteilen [26].
Ziel von BinCam
Ziel von BinCam ist es, bei Nutzern ein ¨
okologischeres Verhalten bei der M¨
ullentsorgung zu erreichen. BinCam ersetzt
den Restm¨
ulleimer in Privathaushalten und wertet den dort
gesammelten M¨
ull aus. Dort soll das Wegwerf-Verhalten so
andert werden, dass einerseits mehr recycelbarer M¨
ull recycelt wird und andererseits die Verschwendung von Lebensmitteln reduziert wird.
Eingesetzte Strategien
BinCam setzt Konzepte aus den vorher evaluierten Strategien um. Abgebildet auf das Model des geplanten Ver”
haltens“ erreicht BinCam, durch Manipulation der drei Einfl¨
usse f¨
ur die Absichtsentstehung des Menschen eine Verhaltens¨
Durch die Ver¨
offentlichung der M¨
ullbilder auf Facebook
stellt das System, der sozialen Gruppe des Nutzers, Informationen u
ugung. Die
¨ber sein eigenes Verhalten zur Verf¨
Wahrgenommene Kontrolle des Nutzers erh¨
oht sich durch
den ¨
offentlichen Einblick auf sein Wegwerf-Verhalten durch
BinLeague ist die Komponente von BinCam, die dem Nutzer direktes Feedback gibt. Durch die Visualisierung von den
gesammelten Informationen als Bl¨
atter an einem Baum oder
als Goldbarren, ist der Fortschritt f¨
ur den Nutzer leichter ab¨
zulesen. So sind Anderungen
zu vorherigen Wochenabschnitten sofort zu erkennen. Es bewertet gleichzeitig die Leistung
des einzelnen Teilnehmers.
Außerdem f¨
ordert das Ranking der Teilnehmer einen Wettstreit untereinander. Der Vergleich mit anderen Teilnehmern
steigert die Motivation [13].
Abbildung 2: Energieverschwendung zweier Arbeitsgruppen vor und nach den Interventionen in weiß ohneund schwarz mit Vergleich als Feedback. Links die H¨
ohe der Energieverschwendung von brennenden Lampen.
Rechts die H¨
ohe der allgemeinen Energieverschwendung
F. W. Siero, A. B. Bakker, G. B. Dekker, and M. T. van den Burg. Changing organizational energy consumption behavior
through comparative feedback. 235-246, 1996.
Mit einer anderen Strategie versucht Uni2Bin das Verhalten von Menschen zu beeinflussen. Spielerische und versteckte Elemente sollen die Lust zu recyceln und die Neugierde
ohen bzw. wecken. Das Projekt setzt in erster Linie auf
Information. So wurde bei einer Befragung von 30 Personen
festgestellt, dass davon viele Menschen nicht wussten, welche M¨
oglichkeiten sie zum Recyceln von Textilien haben [3].
Deswegen versucht Uni2Bin Neugierde in den Menschen zu
wecken. Durch die so entstandene Aufmerksamkeit werden
die Nutzer mit Informationen versorgt.
Motivation f u¨r Uni2Bin
Neben den sozialen und gesellschaftlichen Problemen, die
durch den Anbau von Baumwolle entstehen, ist der weltwei¨
te Anbau des Rohstoffs eine hohe Okologische
Hauptproblem ist der hohe Wasserverbrauch der Bewirtschaftung und der Einsatz von Chemikalien (z.B. Pestizide,
Entlaubungsmittel, Wachtumsregulatoren, D¨
etc.) [21]. Ein Bericht des Umweltbundesamts prognostiziert
einen steigenden Bedarf von Textilfasern [21]. Erh¨
ohtes Recycling von Textilfasern f¨
uhrt zu einem geringeren Bedarf
von angebauter Baumwolle und kann somit die Okologischen
Belastungen reduzieren.
Aufbau von Uni2Bin
Ziel von Uni2Bin ist es, die Wiederverwertung von Textilsoffen und Baumwollfasern zu erh¨
ohen und ein Bewusstsein
ur das Recycling von Textilien zu schaffen [3].
Bei Uni2Bin handelt es sich um einen Altkleidersammel¨
alter, der anders als BinCam, in der Offentlichkeit
stellt wird. Dieser Beh¨
alter hat Guckl¨
ocher, die dem Benutzer beim Hineinsehen u
¨ber den Recyclingprozess von Textilstoffen und dessen Auswirkungen auf die Umwelt informiert.
Beim Einwurf von Kleidungsst¨
ucken belohnt der Automat
den Spender mit einer Melodie. Außerdem kann sich der
Nutzer ein Ticket ausdrucken lassen, mit dem er auf einer
origen Webseite den Verarbeitungsweg der gespendeten Kleidungsst¨
ucke verfolgen kann.
Aus den recycelten Textilstoffen werden neue Kleidungsst¨
ucke produziert, die auf der Webseite als neue Modelinie
asentiert wird.
Entwurfsziel von Uni2Bin
Das Design von Uni2Bin wurde in mehreren Iterationsschritten entwickelt.
Aufgrund des Erfolgs anderer Projekte wie z.B. Play with
fire [19], welche die Verhlatens¨
anderung mit spielerischen
Elementen erreicht, war das Ziel der Entwickler von Uni2Bin
ebenfalls ein Ger¨
at zu entwickeln, dass durch spielerische
Elemente und der Bereitung von Spaß, das Bewusstsein von
Menschen f¨
ur Textilrecycling und Upcycling erh¨
oht [3].
Laut [9] bestehen die motiviernden Elemente des spielerischen Lenrnes aus Neugierde , Endeckungsdrang, Herausforderung, Kameradschaft und Wettstreit.
Durch eine Entwurfsstudie in Form einer Umfrage zum
Verhalten von Personen bei der Textilentsorgung wurde das
Konzept von Uni2Bin aufgestellt. So trug die Tatsache, dass
viele Passanten sich der Vorteile von Textilrecycling nicht
bewusst waren, oder eine falsche Vorstellung von einem Recyclingprozess hatten, dazu bei, dass das Ger¨
at durch informierende Erweiterungen das Bewusstsein f¨
ur die M¨
Abbildung 4: BinLeague: Eine Rangliste aller BinCam Teilnehmer. Hier werden Recycling Fortschritt
atter des Baums) und Lebensmittel Einsparungen (Gold Barren) mit dem Fortschritt anderer
Haushalte verglichen
R. Comber and A. Thieme. Designing beyond habit: opening space for improved recycling and food waste behaviors
through processes of persuasion, social influence and aversive a ect. Personal and Ubiquitous Computing, February
keit des Textilrecyclings und Upcyclings erh¨
oht. Außerdem
wurde erforscht in welchem Maße sich eine Belohnung der
Nutzer auf das Verhalten auswirkt. So wurde z.B. eine Melodie abgespielt, indem der Nutzer Kleidungsst¨
ucke in den
alter warf.
In der abschließenden Evaluation wurde festgestellt, dass
dieses unerwartetes Feedback die Neugierde der Probanden
weckte. Infolgedessen untersuchten sie das Ger¨
at genauer.
Obwohl Persuasive Technologie hilft, das Umweltbewusstsein bei Menschen zu steigern und die Umweltsch¨
aden zu
reduzieren, m¨
ussen bei machen Projekten noch Probleme
ost werden.
Gerade Systeme, welche die Offentlichkeit
als Motivationstreiber einsetzten und dabei private Daten sammeln bzw.
anderen preisgeben, k¨
onnen zu Problemen f¨
uhren. So wurde bis jetzt BinCam nur in Wohngemeinschaften eingesetzt
und beschr¨
ankt sich auf K¨
ull, da sich die Entwickler
sorgen um den Datenschutz der beteiligten Personen machen [8]. Aus dem M¨
ull lassen sich sehr pers¨
onliche Daten
entnehmen. Beispielsweise k¨
onnten durch weggeworfene Medikamentenverpackungen, R¨
usse auf Krankheiten ge¨
zogen werden, die nicht in die Offentlich
gelangen sollen.
Dennoch sind die Chancen von Persuasiver Technologie,
die zum Schutz der Umwelt beitragen, vielversprechend. Sie
kann helfen unsere vorhandenen Ressourcen effizienter zu
nutzen und die Umwelt durch geringere Ressourcensch¨
opfung zu entlasten. Dies hilft nicht nur die Umwelt durch
verringerten CO2 Ausstoß und weniger Raubbau zu entlasten, sondern sichert den Industrienationen im Hinblick auf
die Zukunft eine nachhaltige Rohstoffenquelle [5, 22, 15]. Außerdem k¨
onnen die eingesparten Lebensmittel anderen Menschen zug¨
anglich gemacht werden und leisten einen wichti-
Abbildung 5: Uni2Bin Sammelbeh¨
L. Bosch and M. Kanis. Encouraging sustainable fashion
with a playful recycling system. In BCS-HCI ’13 Proceedings
of the 27th International BCS Human Computer Interaction
Conference. British Computer Society Swinton UK, September 2013.
gen Beitrag zur Versorgung einer immer schneller wachsenden Bev¨
olkerung auf der Erde [20].
[1] Wattsup?: Motivating reductions in domestic energy
consumption using social networks. In NordiCHI ’10
Proceedings of the 6th Nordic Conference on
Human-Computer Interaction: Extending Boundaries.
NordiCHI, ACM New York, October 2010.
[2] I. Ajzen. The theory of planned behavior, volume 50.
December 1991.
[3] L. Bosch and M. Kanis. Encouraging sustainable
fashion with a playful recycling system. In BCS-HCI
’13 Proceedings of the 27th International BCS Human
Computer Interaction Conference. British Computer
Society Swinton UK, September 2013.
[4] S. Bundesamt. Abfallaufkommen in Deutschland in
den Jahren 2000 bis 2012 nach Herkunft (in Millionen
Tonnen). In Statista - Das Statistik-Portal. Zugriff am
15. Dezember 2014, von, Juli
S. Bundesamt. Umsatz der Recyclingbranche in
Deutschland in den Jahren 2008 bis 2012 (in Millionen
Euro). In Statista - Das Statistik-Portal. Zugriff am
15. Dezember 2014, von,
S. Bundesamt. Verteilung des Abfallaufkommens in
Deutschland nach Herkunft im Jahr 2012. In Statista Das Statistik-Portal. Zugriff am 15. Dezember 2014,
von, Juli
R. B´enabou and J. Tirole. Incentives and prosocial
behavoir. Nber Working Paper Series, (11535), August
R. Comber and A. Thieme. Designing beyond habit:
opening space for improved recycling and food waste
behaviors through processes of persuasion, social
influence and aversive affect. Personal and Ubiquitous
Computing, February 2012.
L. de Valk, P. Rijnbout, T. Bekker, B. Eggen,
M. de Graaf, and B. Schouten. Designing for playful
experiences in open-ended intelligent play
environments. In IADIS International Conference
Game and Entertainment Technologies. Department of
Industrial Design, Eindhoven University of
Technology, 2012.
C. DiSalvo, P. Sengers, and H. Brynjarsd´
Mapping the landscape of sustainable hci. In CHI ’10
Proceedings of the SIGCHI Conference on Human
Factors in Computing Systems, pages 1975–1984.
Conference on Human Factors in Computing Systems,
ACM New York, April 2010.
B. Fogg. Persuasive computers: Perspectives and
research directions. In CHI ’98 Proceedings of the
SIGCHI Conference on Human Factors in Computing
Systems, pages 225–232. Conference on Human Factors
in Computing Systems, ACM Press/Addison-Wesley
Publishing Co. New York, April 1998.
B. Fogg. Creating persuasive technologies: An
eight-step design process. In Persuasive ’09
Proceedings of the 4th International Conference on
Persuasive Technology, number 44. Persuasive
Technology, ACM New York, April 2009.
J. Froehlich, L. Findlater, and J. Landay. The design
of eco-feedback technology. In CHI ’10 Proceedings of
the SIGCHI Conference on Human Factors in
Computing Systems, pages 1999–2008. ACM New
York, April 2010.
E. Ganglbauer, G. Fitzpatrick, and R. Comber.
Negotiating food waste: Using a practice lens to inform
design. ACM Transactions on Computer-Human
Interaction (TOCHI), 20(11), May 2013.
K. Hintzmann. Recycling stoppt Treibhausgase.
Technical report, Bundesministerium f¨
ur Umwelt,
Naturschutz und Reaktorsicherheit.
[16] M. J¨
anicke, M. Binder, and H. M¨
onch. ’dirty
industries’: Patterns of change in industrial countries.
Environmental and Resource Economics, 9:467–491,
August 1996.
[17] V. Lim, J. Janmaat, A. Jense, and M. Funk.
Eco-feedback for non-consumption. In UbiComp ’14
Adjunct Proceedings of the 2014 ACM International
Joint Conference on Pervasive and Ubiquitous
Computing: Adjunct Publication, pages 99–102.
Ubiquitous Computing, ACM New York, NY,
September 2014.
[18] E. A. Locke and G. P. Latham. Building a practically
useful theory of goal setting and task motivation.
volume 57, pages 705–717. University of Maryland,
University of Toronto, September 2002.
[19] M. Mendes, P. Angelo, V. Nisi, and N. Correia. Digital
art, hci and environmental awareness evaluating play
with fire. In NordiCHI ’12 Proceedings of the 7th
Nordic Conference on Human-Computer Interaction:
Making Sense Through Design, pages 408–417. Nordic
Conference on Human-Computer Interaction, 2012.
[20] U. Nations. Prognose zur Entwicklung der
olkerung von 2010 bis 2100 (in Milliarden). In
Statista - Das Statistik-Portal. Zugriff am 15.
Dezember 2014, von, Juli
[21] D.-I. K. Paulitsch. Am Beispiel Baumwolle:
achennutzungskonkurrenz durch exportorientierte
Landwirtschaft. Technical report, Wuppertal Institut
ur Klima, Umwelt, Energie GmbH, September 2004.
[22] C. Rubach. World steel recycling in figures 2009–2013.
Technical report, Bureau of International Recycling,
May 2014.
[23] F. W. Siero, A. B. Bakker, G. B. Dekker, and M. T.
van den Burg. Changing organizational energy
consumption behavoir through comparative feedback.
Journal of Environmental Psychology, (16):235–246,
[24] H. A. Simon. A behavioral model of rational choice.
The Quarterly Journal of Economics, 69(1):99–118,
February 1955.
[25] P. C. Stern. Information, incentives, and
proenvironmental consumer behavior, 1999.
[26] A. Thieme, R. Comber, J. Miebach, J. Weeden,
N. Kr¨
amer, S. Lawson, and P. Olivier. We’ve bin
watching you – designing for reflection and social
persuasion to promote sustainable lifestyles. In CHI
’12 Proceedings of the SIGCHI Conference on Human
Factors in Computing Systems, pages 2337–2346.
Conference on Human Factors in Computing Systems,
May 2012.
[27] Umweltbundesamt. Verteilung von Abfallbeseitigung
und -verwertung in Deutschland nach
Entsorgungsverfahren im Jahr 2010. In Statista - Das
Statistik-Portal. Zugriff am 15. Dezember 2014, von, August
Advances in Embedded Interactive Systems:
Design and Implementation of Eco-Feedback Systems
Felix Huppert
Universität Passau
Innstr. 43
94032 Passau, Germany
[email protected]
Water and electricity are two resources that have become
indispensable over the last century and many people take
these for granted. However, the use of fossil energy sources
results in an already noticeable change of the climate. To
counteract this process, the overall consumption could be reduced and additionally more efficient technology deployed.
Eco-Feedback is one method of motivating people to think
more about their resource expenditure and thereby diminish the wastage. In recent years, the growing interest and
development of such feedback technology has led to many research projects. Resulting are basic design guidelines on how
and where eco-feedback methods should be implemented, as
well as first prototype products that are being released to
the market.
eco-feedback, persuasive technology, ambient, centralized
Over the last decade the average water and electrical consumption per head in European households only increased
by around 3 %, despite the fact that more technological devices have progressively made it into our homes [11, 13].
This development can be explained by the overall efficiency
improvement of the appliances. Nevertheless, water and
electrical energy have become an everyday commodity. Most
of the time, people do not pay attention to their daily consumption. However, with the increasing cost of energy and
the growing interest in saving resources, more individuals
reconsider their consumption manners [20].
Besides individuals trying to change their usage profile,
the governments of the G8-countries made long-term agreements regarding climate change and the handling of nonrenewable resources [9]. The members agreed on reducing
their future carbon footprint by using advanced and ecofriendly technology to produce electrical power. In addition, they want to lower the consumption of energy in the
industrial sector as well as in private households [9]. The
• Felix Huppert is a bachelor’s student at the University
of Passau, Germany
• This research report was written for Advances in Embedded Interactive Systems (2015), Volume 3, Issue 2
(April 2015). ISSN: 2198-9494
European Union has also taken action by starting to introduce new laws. These prohibit the sale of old-style light
bulbs or inefficient appliances [11]. Besides the legislators,
the industrial companies also pushed new ecofriendly technology to the market in order to promote energy and water
conservation [20]. The resulting growth in the research and
development led to a gain in the scientific research area of
feedback systems and persuasive technology [24].
The term “Eco-Feedback” is used to describe methods used
to give individuals feedback about their consumption patterns and thereby motivating people to think more about
conserving resources. With the growing availability of ubiquitous computing power, persuasive technology became an
important part in eco-feedback. This addition makes giving precise and customized real-time feedback to individuals
possible [17]. Eco-feedback is seen as a possible way of reducing the lack of awareness for energy and water consumption that most people bring forward [24]. Different studies
[20, 24, 16] revealed that there is quite a substantial saving
potential behind this feedback concept.
The main focus of this paper is the design and implementation of eco-feedback devices, which take advantage of
persuasive technology. This includes a comparison of design
approaches on how water and energy consumption patterns
can be manipulated. Furthermore, an overview of released
products will present the differences of the mentioned implementation methods and their observable effects.
Neustaedter et al. [24] revealed that many people are
not able to answer basic questions about their daily water
and electrical consumption. The reason being the lack of
available feedback. [24]. Most of the time regular feedback
from the suppliers is not available. Paper or electronic Invoices are often the only means offered by the companies
[24]. These are seen as not very effective, because the distance between the time of consumption and getting actual
data-feedback is too large [20]. Also keeping manually track
of the current state of any kind of analog meter is often
considered to elaborate and too inconvenient [24].
Even though there already smart-products (e.g. Google
Power Meter1 , Belkin WEMO2 , ...) available on the market, consumers are either due to restrictions by the supplier
not allowed to deploy these or are not willing to make the
required investment [23]. In the UK though, the progress of
the implementation of smart meters is ongoing, but the majority of them offer only restricted access to the customers.
Only the suppliers can access the captured data and the
individuals have no advantage [26].
Since interactive eco-feedback is not a commonly used
method, influencing people to conserve resources is done
through mass media [20]. Examples include websites, adverts or efficiency advice when purchasing new appliances.
Psychological studies have shown that such indirect and impersonal references have little to no influence on people [16].
As a result of inefficient feedback methods, most people
are unaware of how large their actual resource savings potential is. Additionally, the lack of motivation prevents them
from changing their consumption habits [16]. Even small efforts of e.g. investing into a new shower head could lead to
10-15 % less water usage per month [20]. Eco-visualizations
help to make up for this motivation loss by showing customized and prompt feedback to the individuals [21].
Before persuasion was combined with technological devices, it was mainly used in mass media, such as newspapers and commercials. With smaller devices and cheap
ubiquitous computing power, the concept of influencing people was implemented in smartphones, thermostats, . . . .
Researchers concentrate on how new inventions like smartwatches can be used for persuasion and how the effectiveness
for existing approaches can be increased [19].
In general, persuasion can be described as a way of changing the attitude and behavior of individuals or groups. According to Fogg, the most important characteristic is the
voluntariness [15]. Users should have total freedom and not
be forced in any way to make a certain decision. Persuasive technology should be designed so that the user does not
notice that his behavior is being influenced. This kind of
manipulation can be done in a positive, as well as in a negative, manner. The consistency of feedback is a curtail factor
when using persuasive approaches, because of the wide range
of design possibilities [30].
Ijsselsteijn et al. [19] state that an advantage of using
technological devices is the high flexibility and customization, when compared to other approaches, such as mass media or human persuaders. They report that this results in
behavioral patterns being monitored more closely and feedback being adjusted for each individual. In addition, such
devices also offer more ways of presenting the analyzed data
by using different graphs, pictures or even video clips. This
makes it easier for the user to understand [19].
Another benefit is the physical linkage between the users
and the devices they carry around all day long. Persuasive
content can be accessed and shown throughout the day and
is not locked down to a specific time or place. This opens
up new areas where other persuasive approaches were not
available before (e.g. fitness, traveling, . . . ) [15].
The term eco-feedback defines a system that allows individuals to see their current consumption of resources and
thereby creating a link to their daily activities (e.g. showering, laundry, . . . ). In addition, it also gives them a better
understanding about where the resource usage could be reduced [28]. While the idea behind this concept is over 40
years old, it only found its way into household appliances
over the last decade. Examples are household machines,
such as washing machines and dryers. In the European
Union, these are classified in an eco-ranking system (G to
A+++, A being the best) and some devices visualize energy
and water consumption while operating [8].
This kind of feedback is possible, because of all the technological advances that made generating precise and real-time
feedback much easier and cost effective. The common way
of measuring the usage of water and electricity was limited
to an entire house or apartment with mechanical meters.
Today sensors for the data collection directly at the point
where the resources are consumed are widely available [17].
Supplying the user with informative feedback has also become easier. Nearly everybody has some sort of smart device
in their home. Ranging from larger installations (computers, tablets, . . . ) to smaller wearable devices (smartphones,
smartwatches, . . . ), all of these can display some sort of ecofeedback [28].
Due to the introduction of all this new technology, the
term persuasive technology is generally seen as an extension
of the eco-feedback idea. The goals of those two concepts
are very similar and complement each other [16]. Motivating
individuals to change their behavior towards reducing the
use of resources can be achieved by using a combination
of eco-feedback and persuasion methods. Eco-feedback is
based on a simple implication along the lines of “you can
not manage what you can not measure” [29].
During the design process of eco-feedback applications,
engineers should focus on two factors. Froehlich et al. [17]
name placement of the device and visualization of the gathered data as these key factors. Both of these directly influence the perception of the individual user and therefore
the effectiveness of the eco-feedback. Other researchers [14,
20] picked up this idea and used it in their own scientific
projects [17].
5.1 Placement
According to Froehlich et al. [17], the key criteria for
the placement nowadays are cost, effectiveness and available space [16]. All options can be separated into two major groups. Feedback devices that are placed directly at
the point where the resource is consumed are grouped under ambient feedback. Tools that can be accessed from a
central place in a house or on the go (e.g. web interfaces,
smartscreens, . . . ) are referred to as centralized feedback
[21]. Even though placement is such an important factor in
this domain, most researchers only focus on the visualization
process and overlook the location of their implementation
5.1.1 Centralized Feedback
Centralized feedback describes methods of providing easy
to understand and always accessible information about the
current consumption in the household. By raising the knowledge about the general patterns of utilization and the savings potential, the overall reduction goal can be achieved.
These feedback devices are typically implemented as a smart
display, which is placed in a high traffic area in the house.
Studies [24, 16] revealed that most people would prefer these
locations because of the accessibility. They could easily
glance at the displayed visualizations several times a day
[14]. In addition to smartscreens, this category also includes
methods like web interfaces or mobile apps. These would
illustrate the same data sets but allow the user greater freedom of viewing, because the accessibility would not be restricted only to the central unit in the house [28].
A major benefit of centralized feedback is the low cost.
Using only a couple of additional devices or a software based
solutions to display the current consumption is a relatively
cheap solution. The most cost-intensive parts would be the
individual sensors for measuring the consumption, but this
depends on the complexity of the entire system. Bj¨
et al. [10] explain that all the gathered data from the meters
and sensors could be transmitted to a base-station which will
process it. From there, it could be send to a central display
unit or to a server for further distribution [10]. A resulting
advantage of this way of data gathering is the greater flexibility and customization available to the user. Smith et al.
[14] reveal in their study that participants favored reviewing
the data on a central display rather than getting feedback
directly at the appliance [16, 14].
However, this eco-feedback implementation is according to
Kappel et al. [20] not ideal. The time between the resource
consumption and receiving feedback is admittedly shorter
compared to receiving an invoice, but still too large. People could have forgotten about the exact event that caused
the expenditure by the time they would take a look at the
feedback and therefore diminish the desired learning effect
[24]. Another aspect discovered in a study by Neustaedter
et al. [24], was that not all household members have access
to the available feedback methods. Any approach requiring
some sort of authentication represents a barrier for some
individuals. These would not be able to get an insight on
the current consumption and hence the chance of behavioral
change would be diminished [24].
5.1.2 Ambient Feedback
In contrast to centralized feedback systems, the ambient
display approach focuses on giving the consumers immediate feedback while using a resource. This allows the engineer
to simplify his design drastically, because information about
time and place of consumption do not need to be visualized.
As a result the comprehension of the user is very high and
the effects of this influence on the behavior is also greater.
Ambient displays are either placed inside an appliance or
interposed between the device and a wall outlet. It is important that the user has a clear sight on the display while
using the target appliance [20].
The main advantage is that there is literally no lag between consumption and feedback. In addition, anybody using this appliance can perceive this information and therefore be influenced by it. Compared to a complex visualization on a display, simple LED strips generate only a low
cognitive load, thus making it easier for the individual to
comprehend [15].
On the other hand there are some major disadvantages.
Each monitored device needs customized sensors, controllers
and some sort of feedback indicator. The total cost of the
system, development and installation is compared to centralized approaches higher, especially if coverage area is very
large (e.g. house, office, . . . ). That is why this strategy is
only commonly used in individual appliances or in a circumscribed area. Another problem is the availability of de-
vices. Only a few appliances already include ambient feedback technology (e.g. showerheads, dryers, . . . ). An alternative would be the use of adapters that would be interposed,
but these are often very cumbersome to use [10].
5.2 Visualization
Since every individual has a slightly different perception
of information, there is no general rule about what the best
eco-visualization has to look like. Researches [17, 14] describe the fundamental elements that should be thought
about when designing a feedback device. These style guidelines heavily depend on the chosen kind of approach and the
target user group [17].
5.2.1 Centralized Feedback
In contrast to ambient displays, centralized feedback approaches can utilize additional functions and design elements.
Complex data sets can be presented on a larger interface
such as touchscreens or websites. However, it has still to
be comprehensible to the user, since the fundamental feedback concept of these two systems are the same. Other
additional persuasive functions, such as social sharing, can
be implemented as well, but are just seen as a glorification
[16]. Designers have to take more considerations when developing these complex interfaces. Researchers [16, 14] have
conducted field studies about centralized implementations
and explored different approaches of illustrating the gathered data [14].
While Froehlich et al. [17] concentrated on visualizing
water consumption, [14] focused on electrical energy and
its usage. Despite the different resource types their findings
are comparable and therefore can be interpreted as a general
Froehlich et al. [17] examined two different types of central display designs. Firstly, several implementations of a
bar graph with varying data and time granularity. These
displayed the current consumption grouped by individual
fixture type, activity or location. Also different types of
comparisons were offered, ranging from self-comparison by
setting an individual goal, over a historical overview, to comparing your consumption to “demographic neighbors”. The
second set did not just focus on visualizing the numbers
of the data-set, but gamification and metaphors were used
to influence the study participant’s behavior. The “Auaric
Ecosystem” represents a small ecosystem, which healthiness
is governed by the total water consumption throughout the
house. Getting closer to the desired savings goal triggers
positive effects, negative effects were not implemented at
the moment for social reasons [17].
Smith et al. [14] did not develop a set of visualizations,
but evaluated existing products and its capabilities during a
long term field study and interview sessions. Most of these
devices offered similar features to the displays described in
Froehlich et al. research [14].
The results of both studies reflect the concept behind persuasive technology and eco-feedback. About two thirds of
the participants agreed on using simple and easy to understand visualization that can be just glanced at. Regarding
the processing of the data the opinions were split. While
some preferred being able to customize their overview, others favored the suggested simplistic design. Additional comparison functions were preferred by most participants, but
with split opinions on the exact implementation. Another
important factor were the metrics used in the visualizations.
Having a wide selection of understandable choices (e.g. cost
per hour, liter, . . . ) was positively noted, while locking the
user down to a few scientific measurement units (e.g. CO2emissions, kW, . . . ) was down voted across the board. The
idea of adding playfulness to the visualization also received
positive feedback, but only a small group selected it as their
favorite over the over designs. Froehlich et al. [17] state that
this comes from the “tension between utility and playfulness”
[14, 17].
As conclusion, certain factors like measurement unit, granularity of data and time as well as complexity of the visualization are important to consider when designing an ecofeedback system [16]. Even a small design change can have
a substantial influence on how the information is received by
the individual user. The basic rules of persuasive technology
and eco-feedback should always be considered, keeping the
cognitive load to a minimum and make it easy for the people
to understand [19].
5.2.2 Ambient Feedback
When designing an ambient display for a certain appliance
in a household, the main target should be the simplicity and
inconspicuousness. The cognitive load should be kept at a
minimum. This can be achieved through the use of simplistic
colored indicators. RGB LEDs offer a very cheap and flexible basis. These can be mounted nearly everywhere and with
a small sensor and control unit can illuminate in a certain
color to give feedback. Normally red and yellow are negatively associated and blue or green more interpreted more
positively. An example is the project “ShowMe” by Kappel
et al. [20] where a strip of LEDs is placed inside a shower
to indicate the total amount of water used during a session
[20]. Some other products, like the Miele WMG 120b3 , use
the integrated display with a bar graph to show an estimation of how much resources are being used during a batch of
laundry. If a very efficient program is chosen the graph turns
green, but if more water and electricity is needed it illuminates in an orange or red color. Through this immediate
feedback people should be persuaded to save more energy.
As an example, a more efficient washing program could be
selected or the duration of showering shortened. These implementations offer a very prompt feedback without being
intrusive or distracting for the individual.
5.3 Research Results
Studies [20] [14] have shown that ambient approaches are
more effective than centralized devices, because of the higher
accuracy of the measurement and the more direct feedback
[20]. Central methods often rely on only a few sensors for
data gathering, while ambient displays are implemented in
each individual device. However, this makes the appliance
very costly and replacing all of them at a single time is nearly
impossible. Therefore, a combination of both approaches offers the best results and can be found in many households
that use eco-feedback systems. Displays show general information about the total consumption, while ambient devices
are used in areas where high expenditure is expected (e.g.
shower, washer, . . . ) [28].
Figure 1: A: Uji Shower head with LED indicators [7]. B: Neurio’s Savings App Wattson [12]. C:
Power-Aware Cord showing the current draw [18].
With the growing interest and need to save resources,
many new products enter the market, which feature feedback
approaches discussed in previous research studies. Some
suppliers [6] even offer special smart meters tariffs with access to custom web interfaces. All these implementations
go along with the concept of smart grids and eco-feedback,
which will help to reduce the overall consumption [6].
6.1 Ambient Approches
Today, ambient feedback is mostly used in larger household appliances and in locations where a lot of resources
are consumed. Examples include washing machines, dryers
and televisions, which feature eco-visualizations, and special
shower heads and faucets, which use LEDs to indicate the
current water usage [20].
6.1.1 Water
“ShowMe” was a research project by Kappel and Grechenig.
The goal was to build and evaluate an ambient feedback system for a shower. A study with various participating households was used to analyze the effectiveness of the design and
the attainment of the set savings goal. A single color LEDstrip placed inside the shower cabin was used for indication.
For the water measurement a digital meter was connected
between the wall outlet and the shower head. This unit
sends its data to a control box, which would illuminate one
LED per 5 liters of water [20].
This concept was inherited by Uji Shower [7], which implemented a similar system into a showerhead. Instead of
LED strips displaying a sort of bar graph inside the shower,
multicolored LEDs inside the head were used. These would
gradually illuminate switch the color from green to red if the
set time has passed. The flow of water is a known fixed constant in their model. This makes keeping track of the water
consumption and displaying the right color easier. After six
minutes and about 70 liters used the LEDs would fade to
red, indicating that it is time to stop the shower [7].
Kappel et al. [20] reveal during their three week evaluation that the mean water usage per shower dropped by
about 10 liters. Participants explained that being able get
feedback encouraged them to experiment with the consumption meter and eventually change their shower behavior [20].
6.1.2 Electrical Power
The “Power-Aware Cord” by Gustafsson and Gyllensw¨
[18] visualizes the current electrical power consumption of
the devices plugged into it. Blue LEDs are used in combination with an internal controller for the ambient feedback.
The study focused on the comprehension of the LED lights
and nearly all participants did understand the idea behind
this concept. In their conclusion, Gustafsson and Gyllenw¨
ard mention that it is a good implementation for learning
about power consumption, but it would not practical for
everyday usage. Most of these type of power bars are hidden away and therefore not an ideal device for the ambient
feedback approach [18].
A commercial available feedback product is the “Kill A
Watt” by P3 International. It is a mobile power meter that
can be interposed between the wall outlet and any appliance. The numeric LCD interface can show Volt, Ampere,
Watt, Hertz and Kilo Watt Hours. Depending on the load
of the connected devices the plug meter displays how much
energy was used in a given time period. This tool is mainly
meant for tracking down expensive electrical loads, therefore
helping the user to understand where energy could be saved.
Additionally, it can be used as a method of ambient feedback by monitoring the consumption of certain areas (e.g.
office, living room, . . . ) [5].
A problem with using such devices as ambient displays is
that most of them interpose between an outlet and the actual appliance, therefore the visual feedback is hidden away
[18]. Many other manufactures [1] use plug in meters that
communicate with a central display unit for tracking electrical energy consumption.
6.2 Central Approches
In addition to the suppliers, companies (Google, Microsoft,
. . . ) are starting to offer centralized eco-feedback systems.
Most of these implementations show the overall consumption in various graphs through a web interface [3, 4]. Products, like Belkin WEMO, use individual plug sensors and an
app for smart devices in order to display the captured data
[1]. Mobile community applications [apps] are also used to
supply some sort of feedback.
6.2.1 Smart Meters
According to Markam et al. [23] smart meters become
very popular and are used by many suppliers for the implementation in microgrids. The gathered information is used
to simplify the billing process and give the customers a detailed view of their consumption [23].
Companies like Google and Microsoft started research projects with the main goal of showing the importance of ecofeedback [3]. PowerMeter by Google4 and Hohm by Microsoft5 both used web interfaces to display the captured
data from a smart meter about an individual household.
These visualizations could be customized by the user to his
liking. Features included various types of graphs, historical
overviews, cost analyzing tools and social sharing functions.
Unfortunately both these services were discontinued after a
few years, because of the lack of customers [3, 4].
Smart meters are typically installed and controlled by each
individual supplier. In Germany, RWE offers a solution6
that covers electricity, water and natural gas, but it is only
available to a small number of test household at this time.
The meters are used to collect data on a fixed periodical
time base, which is visualized on a web interface for the
customers [6]. An EU guideline prescribes that about 80 %
of households should have a smart meter feedback system
by the year 2022 [2].
A study conducted by IBM [3] showed that smart meters in combination with a cloud based eco-feedback system
resulted in an 11 % overall saving of electricity [25].
6.2.2 Smart-device Applications
The increase of ubiquitous smartphone technology is responsible for the growth of mobile applications (apps) [22].
This platform has become so popular, that even eco-feedback
systems now offer custom apps for monitoring energy consumption on the go.
An example for this kind of centralized feedback is the
research project “WattBot” by Peterson et al. [27]. Using
one central sensor unit in the breaker box, they can differentiate where the energy was consumed. This data is then
transmitted to an app which visualizes it with a bar graph
for each individual circuit of the house [27]. This concept
was picked up by Energy Aware Technology. Neurio [12] is
a system that can monitor the energy consumption of an
entire house with a single sensor unit. The captured data is
transmitted to a cloud server system that evaluates it and
detects which exact appliance is currently in use. The provided app illustrates the feedback and gives tips on how to
save money and energy. Currently this system is still under
development but first tests showed maximum savings up to
44 % [12].
Another approach of using smartphones for eco-feedback
was an app for the “Close the Door” project in the UK [22].
Keeping the entrance doors of public stores closed in order
to save energy for heating or cooling was the goal of this
campaign. With the app, participants could mark a door
that has been left open and participating shop owners would
get notified. The app was evaluated during the study, but
the actual savings effect was not measured [22].
The popularity of eco-feedback is growing very fast, with
more research projects being conducted and first prototype
products being released to the market. By making prescriptions, the governments are additionally pushing the development of these systems. Resulting are new ways of measuring the consumption and displaying on various mobile
devices with less technological overhead [28]. Today most
eco-feedback research projects focus on saving electrical energy, because it is more expensive than water. However,
applying the methods of eco-feedback to both source types,
showed to be effective. A 10 % to 20 % saving in every
household could easily be achieved and thereby saving a lot
of fossil resources. Makoni et al. [23] expressed that the
majority of study participants wanted such products implemented in their homes, which shows that there is a high
demand [21].
The addition of persuasive elements and ubiquitous technology offer a lot of new opportunities. Being able to use
only one sensor to measure each individual appliance in a
room and using smart devices to visualize the current consumption on the go, are only a few examples [10]. There
is still a lot of room for new inventions in this area. Some
suppliers already started to test and implement systems that
utilize the approaches discussed in various research projects.
To summarize it, eco-feedback with the addition of persuasive technology is a great way of saving valuable resources.
[1] Belking wemo insight switch, 2014.
[2] Einfuehrung von smart meter in deutschland. July
[3] Google powermeter: A project, 2014.
[4] Microsoft hohm fact sheet, 2014.
[5] P3 international kill a watt, 2014.
[6] Smart meter rollout, 2014.
[7] Uji shower head, 2014.
[8] D. Avasoo. The european window energy labelling
challenge. pages 1–7, 2014.
[9] T. Barker, S. S. Scrieciu, and T. Foxon. Achieving the
g8 50% target: modelling induced and accelerated
technological change using the macro-econometric
model e3mg. Climate Policy, 8:30–45, 2008.
[10] C. A. Bj¨
orkskog, G. Jacucci, L. Gamberini,
T. Nieminen, T. Mikkola, C. Torstensson, and
M. Bertoncini. Energylife: Pervasive energy awareness
for households. In Proceedings of the 12th ACM
International Conference Adjunct Papers on
Ubiquitous Computing - Adjunct, Ubicomp ’10
Adjunct, pages 361–362, New York, NY, USA, 2010.
[11] G. Brauner, W. D’Haeseleer, W. Gehrer, T. Krause,
H. Kaul, M. Kleinmaier, W. Kling, H. M. Prasser,
I. Pyc, W. Schroeppel, and W. Skomudek. Electrical
power vision 2040 for europe. February 2013.
[12] J. Cheam, C. Gore, A. Kashani, and J. Hallam. Make
any home a self-learning home. October 2013.
[13] T. Dworak, M. Berglund, C. Laaser, P. Strosser,
J. Roussard, B. Grandmougin, M. Kossida,
I. Kyriazopoulou, J. Berbel, S. Kolberg, J. A.
Rodriguez-Diaz, and P. Montesinos. Eu water saving
potential. Ecologic-Institute for International and
European Environmental Policy, pages 900–949, July
[14] G. Fitzpatrick and G. Smith. Technology-enabled
feedback on domestic energy consumption:
Articulating a set of design concerns. Pervasive
Computing, IEEE, 8(1):37–44, Jan 2009.
[15] B. J. Fogg. Persuasive technology: Using computers to
change what we think and do. Ubiquity, 2002,
December 2002.
[16] J. Froehlich, L. Findlater, and J. Landay. The design
of eco-feedback technology. In Proceedings of the
SIGCHI Conference on Human Factors in Computing
Systems, CHI ’10, pages 1999–2008, New York, NY,
USA, 2010. ACM.
[17] J. Froehlich, L. Findlater, M. Ostergren,
S. Ramanathan, J. Peterson, I. Wragg, E. Larson,
F. Fu, M. Bai, S. Patel, and J. A. Landay. The design
and evaluation of prototype eco-feedback displays for
fixture-level water usage data. In Proceedings of the
SIGCHI Conference on Human Factors in Computing
Systems, CHI ’12, pages 2367–2376, New York, NY,
USA, 2012. ACM.
[18] A. Gustafsson and M. Gyllensw¨
ard. The power-aware
cord: Energy awareness through ambient information
display. In CHI ’05 Extended Abstracts on Human
Factors in Computing Systems, CHI EA ’05, pages
1423–1426, New York, NY, USA, 2005. ACM.
[19] W. Ijsselsteijn, Y. de Kort, C. Midden, B. Eggen, and
E. van den Hoven. Persuasive technology for human
well-being: Setting the scene. In W. IJsselsteijn,
Y. de Kort, C. Midden, B. Eggen, and E. van den
Hoven, editors, Persuasive Technology, volume 3962 of
Lecture Notes in Computer Science, pages 1–5.
Springer Berlin Heidelberg, 2006.
[20] K. Kappel and T. Grechenig. ”show-me”: Water
consumption at a glance to promote water
conservation in the shower. In Proceedings of the 4th
International Conference on Persuasive Technology,
Persuasive ’09, pages 26:1–26:6, New York, NY, USA,
2009. ACM.
[21] S. Makonin, M. H. Kashani, and L. Bartram. The
affect of lifestyle factors on eco-visualization design.
CoRR, abs/1405.5263, 2014.
[22] E. Massung, D. Coyle, K. F. Cater, M. Jay, and
C. Preist. Using crowdsourcing to support
pro-environmental community activism. In Proceedings
of the SIGCHI Conference on Human Factors in
Computing Systems, CHI ’13, pages 371–380, New
York, NY, USA, 2013. ACM.
[23] A. Molina-Markham, P. Shenoy, K. Fu, E. Cecchet,
and D. Irwin. Private memoirs of a smart meter. In
Proceedings of the 2Nd ACM Workshop on Embedded
Sensing Systems for Energy-Efficiency in Building,
BuildSys ’10, pages 61–66, New York, NY, USA, 2010.
[24] C. Neustaedter, L. Bartram, and A. Mah. Everyday
activities and energy consumption: How families
understand the relationship. In Proceedings of the
SIGCHI Conference on Human Factors in Computing
Systems, CHI ’13, pages 1183–1192, New York, NY,
USA, 2013. ACM.
[25] J. Niccolai. Residents cut energy bills 11% in smart
meter test, 2014.
[26] J. Palmer and I. Cooper. Great britain’s housing
energy fact file. September 2011.
[27] D. Petersen, J. Steele, and J. Wilkerson. Wattbot: A
residential electricity monitoring and feedback system.
In CHI ’09 Extended Abstracts on Human Factors in
Computing Systems, CHI EA ’09, pages 2847–2852,
New York, NY, USA, 2009. ACM.
[28] A. Spagnolli, N. Corradi, L. Gamerini, E. Hoggan,
G. Jacucci, C. Katzeff, L. Broms, and L. Joensson.
Eco-feedback on the go: Motivating energy awareness.
IEEE Computer Society, 44(5):38–45, 2011.
[29] Y. A. Strengers. Designing eco-feedback systems for
everyday life. In Proceedings of the SIGCHI
Conference on Human Factors in Computing Systems,
CHI ’11, pages 2135–2144, New York, NY, USA, 2011.
[30] T. Toscos, A. Faber, S. An, and M. P. Gandhi. Chick
clique: Persuasive technology to motivate teenage girls
to exercise. In CHI ’06 Extended Abstracts on Human
Factors in Computing Systems, CHI EA ’06, pages
1873–1878, New York, NY, USA, 2006. ACM.
How Effective are Persuasive Technologies in Automotive
Johannes Schätzl
Universität Passau
Innstr. 43
94032 Passau, Germany
[email protected]
The steady growth of road traffic leads to considerable economical problems. But several people depend on their cars.
Yet, electric cars are not as widespread as standard combustion engine, as occupied by the following facts: In the
first two quarters of 2014, the share of electric cars of all
new registrations were at least at 0.3 % (1). By comparison,
every new registered automobile had at 50.4 % an petrol
motor and at 48 % a diesel motor. With a share of almost
80 %, motorized private transport has the greatest influence
on the transportation sector. With every kilometer, driving
with our cars, every person emits 142.3 grams greenhouse
gas (2). In this paper the research will focus on the following tree questions: (1) Which different persuasive systems
do already exist in the automotive context? (2) How big is
the potential to save fuel by each of the systems? (3) Where
are the limits in manipulating the drivers behavior?
persuasive interface, Eco-efficient driving feedback, changing
driving behavior, persuasive smart phone applications
The fuel-price steady grows. In the year 1995 one liter
premium-grade petrol costed 59 Euro Cent. Compared to
the situation today, this is a price increase of about 270 %
(3). Therefore, more and more consumer are rethinking their
adopted driving behavior. In ”Persuasive Technology Using
Computers to Change what we think and do” (4), the author showed that persuasive systems can have the potential
to change a persons behavior. In order to evaluate the efficiency of influencing a drivers behavior in the car, we have to
understand the theoretical way persuasive technologies are
working. At the moment, two different types of persuasive
systems are used in the automotive context. On one hand,
there are the permanently integrated systems. At the other
hand, drivers can download and use specifically designed
smart-phone applications on their devices. The significant
difference between the two variants is, that the user have to
• Johannes Sch¨
atzl is a bachelor’s student at the University of Passau, Germany
• This research report was written for Advances in Embedded Interactive Systems (2015), Volume 3, Issue 2
(April 2015). ISSN: 2198-9494
make a conscious decisions in order to use the mobile system.
However a persuasive technology is used, we will critically
face the question whether the devices can have an significant
improvement for humans and the environment. In section 2
this paper will classify the persuasive technologies into the
”perspectives of persuasive computers”(4). Furthermore the
influence of different driving styles and the motivation of the
driver will be shown. After that the paper will introduce the
two basic persuasive systems in the automotive context as
well as their influence on the driver. Section 3 will discuss
the results and demonstrates potential borders of the the
technologies. A summary of this paper is given in section 4.
Definition of persuasive systems
A persuasive systems is defined as ”an interactive technology that attempts to change attitudes or behaviors in some
way” (4). In the circumstance of automotive, this means that
the system change the behavior of its driver. In the same
paper, the author presented five perspectives on computers
and persuasions. This paper will arrange the persuasive systems in the automotive context into this perspectives. In the
first one, he classified the systems into tree types of intent.
In the automotive context, persuasive technologies have a
exogenous intent. Therefore a designer of a system has the
intent to provide another person with his system in order
to change that persons driving behaviors. In addition to it,
in the automotive context, the computers neither have the
function of a social actor nor as a medium which provides experiences. In perspective two it can be refereed to the function as tool which can reduce cots, increases self-efficiency
and provides information for better decision making. To integrate the systems in perspective 3, we have to focus on
the level of analyses. Econ-feedback systems shout motivate
the individual to have a more predictive driving style. Furthermore they should reduce the community’s carbon emissions. Therefore the level of analysis are ’individual’ and
’community’. Perspective 4 concerned with design space for
persuasive technologies. The domains for the automotive
context are safety, like safe driving such as the environment
by saving emissions. The last perspective deal with the ethical questions in the context of manipulating users. BJ Fogg
tried to do a simple gain/loss analysis. If we try to transform
this analysis into our context, we gainers are the individuals
who want to safe money and the community who wants to
preserve the environment. Indeed, the losers will be this one,
who have neither the interest to safe money, nor to protect
the environment but who will be tried to manipulated by
persuasive systems in their own cars.
The different types of drivings styles
After obtaining their driving licence, every motorist takes
his own driving style. In practice, three types of driving may
be distinguished. An aggressive driver is characterized, for
instance, by tailgating, passing on the shoulder of the road,
driving through yellow lights that are turning red and they
often driving 20 km per hour or more over the speed limit
(5). The exact opposite is the economic thinking driver. He
always tries to waste a minimal number of fuel (6). The third
variant of driving styles is the conservative one. In general,
he drives slower than the aggressive one, keeps greater distance to the driver in front and his personal emotions have
no influence on the way he drives his vehicle (7). Regardless
which style a driver has adopted over the years, it has an
impact of the fuel consumption. In addition to an aggressive
driver, the conservative driving style consumes 30% less fuel
(6). The potential of saving fuel is therefore higher by the
aggressive driver. Against this, a notorious speeder probably have to be more motivated than a economic thinking
driver. Whose potential to save fuel whereas will be lower
by comparison.
Motivating the driver
Even if a few motorists do use an efficiency system yet,
most drivers will need to be motivation therewith they use
it. Here, there is a difference between the installed, in the vehicle integrated system and the mobile system. Second has
to be downloaded and installed on the smart phone first.
The inhibition level to use the system, integrated in the
vehicle, could be probably lower, because it can be used
without spadework. The spectrum of incentive range from
financial to economical to playful reasons. The research (8)
combined the effect of driving feedback systems with those
of financial benefits. In the study, drivers of the ’Netherlands Postal and Telecommunications Services’ have been
asked to save 5% petrol. They were supported by a system,
which gave them driving feedback like acceleration-behavior
or the best time to change gears. Their results were monitored by their management. The conclusion of the research
was, that the drivers saved 7.3% petrol at all. Other surveys showed the possibility to save money as most preferable
by the users (60%), followed by road safety (20%) and the
maintenance of the car (7%). Only 5% stated the retention
of the environment as their motivation to use a eco-driving
system (9). Nearly 85% think that feedback systems could
change their driving behavior into a more efficient way, although they have never used equivalent technologies before
(6). In a survey called ’Survey on KIA Soul Eco-Driving System” (9) 60 respondents completed an online survey to their
thoughts on the Eco-Driving system. 87% said that they
were highly aware of the system. The survey also inquired
the motivation of the users. 68% stated that their reason
for using the system is saving money. 20% want to adopt
a more saver driving behavior and 7% ticked maintenance
as their reason. 4% said that they want to become a more
ecologically way of driving their car. The same paper also
concerned with the improvement of the edo-driving system.
The respondents said that they want to see the differences
in gas mileage when using and not using the system. Most
respondents noted that a small display, positioned in the
dashboard is hard to check while driving. In addition to it,
the respondents would prefer a more individual adjustable
system. In the question of reliability the drivers wanted a
more interactive system which provides more than a simple
indicator light for feedback. If we remember the aggressive driving style from the previous subsection, we might
need another motivation. From (5) we can conclude that
the driver can not be impressed by improvements for his or
her safety, maintenance or the environment. A aggressive
driving style often attempt to save time. Even if the driver
may not be motivated by monetary benefits, the persuasive
technologies could try to give the driver instructions in saving time with simultaneous saving of fuel. Since aggressive
drivers believe that they possess superior driving skills the
driver might also be motivated by comparison driving skills
to other drivers.
The basic variants of persuasive technologies in automotive context
Regardless in which device a persuasive technology is installed, there are two basic workings. At the one hand, the
system can give the driver real time feedback to his current
driving behavior by giving them gear shift recommendations,
optical or audible advice, or feedback through changing feelings in the gas pedal (6, 10). Systems in this category integrated in the vehicle are for example the Honda ’EcoAssist’, Nissan`s EV LEAF Trip Computer, Renault`s EconoMeter or Toyota`s Prius Eco-Drive Monitor. Applications
which provides real time feedback are for example: ’Driving
Curve’ and the ’goDriveGreen’-Application. At the other
hand, the systems can provide accumulated driving behavior. Therefore the device gathers driving information other
a longer period of time . This period can be from a few
minutes to at least a few driving cycles. Real time feedback or rankings with other drivers are often used at the
same time (6, 10). Examples are Ford`s ’SmartGauge’ and
Honda‘s ’EcoGuide’. Applications which supplies accumulated feedback are for example ’iEcoMeter’ and again the
’Driving Curve’-Application.
Persuasive systems on a mobile device
2013, 40% of Germans aged over 14 years owned a webenabled smart phone (11). Modern phones are fitted with
technologies like GPS and an accelerometer. Several programmer used this features and developed applications, which
can give eco-efficient driving feedback to his user. In this
paper, the following applications are tested on section 4: ’eDrive4Tree, ’iEcoMeter’, ’goDriveGreen’, and an app called
’Driving Curve’. In (12), the authors tested the application
’DriveGain Ltd., 2012’ for it’s impact on the driving behavior of the users. Therefore they took at least 42 test drivers.
20 drivers were supported by the freebie application. The
other 22 subjects went the average route of 33.7 kilometers
without the econ-feedback system. In the research, monetary incentives were absent. The result of the study supported the thesis of the authors, that persuasive technology
can have a positive influence on the fuel consumption. At
least, the group of drivers, who had used the mobile applications, were able to improve their fuel efficiency by 3.23
%. In another research (13) the results were about twice as
high, with 6.67 % fuel reduction. However, there were only 5
persons involved in the experiment and the distance covered
was 28.5 kilometers shorter than in (12). In sum, the first
shown study is statistically more significant. In figure 1 you
can see the interface of the application ’Driving Curve’. As
mentions in subsection overhead, the persuasive application
provides accumulated and real time feedback. In real time,
the driver can see his driving curve. This curves demonstrates abrupt acceleration and deceleration in real time as
well as the accumulated number of them. After the driving
the system calculates a driving score which can be compared
to other drives.
If the driver has a non ecological driving-style, he will gain
dried out branches to show him the impacts of his behavior. The second system, displayed in the middle of figure
1, is the ’Mercedes ECO-Display’. 2 Mercedes try to influence the drivers by showing them tree different bar charts.
The first bar represents the acceleration of the car. If the
drivers accelerates moderate, the bar will increase. Sportive
driving performances will make the bar shrink. The second
graph stands for a consistent mode of driving, the third for a
forward-thinking style of driving. On top of the chart, there
is the resumed percentage worth of all three bars. 100%
representing the most ecological driving behavior. The last
system, is the ’BMW-Efficient Dynamics System’ 3 . In figure 1 it is imaged on the bottom. BMW shows the driver his
accumulated performance in a ’challenge history’. They do
also present him his current ranking as real time feedback.
Furthermore the system give a acceleration/deceleration advice. In ecker2011ecochallenge, the authors tested the fuelconsumption with and without the system. Their thesis ”H3:
Less fuel is needed when the EcoChallenges are used”, the
could not prove. There was only used 0.2 liters per kilometer
less than without activating the system.
Figure 1: The interface of the application ’Driving
Curve’(Application screen-shot)
Persuasive systems integrated in a vehicle
A few automotive brands do already support their drivers
by giving them ecological-driving feedback. In the following i will show you tree examples of persuasive technologies
installed in cars. At first, there is the ’Honda ECO-Assist’
as you can see on top of figure 1 1 . To start the service,
the driver has to press the ’ECON’-Button in the car. After
pressing the Button, the ’ECON-Coaching Ambient-Meter’
supports the driver by giving them feedback to his driving behavior. Therefore, the tachometer change its color to
show the current driving profile. A blue back-light stands
for a aggressive, a green back-light for a efficient performance. Furthermore, depending on the driving behavior,
blooms appear or disappear at the dashboard. Both features give the driver a real time feedback. In order to give
him a accumulated feedback to, the driver can win a virtual econ-trophy after driving 1000 ecologically kilometers.
fuel-efficiency.aspx [last : 05.11.2014]
Gameful Design in persuasive car systems
In the subsection ’Motivating the driver’ possible influence on the driver by persuasive systems providing gameful designs were mentioned. The research (14) investigates
”gamified applications in vehicles” i. a. in order to change
the drivers behavior into a more ecologically way. Systems
like the Ford ’Smart Gauge’, Kia‘s ’ECOdynamics system’
and the Chevrolet ’Volt’ informs the user about his current
driving by displaying color switching and or growing leaves.
This should showing the driver whether he is helping or damaging the environment. In combination with score points,
which can be earned for eco driving, the user can compare
his behavior to other drivers. Because people like gaming,
winning and comparing gameful systems should motivating
the driver to use eco system. One Smart phone applications
that uses gameful elements is the ’e-Drive4Tree’. As you
can see in figure 3, the application is showing i tree. This
tree should representing the environmental influences of the
drivers behavior. With an ecologically acting the tree will
grow. With abrupt maneuvers the tree will shrink. Accumulated, the driver can see a calculated score in order to
compare to other drivers.
Existing researches, as shown in section 2, reached a fuel
reduction up to 6%. Therefore we can we can answer question (2) from the introduction: Persuasive technologies do
have a positive influence on the driving behavior. How big
the influence really is depends on the motivation of the user
and the features of the system. This can be deduced from the
fact that all different researches devoted different results. It
remains anyhow highly questionable whether such systems
will have an impact on users without any motivation to use
it. No influence will have a mobile application without the
display/detail.html [last appeal: 05.11.2014]
[last appeal: 05.11.2014]
Figure 3: The interface of the application ’eDrive4Tree’ (Application screen-shot)
Figure 2:
Efficient-Systems of Honda, Mercedes and BMW (Pictures from:,, (10))
motivation of the user. This is because an unmotivated user
would not ever download and install the framework on his
device. Mobile applications furthermore have the disadvantage that they have to been started manual before each trap.
In order to improve ones driving behavior the user have to
evaluate his results. A further inconvenience arises from the
fact that the embedded GPS-system consumes much battery
capacity. Especially for longer journeys the device has to be
supplied with electricity. Smart phone-based systems are
only be a workaround. For high-volume use, the systems
should be integrated into the vehicle. Even the accuracy
of mobile technologies can be not as exactly as the embedded variant. A few tested applications have the problem
that they could neither decide between breaking and slowing down through going uphill nor between accelerating and
start rolling downhill. The answer of (3) is therefore linked
to the user acceptance. Due to the fact that the all tested
and introduced systems did not require sophisticated interaction, we can assume that the complexity by using persuasive systems have nu influence on their results. All investigated systems only supplied visual feedback. This gives
the driver the opportunity to decide at himself whether and
when he wants to have driving feedback. Auditory system
would have the advantage of avoiding visual distraction and
it could influence the user without his own assistance. Nev-
ertheless the acceptance of the user could probably decrease
by the same reason. The research (15) confirmed that tactile and auditory feedback triggered a lower user acceptance
than any visual feedback frameworks. The reach of fossil
fuels using vehicles is in most of the cases bigger than 500
kilometers with one tank filling. This appears quite differently if we look at the current electric cars. E cars do often
have a range of less than 200 kilometers (16). Whenever
the driver wants to go for a longer trip, he may is reliant
on an efficient driving behavior. Even small changes in the
driving style can have a big impact on the range of electric
cars. Thus, the motivation to use and the acceptance for
persuasive technologies could rise up.
This paper presented different persuasive systems in automotive context. The most widespread systems are mobile applications and in-car interfaces. Various researches
showed that this systems have the potential to teach the
user a more econ driving style. From all arranged researches
the maximum was 6.67 % fuel reduction. Both systems have
their advantages as well as their disadvantages. The mobile
system have to be downloaded, installed, manual started
before each trip and spends a lot of battery. In return it
is cheap and can be used by everyone who posses a compatible smart phone. The implemented in-car systems are
yet not installed in many cars and the retrofit will probably be dearer than the mobile applications. Therefore they
are directly linked into the car-computer data. The main
requirement for the result of the systems is the drivers motivation. Multiple researches showed that the main reasons
for using the systems are monetary benefits or playful incentives. A lot of car brands do testing prototype. Through
the uprising fuel prices and the necessity to save energy in
e-cars the market for such systems could grow in the next
few years.
[1] Kraftfahrt-Bundestamt.
Pressemitteilung Nr.
19/2014:Fahrzeugzulassungen im Juni 2014 - Halbjahresbilanz. Technical report, Kraftfahrt-Bundestamt,
June 2014.
[2] Umweltbundesamt. Daten zum Verkehr. Ausgabe 2012.
Technical report, Umweltbundesamt, Oktober 2012.
[3] Christiane Kasten and Gernot Klepper. Verschw¨
oder Marktwirtschaft? : Was bestimmt die Benzinpreise? Leibniz-Informationszentrum Wirtschaft, pages
18–20, March 2001.
[4] B. J. Fogg. Persuasive Technology: Using Computers
to Change What We Think and Do. Ubiquity, 2002(December), December 2002.
[5] Leo Tasca. A review of the literature on aggressive
driving research. In aggressive driving issues conference,
volume 26, 2000.
[6] Johannes Tulusan, Lito Soi, Johannes Paefgen, Marc
Brogle, and Thorsten Staake. Eco-efficient feedback
technologies: Which eco-feedback types prefer drivers
most? In World of Wireless, Mobile and Multimedia
Networks (WoWMoM), 2011 IEEE International Symposium on a, pages 1–8. IEEE, 2011.
[7] Talal Al-Shihabi and Ronald R. Mourant. A Framework for Modeling Human-like Driving Behaviors for
Autonomous Vehicles in Driving Simulators. In Proceedings of the Fifth International Conference on Autonomous Agents, AGENTS ’01, pages 286–291, New
York, NY, USA, 2001. ACM.
[8] Sjef Siero, Martin Boon, Gerjo Kok, and Frans Siero.
Modification of driving behavior in a large transport
organization: A field experiment. Journal of Applied
Psychology, 74(3):417, 1989.
[9] Heewon Lee, Woohun Lee, and Youn-Kyung Lim. The
Effect of Eco-driving System Towards Sustainable Driving Behavior. In CHI ’10 Extended Abstracts on Human Factors in Computing Systems, CHI EA ’10, pages
4255–4260, New York, NY, USA, 2010. ACM.
[10] Ecker, Ronald and Holzer, Philipp and Broy, Verena
and Butz, Andreas. Ecochallenge: a race for efficiency.
In Proceedings of the 13th International Conference on
Human Computer Interaction with Mobile Devices and
Services, pages 91–94. ACM, 2011.
[11] BITKOM. 63 Millionen Handybesitzer in Deutschland.
Technical report, BITKOM, August 2013. bitkom HandyVerbreitung in Deutschland 26 08 2013.pdf.
[12] Johannes Tulusan, Thorsten Staake, and Elgar Fleisch.
Providing Eco-driving Feedback to Corporate Car
Drivers: What Impact Does a Smartphone Application
Have on Their Fuel Efficiency? In Proceedings of the
2012 ACM Conference on Ubiquitous Computing, UbiComp ’12, pages 212–215, New York, NY, USA, 2012.
[13] Ecker, Ronald and Slawik, Bernhard and Broy, Verena. Location Based Challenges on Mobile Devices for
a Fuel Efficient Driving Behaviour. In proceedings of
fifth International Conference on Persuasive Technology, Copenhagen, Denmark, 2010.
[14] Stefan Diewald, Andreas M¨
oller, Luis Roalter, Tobias
Stockinger, and Matthias Kranz. Gameful Design in the
Automotive Domain: Review, Outlook and Challenges.
In Proceedings of the 5th International Conference on
Automotive User Interfaces and Interactive Vehicular
Applications, AutomotiveUI ’13, pages 262–265, New
York, NY, USA, 2013. ACM.
[15] Alexander Meschtscherjakov, David Wilfinger, Thomas
Scherndl, and Manfred Tscheligi. Acceptance of future
persuasive in-car interfaces towards a more economic
driving behaviour. In Proceedings of the 1st International Conference on Automotive User Interfaces and
Interactive Vehicular Applications, pages 81–88. ACM,
[16] Christoph Link, Gerd Sammer, and Juliane Stark. Absch¨
atzung des Marktpotenzials und zuk¨
unftigen Marktanteils von Elektroautos. e & i Elektrotechnik und Informationstechnik, 129(3):156–161, 2012.
Persuasive Technologien und Applikationen in Bildung
und Erziehung
Michael Oberneder
Universität Passau
Innstr. 43
94032 Passau, Germany
[email protected]
Persuasive Techonologien und Gamification werden immer
aufiger in Applikationen f¨
ur Bildung und Erziehung eingesetzt. Die spielerische Gestaltung der Anwendungen sollte die Lernenden motivieren die Applikationen regelm¨
und engagiert zu benutzen. In diesem Artikel wird erl¨
autert, welche Rolle Gamification einnimmt und welche Modelle verwendet werden k¨
onnen um die Motivation und das
Engagement der Benutzer zu steigern. Es wird aufgezeigt,
welche persuasiven Elemente verwendet werden, um die Anwendungen f¨
ur den Benutzer attraktiv zu gestalten. Anhand
von Studien wird dargelegt, wie die Lernanwendungen mit
persuasiven Technologien eingesetzt werden um die Studierenden zu h¨
oherer Motivation zu bewegen.
Unter Gamification versteht man die Ubertragung
Spiel-Elementen in das t¨
agliche Leben und Situationen außerhalb von Computerspielen [5]. Die Idee ist, Menschen zus¨
atzlich zum Lernen zu motivieren. Um dies zu erreichen basiert Gamification auf allgemeinen Grundkonzepten, die in
Videospielen erfunden wurden, wie z. B. Erfahrung gewinnen [5], oder sein Wissen und seine Ideen mit anderen teilen
[5]. Dadurch soll das, f¨
ur den Menschen nat¨
urliche, Verlangen nach Spielen zum Vorteil f¨
ur die Lernenden genutzt werden [5]. Durch Gamification nutzt man die Motivationskraft
von Spielen und wendet sie auf ernstere Probleme an, wie
z. B. Lernprobleme von Studierenden [11].
Es gibt verschiedene Modelle und Konzepte, die in Spielen
dazu verwendet werden die Aufmerksamkeit des Benutzers
zu erreichen. Im Fogg’s Beavior Model [4] wird gezeigt, welche Faktoren ber¨
ucksichtigt werden m¨
ussen damit die Spieler die Anwendung regelm¨
aßig und mit großem Engagement
nutzen. In Bartles Modell der vier Spielertypen [5] wird erl¨
autert, wie Spiele umgesetzt werden m¨
ussen, um eine m¨
oglichst hohe Anzahl an Benutzern zu erreichen.
e-learning, gamification, serious games, persuasive design,
persuasive technology
Persuasive Technologie ist ein Teilgebiet der Mensch-Computer Interaktion, das in den letzten zehn Jahren aufstrebte
und eine Einstellungs- oder Verhaltens¨
anderung von Personen herbeif¨
uhren soll [9]. Die Technologie entwickelte zunehmendes Interesse in der Verwendung von persuasiven Mitteln bei der Gestaltung von Systemen [9]. Persuasive Mittel
sind Gestaltungselemente, die in Applikationen verwendet
werden, um den Benutzer zu u
¨berzeugen, die Applikation
aßig zu benutzen. Auch im Bereich Bildung und Erziehung werden persuasive Applikationen verwendet, um das
Engagement des Benutzers zu steigern [10]. Um die Lernenden von der Lernanwendung zu u
¨berzeugen, werden spielerische Elemente und Ideen in e-Learning Applikationen eingebracht, die dem Benutzer das n¨
otige Engagement und Interesse u
aßig zu benutzen
¨bermitteln, die Anwendung regelm¨
und dadurch den Lernprozess vereinfachen [10].
• Michael Oberneder is a bachelor’s student at the University of Passau, Germany
• This research report was written for Advances in Embedded Interactive Systems (2015), Volume 3, Issue 2
(April 2015). ISSN: 2198-9494
Fogg’s Beavior Model
Fogg entwickelte ein Modell, um das menschliche Verhalten zu verstehen [4]. Er untersuchte, wie persuasive Technologie eingesetzt werden muss, um auf die Benutzer einzuwirken und wie Applikationen gestaltet werden k¨
onnen, um
den Benutzer zu beeinflussen [10]. In diesem Modell wird
menschliches Verhalten als ein Produkt aus drei Faktoren
dargestellt [4]:
• Motivation: Eine Person muss einen Grund haben,
etwas zu tun.
• Bef¨
ahigung: Eine Person muss das Gef¨
uhl haben, in
der Lage zu sein, etwas zu tun.
• Ausl¨
oser: Es muss einen Ausl¨
oser geben, der die Person dazu bringt, etwas zu tun. Der Ausl¨
oser besteht
aus einer Mischung von Motivation und Bef¨
Diese drei Faktoren m¨
ussen zur selben Zeit auftreten, damit eine Person ein bestimmtes Verhalten aufweist [4] (Abbildung 1). Laut Fogg ist ein Spielkonzept erfolgreich, falls
diese drei Komponenten kombiniert werden [5].
In Abbildung 1 wird dargestellt, wie diese drei Faktoren miteinander in Beziehung stehen. Hat eine Person den Schwellenwert an Motivation und Bef¨
ahigung u
¨berschritten, wird
der Ausl¨
oser ausgel¨
Abbildung 1: Foggs Behavior Modell als Diagramm2
Bartles Modell der vier Spielertypen
Nach Bartles geh¨
oren die meisten Spieler von Videospielen zu einer von vier Hauptgruppen von Spielertypen. Alle
vier Gruppen spielen das gleiche Spiel aus unterschiedlichen
unden [5].
• Achiever (Erfolgstyp)
Der Achiever sucht die Herausforderung des Spiels. Er
will beim Spielen nicht zu viel verlieren, aber auch
nicht zu schnell gewinnen. Er will ein ausgeglichenes
Spiel und positive Ergebnisse erreichen [5].
• Socializer (sozialer Typ)
Der Socializer will Freunde finden und neue Leute im
Spiel treffen. Er will, dass andere Spieler Teil seiner
Welt sind und sein Spiel in Gruppen genießen [5].
• Killer (M¨
Der Killer hingegen gibt sich nicht damit zufrieden, das
Spiel nur zu gewinnen. Er will andere Spieler mit seinen F¨
ahigkeiten beindrucken, z. B. andere Leute verlieren zu lassen [5].
• Explorer (Erforscher)
Der Explorer bevorzugt es, die unbekannte Spielwelt
zu entdecken und alle Geheimnisse zu erforschen. Er
schaut sich genau im Spiel um und versucht das Ziel
des Spiels zu erreichen [5].
Ein Spieler hat nicht immer nur Eigenschaften eines Spielertypen, sondern kann Teile der anderen in sich vereinen [12].
Es ergibt sich eine hohe Anzahl an unterschiedlichen Spielertypen. Wird eine Spielumgebung mit den M¨
oglichkeiten f¨
alle vier Spielertypen gestaltet, kann sich daraus eine hohe
Zahl an Nutzern entwickeln.
Ein Entwicklerteam sollte ein Spiel immer nach dem Interesse des Benutzers entwerfen [11], d.h. dem Spieler sollten nur Interaktionen und Funktionen zur Verf¨
ugung stehen,
die er f¨
ur die Lern-Applikation braucht. Das Team ist daf¨
verantwortlich, spielerische und persuasive Technologien zu
benutzen, die das Interesse des Benutzers nicht nur aufrechterhalten, sondern auch steigern [11]. Eine Lernanwendung
sollte die Lernenden dazu motivieren, sich die zur Verf¨
ugung stehenden Informationen spielerisch anzueignen [10].
Das Hauptziel eines Entwicklerteams ist, eine Lernapplikation so zu entwickeln, dass die Anwendung den Benutzer
zum Lernen motiviert und dieser sein Engagement beibeh¨
oder sogar steigert. Um dies zu erreichen, stehen verschiedene Gestaltungselemente zur Verf¨
ugung, die das Verhalten
des Benutzers gegen¨
uber der Applikation beeinflussen k¨
• Punkte
Punkte sind eine Maßeinheit, um den Fortschritt anzuzeigen. Mit Punkten k¨
onnen dem Benutzer verschiedene Auszeichnungen verliehen werden oder der Zugang
zum n¨
achsten Ebene freigegeben werden [11].
• Levels (Ebenen)
Levels k¨
onnen verwendet werden, um den Fortschritt
anzuzeigen. [11].
• Herausforderungen
Herausforderungen k¨
onnen den Benutzer dazu bewegen, engagiert und motiviert zu bleiben und den Fokus
auf das Spiel zu behalten. Herausforderungen k¨
z. B. Zeitdruck, bestimmte Schwierigkeiten oder Spezialfragen sein [11].
• Bei Scheitern neu beginnen
Hat der Benutzer eine bestimmte Anzahl an Fragen
nicht richtig beantwortet, muss er von einer bestimmten Stelle an das bereits gelernte wiederholen, bis er
die Pr¨
ufung erfolgreich besteht [5].
• Leaderboards (Rangliste)
Leaderboards sollen dem Benutzer die M¨
oglichkeit geben, sich mit anderen zu vergleichen [11]. Der Benutzer
soll motiviert werden sich mehr zu engagieren, um an
die Spitze zu kommen.
• Abzeichen
Abzeichen dienen dazu, den Benutzer f¨
ur seine Errungenschaften auszuzeichnen. Der Benutzer kann seine
Abzeichen zeigen, indem er sie z. B. im Spielumfeld
oder auf sozialen Netzwerken teilt [11].
• Profil
Jeder Benutzer sollte sein eigenes Profil haben, in dem
er pers¨
onliche Angaben preisgeben kann [10]. Im Profil kann auch der Spiel-Fortschritt des jeweiligen Benutzers eingesehen werden. Jeder Benutzer kann selbst
entscheiden, welche Daten in seinem Profil von anderen gesehen werden k¨
Das Internet ist ein wichtiges Medium an Universit¨
und wird von Dozenten und Professoren verwendet, um ihre Forschung zu unterst¨
utzen, Zugang zu Informationen zu
erhalten oder mit Kollegen zu kommunizieren [1]. Mit der
steigenden Anzahl der Internetnutzer und den zunehmenden
oglichkeiten, die das Internet bietet, setzten sie die OnlineTechnologie auch dazu ein um mit ihren Studierenden zu
kommunizieren, Zugang zu externen Hilfsmitteln bereitzustellen oder Web-basierte Kurse zu entwickeln [1]. Mit dem
steigenden Potential des Internets entwickelten immer mehr
Hochschulen Strategien, um die Entwicklung von e-Learning
voranzutreiben [1].
Auch die Politik hat Interesse daran, e-Learning zu f¨
und zu entwickeln. Die Absicht dahinter ist, Entwicklungen
in der Bildungstechnologie, die das Potential haben, Fortschritte im Bildungssystem zu erm¨
oglichen, anzutreiben und
zu unterst¨
utzen [8]. Die Europ¨
aische Union verfolgt das Ziel,
“Europa zum wettbewerbsf¨
ahigsten und dynamischsten wissensgest¨
utzten Wirtschaftsraum der Welt zu machen”3 . Die
EU hat die Mitgliedstaaten dazu aufgefordert, E-Learning
und M¨
oglichkeiten zu Fernunterricht zu schaffen, um eine
Kultur des lebenslangen Lernens zu unterst¨
utzen [8].
Um Fernunterricht zu erm¨
oglichen m¨
ussen Technologien
und Applikationen entwickelt werden, die von den Studierenden akzeptiert und verwendet werden und in der Lage
sind, dasselbe oder noch mehr zu lehren, wie in der direkten
Interaktion zwischen Lehrer und Lernenden.
Es werden viele Applikationen, die persuasive Design-Techniken verwenden und in denen spielerische Anwendungen
umgesetzt sind an Universit¨
aten verwendet. Um die Wirkung von Lernanwendungen und den Umgang von Studierenden mit Applikationen zu beobachten sind verschiedene
Studien durchgef¨
uhrt worden:
The Gradequest Project [2]
Im Gradequest Projekt wurden zwei getrennte Kurse u
Theorien und Methoden zur Gestaltung von Spielen unterrichtet jedoch mit unterschiedlichen Strategien. Kurs 1 war
der “non-gameful”-Kurs mit dem Schwerpunkt auf Lerntheorie. In diesem Kurs, bestehend aus 24 Teilnehmern, wurde
ein traditioneller Unterricht durchgef¨
uhrt. In Kurs 2, dem
“gameful”-Kurs, mit einer Gr¨
oße von 17 Studierenden lag der
Schwerpunkt auf Unterhaltungstheorie und Spiel-Studien. In
diesem Kurs wurde die Kompetenzvermittlung mit Hilfe einer mobilen Lernapplikation unterst¨
utzt. Bei der Entwicklung dieser Lernanwendung konzentrierte man sich darauf,
diese spielerisch zu gestalten. Um dies zu erreichen, wurden
folgende Gestaltungselemente in der Anwendung umgesetzt:
• Helden: Jeder Student tritt in der Applikation als sein
zweites Ich auf. Die Art des Helds ¨
andert sich nach
Erreichen einer bestimmten Schwierigkeitsstufe. Dies
dient dazu den Spieler zu motivieren.
• Br¨
uderschaft: Es gibt verschiedene Gruppen aus Studierenden. Die Mitglieder einer Gruppen k¨
onnen sich
gegenseitig unterst¨
European Union Parliament Website Lisbon European
Council 23 and 24 March Presidency Conclusion
• Aufgaben: Jeder Teilnehmer muss Aufgaben absolvieren um Erfahrungspunkte zu erhalten. Es gab f¨
Typen von Aufgaben:
– Hauptaufgaben: Pflichtaufgaben (z. B. Avatar
– Nebenaufgaben: Pflichtaufgaben, bei denen zwei
von sechs ausgew¨
ahlt werden konnten (z. B. lehrreiches Youtube-Video erstellen)
– optionale Aufgaben: freiwillige Aufgaben
– Bonusaufgaben: freiwillige Aufgaben
– Zufallsaufgaben: freiwillige Aufgaben, die zuf¨
allig im Spielumfeld erscheinen
• Erfahrungspunkte: Der Benutzer erh¨
alt Punkte nach
erfolgreicher Erf¨
ullung einer Aufgabe. Die Gesamtpunktzahl am Ende des Semesters ergibt eine Note. Dies soll
den Spieler motivieren, m¨
oglichst viele Punkte zu sammeln.
• Schwierigkeitsstufen: Eine Schwierigkeitsstufe basiert auf der Menge der gesammelten Erfahrungspunkte. Dient ebenfalls zur Motivation.
• F¨
ahigkeiten: Jeder Held hat bestimmte Superkr¨
afte nach erreichen eines gewissen Levels. Je h¨
oher das
Level, desto bessere Superkr¨
afte hat der Held des Spielers.
• Leaderboards: Mit einer Punktetabelle k¨
onnen sich
die Spieler messen. Dies soll das Engagement der Spieler steigern.
Innerhalb des Projekts wurde eine Studie durchgef¨
die folgende Fragen beantworten soll:
1. Wie unterscheidet sich die innere Motivation und das
Engagement der Studierenden der beiden Kurse?
2. Welche Gestaltungselemente steigern bzw. mindern das
Engagement, die Freude und die Motivation?
3. Wie kann die Kursgestaltung verbessert werden?
Zur Auswertung der Studie wurden drei Methoden benutzt:
• Zuerst wurde eine quantitative Umfrage durchgef¨
um ein Maß an grundlegender Motivation und Engagement der Teilnehmer zu erfassen. Dazu wurden die Studierenden nach einem Informellen Feedback gefragt.
Die Teilnehmer konnten das Feedback direkt an einen
Dozenten geben oder anonym online abgeben.
• Am Ende des Semesters wurden zwei Gruppensitzungen mit dem “gameful”-Kurs abgehalten, um die spielerische Gestaltung des Kurses zu evaluieren. Dabei wurden quantitative und qualitative Methoden angewendet. Die qualitative Umfrage beinhaltete eine SituationsMotivations-Skala (SiMS) und einen Game Experience
Questionaire GEQ (Spiel-Erfahrungs-Fragebogen). In
der SiMS werden Motivationskonzepte gemessen, z.B.
innere Motivation, identifizierte Regulation oder externe Regulation. Im GEQ werden Auffassungen gemessen, z.B. Verdruss/Spannung, Kompetenz, positiver oder negativer Effekt.
Um auszuwerten welche verschiedenen Gestaltungselemente des Kurses zu Freude, Engagement und Motivation gef¨
uhrt haben, wurde eine 7-Elemente Likert Skala
benutzt. Die Teilnehmer mussten ankreuzen, wie sehr
sie den vorgegebenen Aussagen (z.B. “Das Punkte-System hat mich motiviert”) zustimmen. Werte unter 4
waren f¨
ur eine Unstimmigkeit, Werte u
ur eine
¨ber 4 f¨
mit der Aussage.
• Um die Perspektive des Dozenten festzuhalten, wurde
ahrend des Semesters ein Lehrer-Protokoll angefertigt. Die Dozenten protokollierten darin das Verhalten
der Kursteilnehmer und alle Anderungen
die am Gradequest Projekt vorgenommen wurden.
Bei der Umfrage wurden die beiden Kurse auf Unterschiede in der Motivation (SiMS) und Engagement (GEQ) gemessen. Der Non-Gameful-Kurs bewertete die Innere Motivation mit 5,7 (SD = 0,7) signifikant h¨
oher als der NonGamefulkurs mit 4,4 (SD = 1,5). Der Gameful-Kurs bewertete die Spannung mit 5,0 (SD = 1,3) signifikant h¨
oher als
der Non-Gameful-Kurs mit 3,3 (SD = 1,3).
Bei der Bewertung der Gestaltungselemente, zeigten die Teilnehmer des Gameful-Kurses, dass sie die angebotenen Spiele
atzten. Spiele wie “W¨
ahlen von Nebenaufgaben”, “Metagame” und “Spezielle F¨
ahigkeiten4 ” steigerten Motivation,
Freude und Engagement.
Auch von den Teilnehmern hat es einige Verbesserungsvorschl¨
age gegeben. Es wurde z. B. vorgeschlagen, dass zwischen den Kursen unterschiedliche Unterlagen zu Verf¨
gestellt werden sollten, da f¨
ur die experimentellen Aufgaben des Gameful-Kurses zus¨
atzliche Erkl¨
arungen notwendig
Effekt von Gamification auf Studierende
mit unterschiedlicher Leistungsziel Orientierung [6]
In dieser Studie wird erforscht, welchen Einfluss Gamification im Hinblick auf die Achievement Goal Orientation
Theorie (Leistungsziel Orientierungs-Theorie) hat. Achievement Goal Orientation ist ein psychologisches Konzept, das
die Pr¨
aferenzen eines Einzelnen, gegen¨
uber unterschiedlichen Zielen, Ergebnissen und Belohnungen, charakterisiert
[3]. Die Hauptfragen dieser Forschung sind:
• Reagieren Studierende mit unterschiedlichen Leistungsziel Orientierungs-Profilen unterschiedlich auf Abzeichen?
• Wie unterscheiden sich, durch Abzeichen motivierte,
Studierende von anderen Studierenden im Sinne von
Um dies herauszufinden wurden nach der ersten H¨
alfte des
Kurses Leistungsabzeichen in die Online-Lernumgebung des
Datenstrukturen und Algorithmen Kurses der Aalto Universit¨
at in Finnland hinzugef¨
ugt. Den Kurs besuchten 278
Studierende. Die Teilnehmer erhielten ein Abzeichen, wenn
sie eine Aufgabe fr¨
uh und mit wenig Fehlern erledigt hatten
und folglich eine hohe Punktzahl erreicht hatten.
Die Leistungsziel Orientierung der Studierenden wurde zu
Spieler erhielten beim Erreichen eines bestimmten Levels
besondere F¨
ahigkeiten (z. B. anderen Mitspielern bei Zufallsfragen helfen)
Beginn des Kurses mit einer Umfrage gemessen. Das Verhalten der Studierenden, die unterschiedliche Leistungsziel Orientierungen haben, analysierte man mit Hilfe von ProtokollDaten, die w¨
ahrend des Projekts in der Lernumgebung erfasst wurden. Außerdem gab es Umfragen, bei denen man
die Meinungen der Studierenden u
¨ber die Leistungsabzeichen erfasste. Man untersuchte auch die Studierendengruppen, die am meisten bzw. am wenigsten durch die Abzeichen
motiviert wurden und analysierte die Unterschiede in deren
Zielorientierungsprofilen und deren Leistung im Kurs.
Bei der Ermittlung der Leistungsziel Orientierung wurden
folgende Eigenschaften untersucht:
• innere Beherrschung
• ¨
außere Beherrschung
• Leistungsann¨
• Leistungsvermeidung
• Abwendung
Nachdem die Zielorientierung der Studierenden ermittelt
wurde, unterteilte man aufgrund der Ergebnisse den Kurs
in vier Gruppen:
A: Meidungsorientiert (27 Personen)
Diese Gruppe zeichnet sich durch ein hohes Abwendungspotential aus.
B: Machtorientiert (79 Personen)
Diese Gruppe zeigt eine hohe innere und a
¨ußere Beherrschung.
C: Gleichg¨
ultig (61 Personen)
In dieser Gruppe dominiert keines der gemessenen Eigenschaften.
D: Erfolgsorientiert (111 Personen)
Diese Gruppe zeigt hohe innere und a
¨ußere Beherrschung, sowohl hohe Leistungsann¨
aherung als auch Leistungsmeidung und wenig Abwendung.
Um die Unterschiede zwischen den Zielorientierungs-Gruppen zu beschreiben, verglich man die Abschlussnoten, die
Kursziele, die Leistung vor Einf¨
uhrung der Abzeichen und
das Interesse an den Abzeichen der einzelnen Gruppen. Dabei stellte sich heraus, dass die Erfolgsorientierte Gruppe
die besten Abschlussnoten und die meisten Punkte aus der
ersten H¨
alfte des Kurses (vor Einf¨
uhrung der Abzeichen) erzielte. Sie setzen auch die Kursziele h¨
oher als die anderen
Gruppen und besuchten die Ubersichtsseite
der Abzeichen
am h¨
Um herauszufinden, welche Gruppe am meisten durch die
Abzeichen motiviert wurde, stellte man den einzelnen Gruppen eine Feedback-Frage. Bei der Analyse der Antworten der
Studierenden konnte man beobachten, dass nur Studierende
aus der Gruppe B (Machtorientiert) und aus der Gruppe D
(Erfolgsorientiert) die Leistungsabzeichen motivierend fanden. Am wenigsten davon motiviert war die Gruppe A (Meidungsorientiert), die Motivation von Gruppe C (Gleichg¨
ultig) war mittelm¨
In dieser Studie, in der die Beziehung zwischen Leistungsziel
Orientierungen und Leistungsabzeichen untersucht wurde,
konnten keine statistisch-signifikanten Unterschiede im Verhalten der einzelnen Zielorientierungs-Gruppen gegen¨
der Abzeichen gefunden werden. Doch man konnte beobachten, dass die Einstellung der Gruppen zu den Abzeichen
verschieden war. So wurde z. B. die Meidungsorientierte
Gruppe weniger von den Abzeichen motiviert als die anderen Gruppen. Außerdem konnte festgestellt werden, dass die
Studierenden, die am meisten durch die Abzeichen motiviert
wurden, h¨
ohere innere und ¨
außere Macht hatten, leistungsann¨
ahernd und weniger abwendungsorientiert waren.
Die Q-Learning-G Plattform [7]
Die Q-Learning-G Plattform enth¨
alt grundlegende Elemente f¨
ur Spiel-Mechanismen und wurde entwickelt, damit
Studierende ihre Kenntnisse in der C-Programmierung erweitern k¨
onnen. Um zu erforschen, wie die Benutzung von
Gamification in der Plattform auf die Benutzer wirkt, wurde
eine Fallstudie an der Carlos III Universit¨
at in Madrid (22
Teilnehmer) durchgef¨
uhrt, die folgende Ziele hatte:
Stoppen der Arbeit nach Erreichen der 100 Notenpunkte gefragt. Von den 22 Teilnehmern beendeten zwei ihre Arbeit.
unde daf¨
ur waren z. B.:
• “Ich hatte alle Abzeichen.”
• “Ich hatte bereits 100 Punkte.”
• “Ich muss auch noch f¨
ur andere Kurse lernen.”
Der Großteil des Kurses, der die Arbeit nach Erreichen
der maximalen Punktzahl fortsetzte, begr¨
undete dies mit:
• “Ich habe weitergemacht, weil ich alle Abzeichen bekommen wollte.”
• “Ich habe weitergemacht um eine bessere Position in
der F¨
uhrungstabelle zu erreichen.”
• “Ich bewertete mehr Fragen um mehr Kenntnisse u
die C-Programmiersprache zu erhalten.”
1. Es sollte die Auswirkung von Gamification auf das Engagement der Studierenden untersucht werden.
2. Es sollte Verst¨
andnis u
¨ber das Engagement der Studierenden gewonnen werden, mit Hilfe von Berichten der
Studierenden und Interaktionen mit der Spiel-Plattform.
3. Es sollte die Auswirkung von Gamification auf die akademische Leistung der Studierenden gemessen werden.
Das Ziel der Studierenden war, 100 Notenpunkte auf der
Q-Lerning-G Plattform zu erreichen. Auf der Plattform konnten sie drei verschiedene Spieltypen ausw¨
• Arbeitsspiele:
Bei diesen Spielen konnten die Teilnehmer Punkte durch
direkte oder indirekte Arbeit gewinnen. Direkte Arbeit
bestand z. B. daraus, Multiple-Choice Fragen in einer
Rubrik zu erstellen. Bei der indirekten Arbeit bekam
man Punkte, indem man bereits erstellte Fragen beantwortete.
• Planspiele:
Auf der Plattform gab es einen Bereich, in dem die
Spieler einsehen konnten, wie das Kursverhalten die
direkte Arbeit beeinflusst. Dazu wurden f¨
ur jedes Themenfeld Werte berechnet, die sich aus der direkten und
indirekten Arbeit der Teilnehmer ergeben. Im Bereich
Notenbericht hat jeder Spieler einen Uberblick
die Punkte, die er in einem Spiel erreicht hat.
• soziale Spiele:
Die Plattform stellt einen Blog-Bereich bereit, in dem
die Studierenden Nachrichten mit ihren Kommilitonen
den Dozenten austauschen k¨
Um zu pr¨
ufen, ob die Q-Learning-G Plattform einen positiven Einfluss auf die Studierenden hatte, wurde die Menge
der Arbeit, die die Teilnehmer nach Erreichen der 100 Notenpunkte gemacht haben, gemessen. Daraus hat sich ergeben, dass im Mittel 29 % der zus¨
atzlichen Aufgaben erledigt
wurden. 50 % der Teilnehmer machten dabei mehr als 29 %
der Extra-Aufgaben, eine Gruppe von 25 % aller Teilnehmer erledigten mehr als 60 % der Zusatzaufgaben. 25 % der
Teilnehmer machten sich die M¨
uhe f¨
ur weniger als 17 % der
atzlichen Aufgaben.
In Frageb¨
ogen wurde nach Gr¨
unden f¨
ur das Fortsetzen oder
Es wurde eine Untersuchung durchgef¨
uhrt um den Anteil
der Arbeitsspiele, die die Teilnehmer vor und nach Erreichen
der maximalen Punktzahl gemacht haben, zu ermitteln. Der
Anteil der vollzogenen Spiele vor Erreichen des Ziels war h¨
oher (M = 51,70; SD = 14,53)5 als nach Erreichen des Ziels
(M = 38,60; SD = 22,20). Doch bei einem Vergleich zu den
absolvierten Spaß-Spielen kann man sehen, dass vor Erreichen der 100 Punkte weniger Spaß-Spiele gemacht wurden
(M = 16,84; SD = 7,57) als nach Erreichen des Ziels (M =
28,00; SD = 15.51).
Die Ergebnisse der Studie zeigen, dass etwa 90 % der Teilnehmer die Arbeit mit der Q-Learning-G Plattform fortgesetzt haben, nachdem sie die maximalen Punkte erreicht hatten. Der Hauptgr¨
unde f¨
ur das Weiterarbeiten auf der Plattform waren, alle Abzeichen zu sammeln und mehr Kenntnisse in der C-Programmierung zu erhalten. Diese Erkenntnisse zeigen, dass die Kombination einer Lernapplikation mit
Spielelementen Studierende dazu motiviert, engagierter zu
Persuasive Technologie bietet eine Gelegenheit, durch Einsatz von persuasivem Design, effektive Verhaltens¨
anderungen im Bildungsbereich herbeizuf¨
uhren [9]. In den Studien
kann man sehen, dass Lernapplikation unterschiedlich von
den Studierenden akzeptiert werden [6]. Gamification kann
zu mehr Spaß und Engagement in der Bildung f¨
uhren und
den Lernenden helfen, mehr Motivation beim Lernen zu gewinnen [10]. Um den potentiellen Nutzen von persuasiver
Technologie zu erh¨
ohen und Ver¨
anderungen im Bildungssystem zu erreichen, muss dieses Teilgebiet der Mensch-Computer-Interaktion, das noch aus kleinen Applikationen besteht, noch weiter Ausgebaut werden [9]. In der Persuasiven Technologie werden gr¨
oßere meta-Applikationen ben¨
otigt, die dem Lehrenden erm¨
oglichen, als Gestalter zu agieren und anschließend in deren Unterricht verwendet werden
onnen [9].
Angaben in %
[1] Chris Curran. Strategies for e-learning in universities.
Center for Studies in Higher Education, pages 1–5,
[2] Bob De Schutter and Vero Vanden Abeele.
Gradequest—evaluating the impact of using game
design techniques in an undergraduate course. In 9th
International Conference on the Foundations of
Digital Games, 2014.
[3] Andrew J Elliot, Holly A McGregor, and Shelly
Gable. Achievement goals, study strategies, and exam
performance: A mediational analysis. Journal of
educational psychology, 91(3):549–563, 1999.
[4] BJ Fogg. A behavior model for persuasive design. In
Proceedings of the 4th International Conference on
Persuasive Technology, Persuasive ’09, pages
40:1–40:7, New York, NY, USA, 2009. ACM.
[5] Carsten Fuß, Tim Steuer, Kevin Noll, and Andr´e
Miede. Teaching the achiever, explorer, socializer, and
killer–gamification in university education. In Games
for Training, Education, Health and Sports, pages
92–99. Springer, 2014.
[6] Lasse Hakulinen and Tapio Auvinen. The effect of
gamification on students with different achievement
goal orientations. In Teaching and Learning in
Computing and Engineering (LaTiCE), 2014
International Conference on, pages 9–16. IEEE, 2014.
[7] M.-B. Ibanez, A. Di-Serio, and C. Delgado-Kloos.
Gamification for engaging computer science students
in learning activities: A case study. Learning
Technologies, IEEE Transactions on, 7(3):291–301,
July 2014.
[8] Kay MacKeogh and Seamus Fox. Strategies for
embedding e-learning in traditional universities:
Drivers and barriers. Electronic Journal of e-Learning,
7(2):147–154, 2009.
[9] Joseph Mintz and Morten Aagaard. The application of
persuasive technology to educational settings.
Educational Technology Research and Development,
60(3):483–499, 2012.
[10] Cristina Ioana Muntean. Raising engagement in
e-learning through gamification. In Procedure 6th
International Conference on Virtual Learning (ICVL),
pages 323–329, 2011.
[11] Fiona Fui-Hoon Nah, Venkata Rajasekhar Telaprolu,
Shashank Rallapalli, and Pavani Rallapalli Venkata.
Gamification of education using computer games. In
Human Interface and the Management of Information.
Information and Interaction for Learning, Culture,
Collaboration and Business, pages 99–107. Springer,
[12] Gabe Zichermann and Christopher Cunningham.
Gamification by design: Implementing game mechanics
in web and mobile apps. O’Reilly Media, Inc., 2011.
Ethik in Persuasive Technologies
Mathias Möller
Universität Passau
Innstr. 43
94032 Passau, Germany
[email protected]
Persuasive Technologies sind ein schnell wachsender Markt
von verhaltens¨
andernden Systemen, die beispielsweise genutzt werden k¨
onnen, um abzunehmen oder mit dem Rauchen aufzuh¨
oren. Wenn jedoch das Verhalten von Personen
durch die Nutzung von Persuasive Technologies beeinflusst
wird, entstehen ethische Bedenken.
In dieser Arbeit werden Prinzipien und Frameworks vorgestellt, die bei der ethischen Bewertung von Persuasive Technologies helfen sollen. Durch diese Prinzipien und Frameworks sollen ethische Probleme bei der Entwicklung und der
Nutzung einer Persuasive Technologie erkannt und behoben
Persuasive Technologies, ethisches Persuasive Technology Design, Frameworks f¨
ur ethisches Persuasive Technology Design
Als Persuasive Technologies (PT) werden im Folgenden
solche Technologien bezeichnet, die dazu entwickelt wurden,
das Verhalten, den Glauben oder die Einstellung ihrer Nutzer zu ver¨
andern oder zu beeinflussen. Bei fr¨
uheren Technologien waren verhaltens¨
andernde Effekte eher Zufall. Seit
einigen Jahren entwickelen sich PT, die uns dabei unterst¨
utzen sollen, unsere pers¨
onlichen Ziele – zum Beispiel Gesundheit, Nachhaltigkeit oder Sicherheit – zu erreichen [11].
Wegen ihrem Einfluss auf menschliches Verhalten sind diese Technologien keine moralfreien, neutralen Werkzeuge [11].
Es ist daher besonders wichtig, sie w¨
ahrend der Entwicklung
und w¨
ahrend ihres Einsatzes auf ethische Unbedenklichkeit
zu u
Persuasion (hergeleitet vom lat. Wort persuasio“) als der
Versuch, die Einstellung, Intention und Motivation von jemandem zu beeinflussen, war immer Teil unseres sozialen
Alltags. Propheten, Prediger, Straßenverk¨
aufer, Lehrer und
Eltern versuchen das Verhalten ihrer Mitmenschen nach ihrem Interesse zu ver¨
andern. Pr¨
uft man diese Art der Persua• Mathias M¨
oller is a bachelor’s student at the University of Passau, Germany
• This research report was written for Advances in Embedded Interactive Systems (2015), Volume 3, Issue 2
(April 2015). ISSN: 2198-9494
sion auf ihre Ethik, stellt sich eine Frage, die vorab beantwortet werden muss. Es ist die gleiche, die sich auch bei PT auftut [5]: Wann ist Persuasion ethisch korrekt und wann nicht?
Weiterhin wird auf die Frage eingegangen, wo ethisch gesehen die Unterschiede zwischen klassischer Persuasion und
PT liegen.
Die Beantwortung der ersten Frage ist sehr komplex und
teils philosophischer Natur. Da Ethik von verschiedenen Personen und von verschiedenen Kulturkreisen unterschiedlich
aufgefasst wird, kann man keine absolute Aussage u
¨ber ethische Korrektheit treffen. Im Folgenden wird davon ausgegangen, dass Persuasion im Allgemeinen ethisch vertretbar ist
und der Einsatz nur in bestimmten F¨
allen bedenklich ist.
Diese Arbeit wird sich nicht mit der Frage nach Ethik im
Allgemeinen besch¨
aftigen, sondern lediglich Richtlinien und
Rahmenbedingungen vorstellen, die im Kontext von PT relevant sind. Diese sollen helfen, ethische Problemstellen bei
der Entwicklung von PT zu beachten und bereits existierende PT auf ihre Unbedenklichkeit zu u
Um die zweite Frage zu beantworten, betrachtet man zuerst die Motivation der u
¨berzeugenden Partei. Im Falle von
PT ist das der Hersteller, Anbieter oder Verk¨
aufer der Technologie. In beiden F¨
allen (klassische und technologische Persuasion) unterscheiden sich die Beweggr¨
unde f¨
ur den Einsatz
von Persuasion kaum. Folglich geht es auch hier um die Me¨
thoden, die eingesetzt werden, um beim Zu-Uberzeugenden
die angestrebte Verhaltens¨
anderung hervorzurufen [3]. Hier
haben PT Vorteile gegen¨
uber menschlichen Uberzeugern
Um effektiv zu u
urdig zu er¨berzeugen, ist es wichtig, glaubw¨
scheinen. Der Empfehlung eines Freundes vertraut man eher,
als der Empfehlung eines Verk¨
aufers, dem der finanzielle Erfolg wichtigerer sein k¨
onnte als der maximale Nutzen f¨
ur den
Aufgrund der Tatsache, dass Computer in unserer Gesellschaft als mathematisch exakte Rechenmaschi”
nen“ gelten wird ihr Feedback allgemein als wahr und fair
angesehen [7]. Das steigert die Glaubw¨
urdigkeit von PT und
dadurch ihre Wirksamkeit. Weiterhin sind PT persistent - sie
onnen nicht wie menschliche Uberzeuger
einlenken, sondern
uhren ihre Persuasion fort, bis das gew¨
unschte Ziel erreicht
ist [10]. Ein weiterer Vorteil ist die F¨
ahigkeit, mit großen Datenmengen umgehen zu k¨
onnen. Die Algorithmen hinter der
Technologie k¨
onnen pers¨
onliche Daten des Benutzers auswerten und mit den erlangten Informationen f¨
ur den Benutzer besonders effektive persuasive Methoden anwenden, die
Persuasion genau auf den Nutzer anpassen und somit die Effektivit¨
at stark steigern [10]. Daraus folgt, dass, wenn diese
Vorteile ausgenutzt werden, besonderer Fokus beim Untersuchen der Technologie auf ihre ethisch-moralische Korrektheit
gerichtet werden muss.
achst ist es noch wichtig, PT von manipulativen Technologien und Technologien, die Verhaltens¨
anderungen erzwingen, abzugrenzen. Die Linien zwischen den drei Kategorien sind jedoch d¨
unn [10]. Allgemein sind Technologien,
die dem Benutzer keine Wahl lassen, ihn bedrohen oder f¨
ein Fehlverhalten bestrafen, keine persuasiven Technologien
[10]. Auch Technologien, die unbemerkt vom Benutzer dessen Verhalten zu ihrem Nutzen zu ¨
andern versuchen, also
solche, die manipulative Methoden einsetzen, um die Ziele
ihrer Entwickler zu erreichen, gelten nach Smids nicht als
PT [10]1 . Besonders der Ubergang
von der Persuasion zur
Manipulation kann unklar sein [10]. Deswegen ist oft keine
eindeutige Zuweisung m¨
oglich. Der Einsatz von manipulativen als auch von erzwingenden Technologien ist ethisch fragw¨
urdig, kann jedoch auch in ethisch korrekter Weise erfolgen
[11]. Im Folgenden jedoch werden nur PT weiter betrachtet.
Der zweite Abschnitt untersucht, wer f¨
ur die Ergebnisse einer Persuasion (gewollt sowie ungewollt) verantwortlich ist.
Danach werden Kriterien vorgestellt, die bei der Entwicklung von PT besonders beachtet werden m¨
ussen. Der vierte Abschnitt dieser Arbeit stellt ausgew¨
ahlte Frameworks
vor, die die Erstellung und Bewertung von PT in ethischer
Hinsicht erm¨
oglichen und vereinfachen sollen. Abschließend
werden die Ergebnisse diskutiert.
Bei Technologien, die darauf ausgelegt sind, das Verhalten
von Menschen zu beeinflussen, spielt das Ergebnis der Per¨
suasion, also die Anderung
von Verhalten oder der Einstellung, eine wichtige Rolle hinsichtlich ethischer Unbedenklichkeit [1]. Die Bewertung der Resultate von Persuasion
werden im dritten Abschnitt erl¨
autert. In diesem Abschnitt
wird die Frage behandelt, wer f¨
ur die eingetretene Verhaltens¨
anderung verantwortlich ist. Bei einer Verhaltens¨
anderung spielen auch pers¨
onliche Faktoren, wie Intention oder
kulturelles Umfeld, eine Rolle. Persuasion f¨
uhrt daher bei
verschiedenen Personen zu unterschiedlichen Ergebnissen,
von denen nicht alle erw¨
unscht oder geplant sind. Wer tr¨
also die Verantwortung f¨
ur gewollte oder ungewollte Resultate? Wer ist der Initiator der Persuasion? Die Technologie selber? Der Designer, welcher die Technologie entworfen
hat? Die Firma, die sie implementiert hat? Oder der Benutzer, der sie einsetzt? [11]. Da sich oft mehrere Parteien
die Verantwortung an den Resultaten teilen, ist hier keine
eindeutige Zuweisung m¨
oglich [3].
Smids sieht als Grundbedingung von PT die Freiwilligkeit
des Benutzers, sein Verhalten zu Andern
[10]. Folgt man
dieser Argumentation, kommt man zu dem Schluss, dass der
Benutzer einen Teil der Verantwortung tr¨
agt [3]. Je gr¨
die Bereitschaft des Nutzers, die PT zu verwenden, desto
mehr ist er selbst f¨
ur die Ergebnisse verantwortlich. Auf den
Punkt, ob die Freiwilligkeit des Benutzers ein notwendiges
Kriterium f¨
ur PT ist, wird sp¨
ater noch genauer eingegangen.
Dem Nutzer gegen¨
uber steht der Uberzeuger,
in diesem
Fall die PT. Doch Technologien sind noch nicht eigenst¨
andig genug und besitzen noch nicht ausreichend die F¨
ahigkeit, moralische Entscheidungen zu treffen, als dass sie f¨
Fogg sieht den Einsatz von manipulativen Methoden nicht
zwangsweise als Argument gegen eine Klassifikation als PT
[7]. Darauf wird im dritten Teil dieser Arbeit noch einmal
die Auswirkungen ihres Einsatzes zur Rechenschaft gezogen
werden k¨
onnten [3, 1]. Es stellt sich die Frage nach dem Verantwortlichen der Technologie. Dabei spielen mehrere Beteiligten, wie zum Beispiel Designer, Entwickler oder Anbieter
eine Rolle. Der die Entwicklung initialisierende Part ist als
hauptverantwortlich zu betrachten. Das kann der Auftraggeber eines Produktes sein oder eine Firma, welche ihr eigenes
Produkt vermarktet. Doch auch die, die nur anhand von
Spezifikationen entwickeln, d¨
urfen nicht, wie Berdichevsky
und Neuenschwander es ausdr¨
ucken, zu reinen S¨
oldnern re”
duziert werden, die alles machen was man ihnen vorsetzt,
ohne die Verantwortung daf¨
ur zu u
¨bernehmen“ [3]. Im Folgenden wird nicht zwischen den Beteiligten unterschieden,
sondern generell der Verantwortliche f¨
ur die Entstehung der
Technologie betrachtet. Dieser wird als Sch¨
opfer bezeichnet.
Berdichevsky und Neuenschwander unterscheiden bei den
oglichen Ergebnissen einer Persuasion zwischen den gewollten und ungewollten Ergebnissen [3]. Ist ein beabsichtigtes Resultat gesellschaftlich akzeptabel, so sind im Allgemeinen keine Bedenken vorhanden [7]. Wenn ein Resultat allerdings wie gewollt eintritt und ethisch unakzeptabel
ist, tr¨
agt der Sch¨
opfer die Verantwortung daf¨
ur [3]. Ein Beispiel hierf¨
ur sind Spielautomaten, die durch Animationen
den Spieler zum Weitermachen motivieren [7]. Das Ziel ist,
dass der Spieler mehr Geld am Automaten ausgibt und Anbieter der Spielautomaten mehr Gewinn macht. Da diese
Technologie Spielsucht verst¨
arken kann, wird sie von vielen
Menschen als ethisch verwerflich angesehen [7] und die Verantwortung dem Sch¨
opfer zugewiesen2 .
Die unbeabsichtigten Ergebnisse einer Persuasion werden
von Berdichevsky und Neunschwander in vorhersehbare und
nicht vorhersehbare eingeteilt. Folgendes Beispiel [7] illustriert dies: Angenommen ein Straßenverk¨
aufer u
¨berzeugt einen Passanten, eine bestimmte Frucht zu essen. Wie sich herausstellt, ist der Passant allergisch gegen diese Frucht und
erleidet k¨
orperlichen Schaden. Dieses Resultat der Persuasion ist nicht vorhersehbar, eine Schuld nicht erkennbar. Wenn
allerdings ein betr¨
achtlicher Anteil der Bev¨
olkerung unter
dieser Unvertr¨
aglichkeit leidet und eine allergische Reaktion wahrscheinlich ist, k¨
onnte man eine Mitschuld des Verk¨
aufers annehmen [3]. Der Entwerfende kann f¨
ur gewollte
und ungewollte Effekte verantwortlich gemacht werden. F¨
nicht vorhersehbare Ergebnisse l¨
asst sich keine (Mit-)Schuld
zuweisen. Darauf bezieht sich auch die dritte Richtlinie von
Berdichevsky und Neuenschwander (siehe Tabelle 1) auf die
im vierten Teil dieser Arbeit eingegangen wird: Die Sch¨
von PT m¨
ussen alle vorhersehbaren Resultate ihrer Benutzung ber¨
ucksichtigen, sie behandeln und f¨
ur sie Verantwortung u
¨bernehmen [3].
Verbeek empfiehlt w¨
ahrend der Entwicklung von PT eine
Vermittlungsanalyse [12] um alle gewollten und ungewollten vorhersehbaren Ergebnisse zu analysieren [13]. So kann
die zuk¨
unftige Wirkung der Technologie eingesch¨
atzt werden. Zus¨
atzlich schließt er, dass Benutzer sowie Sch¨
PT nicht nur als reine Werkzeuge, sondern als Vermittler
sehen sollten. Die Technologie erzielt dann die zu erwartenden Ergebnisse mit so wenigen unerwarteten Ergebnissen
wie m¨
oglich [13].
Dass hier der Benutzer auch eine Teilschuld tr¨
agt, da er sich
freiwillig zum Spielen entscheidet wurde im ersten Abschnitt
schon erw¨
Prinzipien des PT Designs
1. Das gewollte Resultat von jeglicher PT sollte nie als unethisch gelten, wenn die Persuasion ohne die Technologie
uhrt werden w¨
urde oder das Resultat unabh¨
von Persuasion auftreten w¨
2. Die Motivationen f¨
ur die Entwicklung einer PT sollten
nie so sein, dass sie als unethisch gelten w¨
urden, wenn sie zu
einer traditionellen Persuasion f¨
uhren w¨
3. Die Sch¨
opfer von PT m¨
ussen alle vorhersehbaren Resultate ihrer Benutzung ber¨
ucksichtigen, sie behandeln und f¨
sie Verantwortung u
4. Die Sch¨
opfer einer PT m¨
ussen sicherstellen, dass diese
die Privatsph¨
are ihrer Nutzer mit mindestens soviel Respekt
betrachtet, wie die Sch¨
opfer ihre eigene.
5. PT, die pers¨
onliche Informationen u
¨ber Nutzer an Dritte
weitergeben, m¨
ussen genauestens auf Privatsph¨
areverletzungen gepr¨
uft werden.
6. Die Sch¨
opfer von PT sollten ihre Motivationen, Methoden
und erwarteten Resultate ersichtlich machen, außer wenn
eine solche Bekanntmachung andere ethische Ziele deutlich
untergraben w¨
7. PT d¨
urfen nicht falsch-informieren um ihre persuasiven
Ziele zu erreichen.
8. Die Goldene Regel der Persuasion: Die Sch¨
opfer von PT
sollten nie versuchen, eine Person von etwas zu u
von dem sie selbst nicht u
¨berzeugt werden wollen.
Tabelle 1: Regeln nach Berdichevsky und Neuenschwander [3]
Beim Entwurf von PT sind einige Punkte zu beachten, um
Konflikte mit ethischen Richtlinien zu vermeiden. Einige dieser Prinzipien werden im Folgenden anhand von Beispielen
Motivation des Schöpfers
Ist die Motivation des Sch¨
opfers, eine Verhaltens¨
beim Benutzer zu erwirken, ethisch gerechtfertigt, so ist die
Technologie mit hoher Wahrscheinlichkeit unbedenklich. Auf
der anderen Seite besteht kaum eine M¨
oglichkeit, eine Technologie mit unethischen Intentionen, moralisch zu rechtfertigen. Berdichevsky und Neuenschwander behandeln dieses
Thema in ihrer zweiten Regel f¨
ur PT (siehe Tabelle 1).
Freiwilligkeit und Bewusstheit des
Freiwilligkeit beschreibt, inwiefern der Benutzer sich selber zu einem Teil der Persuasion macht. Bewusstheit hingegen bezeichnet den Grad des Wissens dar¨
uber, dass der
Nutzer gerade Teil einer Persuasion ist.
Smids sieht als Grundlage f¨
ur Persuasion die Freiwilligkeit
des Benutzers, sein Verhalten ¨
andern zu wollen [10]. Der Einsatz von manipulativen oder erzwingenden Methoden verringert die M¨
oglichkeit des Nutzers, eigene Entscheidungen
zu treffen [10]. Ein Beispiel daf¨
ur ist ein Programm zur privaten Finanzplanung, welches den Benutzer zu u
versucht, gewisse Aktien zu bevorzugen [3]. Der Nutzer entscheidet sich nicht freiwillig daf¨
ur, ein Teil dieser Persuasion
zu sein. Die Mittel, die eingesetzt werden, um die eigenen
Aktien zu f¨
ordern, sind manipulativ, da er sich nicht dar¨
bewusst ist, dass er gerade von etwas u
¨berzeugt werden soll.
ur Smids ist das ein Argument gegen eine Klassifikation als
PT [10]. Fogg hingegen sieht eben solche Technologien, die
dazu dienen, Produkte zu verkaufen, als schnell wachsende
Branche der PT [7].
Wenn das Ziel einer Persuasion der Norm entsprechend,
der Uberzeugte
aber nur unbewusst an der Persuasion beteiligt. Diese Situation w¨
are rechtm¨
aßig, wenn durch die Bewusstheit des Nutzers die Effektivit¨
at der Persuasion merklich sinken w¨
urde [8]. Ein klares Ja oder Nein, was die Voraussetzung von Freiwilligkeit und Bewusstheit betrifft ist
nicht immer m¨
oglich. F¨
alle, in denen der Benutzer sich bewusst zum Teil der Persuasion macht, sind allerdings oft unbedenklich [8, 11]. F¨
alle, die die Freiwilligkeit und Bewusstheit einschr¨
anken, m¨
ussen genauestens gepr¨
uft werden.
Ein weiteres Problem ist, dass die die Neuheit und damit die mangelnde Erfahrung mit PT die Bewusstheit beeintr¨
achtigt. So merken sie oft nicht, dass sie Teil einer Persuasion sind und wissen nicht, wie sie damit umgehen m¨
ussen [7].
Vermehrtes Wissen u
¨ber PT kann somit gegen unerw¨
unethische Resultate vorbeugen.
Privatsphäre des Benutzers
PT k¨
onnen w¨
ahrend des Gebrauchs oder aus anderen Quellen, wie zum Beispiel dem Internet, Daten u
¨ber den Benutzer sammeln. Sie k¨
onnen diese oftmals großen Datenmengen dazu nutzen, ihre Persuasionstaktiken anzupassen und
somit die Persuasionsm¨
oglichkeiten zu steigern [3]. Die Privatsph¨
are der Benutzer wird deswegen durch die Regeln von
Berdichevsky und Neuenschwander gesch¨
utzt (siehe Tabelle 1). Besondere Vorsicht gilt, wenn die gesammelten Daten
nicht nur innerhalb der Technologie genutzt werden, sondern
an Dritte weitergegeben werden (vergleiche Regel 5, Tabelle 1). Werden Daten gesammelt, aber nur intern genutzt,
spricht man von einer little sister“ Technologie [3]. Ein Bei”
spiel w¨
are ein System, welches den Wasserverbrauch eines
Kindes beim Z¨
ahneputzen misst und dar¨
uber Feedback gibt
[3]. Die gesammelten Daten werden nur genutzt, um genaue
uckmeldung zu geben und so den Wasserverbrauch zu senken. Die Privatsph¨
are wird dabei nicht verletzt, was f¨
ur das
System akzeptabel macht.
Werden die gesammelten Daten an andere weitergegeben,
spricht man von big brother“ Technologien [3]. Ein Bei”
spiel ist ein System, welches kontrolliert, wie oft sich Mitarbeiter einer Firma ihre H¨
ande waschen [7]. Die Informationen werden an den Arbeitgeber weitergeleitet, welcher
die Mitarbeiter entsprechend belohnen oder bestrafen kann.
Die Uberwachung
der Mitarbeiter gilt als unethisch. Wird
ein solches System in hygienerelevanten Kontexten wie einem Krankenhaus eingesetzt [7], so kann sich die Sichtweise
andern. Durch die so entstehende Hygienekontrolle werden
Kunden und Patienten gesch¨
utzt.Man kann sich die Frage
stellen, ob die unethischen Methoden der Technologie durch
ihre ethischen Ziele gerechtfertigt werden. Fogg ist der Meinung, dass u
¨berwachende Technologien ethisch nur korrekt
sind, wenn sie unterst¨
utzen und helfen anstatt bestrafen [7].
Das System k¨
onnte beispielsweise so umgebaut werden, dass
es Mitarbeiter, die das H¨
andewaschen vergessen haben, beim
Verlassen des Badezimmers daran erinnert, ohne Vorgesetzte
davon zu informieren [7].
Zusammenfassend wird festgestellt, dass little sister Technologien weitgehend unproblematisch sind, da sie keine Da-
ten weitergeben [3]. Doch auch big brother Technologien
onnen ethisch gerechtfertigt sein. Eine Technologie, die es
Eltern erlaubt, das Fahrverhalten ihrer Kinder zu u
¨berwachen, kann ethisch zul¨
assig sein, da die Eltern daf¨
ur verantwortlich sind und diese Technologie ihnen dabei hilft, ihrer
Verantwortung nachzukommen [7]. Ein weiteres plausibles
Szenario w¨
are eine Technologie, die dem Nutzer beim Rauchen einer Zigarette Feedback seiner Familie und Freunde
zukommen l¨
asst, um ihn vom Rauchen abzuhalten [2]. Ein
Mittel, die Privatsph¨
are zu sch¨
utzen und gleichzeitig auch
der Gefahr einer erzwingenden Technologie zu entgehen, w¨
are die M¨
oglichkeit, die persuasive Technologie (wenn auch
nur tempor¨
ar) auszuschalten [10]. Bei allen Anwendungen
ist es wichtig, dass der Nutzer weiß, welche Informationen
geteilt werden und ob sein Verhalten an andere weitergeleitet wird [2].
Wahrhaftigkeit und Verlässlichkeit von PT
Technologien gelten generell als glaubw¨
urdig und ehrlich.
Der Nutzer geht davon aus, dass das Feedback von Maschinen korrekt und unverf¨
alscht ist. Weiterhin sind wird
bei menschlichen Uberzeugern
oft in der Lage sind, L¨
zu enttarnen, zum Beispiel, wenn der Gegen¨
uber starken
Schweißfluss hat oder seine Stimme zittert [3]. Bei Computern k¨
onnen wir das nicht. Gerade durch l¨
ugen“, also durch
alschtes Feedback kann die Effektivit¨
at eines persuasiven
Systems kurzzeitig gesteigert werden [11]. Vor allem PT, die
Kunden von einem Produkt, einer Marke oder Firma u
¨berzeugen sollen, k¨
onnten mit verbesserten falschen Daten mehr
erreichen, als mit den vielleicht etwas uninteressanteren echten Daten.
Falsches Feedback wirkt nur kurzzeitig, da, sobald der
Nutzer die L¨
uge bemerkt, er das Vertrauen in das System
verliert und dieses somit seine Wirkung [11]. Das Vertrauen
in PT kann dadurch besch¨
adigt werden, was die Wirksamkeit aller beeintr¨
achtigen w¨
urde [3]. Ein Beispiel w¨
are hier
eine Waage, die das Gewicht einer Teenagerin als geringer
misst, als es wirklich ist, um so die Bildung einer Essst¨
orung zu vermeiden [3]. Die Motivation und das gew¨
Ziel der Persuasion sind ethisch betrachtet rechtm¨
aßig. Sobald die Nutzerin das falsche Feedback entlarvt, zum Beispiel durch Benutzung einer anderen Waage, verliert sie das
Vertrauen in ihre Waage und vielleicht auch in PT allgemein
Folglich d¨
urfen PT nicht falsch-informieren, um ihre Ziele zu erreichen (vergleiche Regel 7, Tabelle 1). Die Nutzer
ussen der Technologie vertrauen k¨
onnen, dass sie genau
das macht wof¨
ur sie entwickelt wurde und durch ihre Verwendung keine unerw¨
unschten Konsequenzen entstehen [13].
asslichkeit und Wahrhaftigkeit sind (langfristig) n¨
sind, damit der Benutzer der Technologie vertraut und sie
ihre Wirkung nicht verliert.
Ethik der Resultate
Ethisch zu bef¨
urwortende Motivationen und Methoden
sind wichtig f¨
ur die Unbedenklichkeit von PT. Doch auch
das eigentliche Ziel der Persuasion darf nicht moralisch angreifbar sein. Die erste Regel von Berdichevsky und Neuenschwander besagt, dass die Resultate einer PT nie als unethisch gelten d¨
urfen, wenn die Persuasion ohne Technologie
uhrt werden w¨
urde oder die Resultate unabh¨
von Persuasion auftreten w¨
urden (siehe Tabelle 1). Es ist
schwer vorstellbar, ein System zu rechtfertigen, welches un-
ethische Ziele verfolgt.
Die Verletzung dieser Prinzipien weist zwar nicht sofort
auf ein unethisches System hin, doch je mehr Regeln verletzt
werden, desto schneller treten ethische Probleme auf [3].
Berdichevsky und Neuenschwander haben eine abschließende Regel formuliert, die als Goldene Regel der Persuasion bezeichnet wird. Die Sch¨
opfer einer PT sollen nie versuchen, eine Person von etwas zu u
¨berzeugen, von dem sie
selber nicht u
¨berzeugt werden wollen (siehe Tabelle 1). Man
kann diese Regel nicht nur auf das was beziehen, sondern
auch auf das wie, also auf welche Art man von etwas u
¨berzeugt wird. Diese Regel schließt alle vorigen Prinzipien mit
ein. Sie verlangt vom Sch¨
opfer von PT, nur das zu tun, was
man auch ihm antun darf. Auch hier gibt es Ausnahmen.
Die Regel verliert ihren moralischen Wert, wenn jemand aus
seiner Sicht richtige Ziele verfolgt und andere von diesen
zu u
¨berzeugen versucht, diese Ziele aber allgemein als unethisch betrachtet werden. Ein Beispiel w¨
are ein Rassist, der
die seiner Meinung nach richtige Rassenlehre anderen aufzudr¨
angen versucht [11].
Es w¨
are eine gute Methode, um die ethische Korrektheit
eines Systems zu verbessern, wenn sich die Sch¨
opfer einer
Technologie bei der Entwicklung vorstellen, sie seien das Ziel
der Persuasion und nicht die Quelle. Mit gesundem Menschenverstand k¨
onnen dann auch solche Ausnahmen ethisch
bewertet werden und viele ethische Stolperfallen k¨
onnen umgangen werden.
Ein ethisch einwandfreies Produkt zu gestalten ist schwer,
da bei unterschiedlichen Personen verschiedene Resultate
auftreten k¨
onnen. Um trotzdem einen m¨
oglichst guten ethischen N¨
aherungswert zu erhalten, brauchen Designer von
PT Herangehensweisen, die ihnen helfen, ethische Untiefen zu vermeiden. Die bereits existierenden Methoden lassen
sich in drei Kategorien einteilen: Guidelines, Interessengruppen Analysen und Nutzerbeteiligungen. Alle stellen verschiedene Wege dar, mit den ethischen Herausforderungen in der
Entwicklung von PT umzugehen [8]3 . Im kommenden Abschnitt werden diese Kategorien erkl¨
art und jeweils Beispiele zur Veranschaulichung gegeben. Anschließend werden die
verschiedenen Framework-Typen auf Basis ihrer Tauglichkeit verglichen.
Guidelines oder Richtlinien helfen dem Designer dabei, die
wichtigsten ethischen Prinzipien beim Entwurf von PT zu
artigen. Ein bekanntes Beispiel sind die von Berdichevsky und Neuenschwander (siehe Tabelle 1), die schon
im vorigen Teil dieser Arbeit erw¨
ahnt wurden. Der Designer
kann sie wie eine Checkliste nutzen, um sein Produkt in ethischer Hinsicht zu pr¨
ufen [8]. Mit der letzten Regel kann er
alle Prozesse der Persuasion beurteilen und bestimmen, ob
sie als ethisch bewertet werden k¨
onnen [8].
Karppinen und Oinas-Kukkonen beziehen sich auf Beha” f¨
viour Change Support Systems“ (BCSS), dass macht
die Frameworks jedoch keinen Unterschied da sich PT und
BCSS sehr ¨
ahnlich sind.
Die Prinzipien, die durch die Guidelines abgedeckt werden, sind als Risikofaktoren zu sehen. Die Verletzung eines
Risikofaktors kann unbedenklich sein, jedoch steigt die Gefahr ein ethisch problematisches System zu erhalten mit jeder Verletzung [3].
Analyse der Interessengruppen
Bei den Interessengruppen Analysen (IA) geht es darum,
diejenigen zu identifizieren, die durch die Technologie und
ihrer Benutzung beeinflusst werden. Danach wird versucht
herauszufinden, was jede dieser Interessengruppen zu gewinnen und zu verlieren hat [7] und welche moralischen und
sozialen Werte hierbei eine Rolle spielen. So werden nicht
nur die direkt betroffenen Gruppen mit eingeschlossen, sondern auch solche, die nur indirekt mit der Technologie in
uhrung kommen. Das Ziel ist es, diejenigen miteinzubeziehen, die keine Entscheidungsgewalt haben oder nicht in
den Entscheidungsprozess miteinbezogen werden, aber von
den Ergebnissen betroffen sind [8]. Ein Beispiel daf¨
ur ist die
Sieben-Stufen-Analyse von Fogg [7]:
1. Z¨
ahle alle Interessengruppen auf, die durch die Entstehung und Nutzung der Technologie betroffen werden.
Das k¨
onnen unter anderem die Designer, Anbieter oder
Benutzer sein; oder auch indirekt betroffene Parteien
wie die Familien der Nutzer.
2. Finde heraus, was jede Interessengruppe zu gewinnen
hat, wenn jemand die PT nutzt. Das kann finanzieller
Erfolg sein, Macht oder Selbstbewusstsein.
3. Finde heraus, was jede Interessengruppe zu verlieren
hat. Das kann Geld sein, Privatsph¨
are oder Ehre.
4. Bestimme, welche Interessengruppe am meisten zu gewinnen hat.
5. Bestimme, welche Interessengruppe am meisten zu verlieren hat.
6. Bewerte die Gewinne und Verluste jeder Interessengruppe in Relation mit den u
¨brigen. Durch Aufdeckung von Ungerechtigkeiten in den Gewinnen und
Verlusten kann ermittelt werden, ob das Produkt ethisch
vertretbar ist.
7. Beachte die Werte und Annahmen, die in die Analyse eingebracht wurden. Jede ethische Analyse basiert
auf einem Wertesystem. Es ist wichtig, dieses zu untersuchen, da Werte nicht in jedem Kulturkreis gleich
aufgefasst werden4 .
ur eine optimale Akzeptanz der Technologie von allen
Nutzergruppen ist es wichtig, die Nutzer in den Entwurfsprozess miteinzubeziehen. Auf diese Weise kann ein besseres
Zusammenspiel zwischen der Technologie und der Arbeitsweise der Benutzer garantiert werden [9]. W¨
ahrend bei der
Interessengruppen Analyse die Interessengruppen eher als
In westlichen Kulturen wird die Steigerung der pers¨
onlichen Freiheit als wichtig erachtet und jegliche St¨
arkung von
Institutionen auf Kosten von Einzelnen missachtet. Andere
Kulturen stellen jedoch das Gemeinwohl u
¨ber das Wohl des
Einzelnen [7].
Forschungsobjekt dienen, versucht man bei der Nutzerbeteiligung L¨
osungen f¨
ur ethische Probleme durch die Zusammenarbeit mit ihnen zu finden [8]. Man gibt ihnen Mitbestimmungsrecht, um ein f¨
ur alle Nutzer annehmbares Produkt zu entwickeln.
Davis empfiehlt daf¨
ur das Participatory Design“ (PD),
eine Designmethode, in der alle Interessengruppen miteinbezogen werden [4]. PD ist urspr¨
unglich kein reines PT Framework, sondern wurde allgemein f¨
ur die Softwareentwicklung entworfen. Die Beteiligung der Nutzer ist aber eine gute M¨
oglichkeit, ethische Probleme fr¨
uhzeitig zu erkennen.
Beim PD wird versucht, die wichtigsten Interessengruppen
als vollwertige Teilnehmer miteinzubeziehen, um den Designprozess zu demokratisieren [4]. Das Design profitiert somit von der Kreativit¨
at und dem Wissen der Teilnehmer [4].
Am wichtigsten jedoch ist, dass so potentiell problematische
ethische Aspekte vermieden werden k¨
onnen und potentiell
verwundbare Interessengruppen, wie Kinder oder alte Menschen, miteinbezogen werden k¨
onnen [4]. Ohne PD w¨
die persuasive Intention einer Technologie nur vom Sch¨
ausgehen, w¨
ahrend mit PD die persuasiven Intentionen auch
von Mitgliedern der Gesellschaft beeinflusst werden [4].
Durch das direkte Einbeziehen von Werten der Interessengruppen schon in fr¨
uhen Designphasen werden die Chancen
verbessert, dass das Produkt von Anfang an von seiner Zielgruppe akzeptiert wird [4].
Diskussion der Frameworks und
Guidelines sind hilfreich, um w¨
ahrend der Entwicklung
die wichtigsten ethischen Prinzipien im Auge zu behalten.
Der Designer kann sie wie eine Checkliste durchgehen, um
so offensichtliche ethische M¨
angel zu vermeiden oder auszubessern [8]. Jedoch sind Guidelines und Prinzipien oft nicht
ausreichend [4]. Ein Grund daf¨
ur ist, dass Frameworks, die
auf Richtlinien basieren, von Grund auf subjektiv sind [8].
Sie verlangen vom Designer eine ethische Bewertung. Was
ein Designer f¨
ur ethisch korrekt h¨
alt und was nicht, kann
jedoch von der Sicht eines anderen abweichen [8].
Um die die ethischen Werte der Benutzer besser zu verstehen, bieten sich IA an. Durch eine systematische Herangehensweise kann der Designer m¨
ogliche ethische Bedenken
erkennen [7]. Der Arbeitsaufwand von IA ist begrenzt und
es gibt Methoden, die dabei helfen, die Werte der Nutzer zu
identifizieren [8].
Wert-basierte Produkte sind sehr abh¨
angig vom Benutzerkontext [8]. Das kulturelle und soziale Umfeld des Nutzers
wirkt sich auf die Art aus, wie der Nutzer Werte wahrnimmt.
Systeme, bei denen die ethischen Werte ihrer Nutzer relevant
sind, sind folglich abh¨
angig vom Kontext des Benutzers. Produkte, bei denen dieser Kontext eindeutig ist, eignen sich
besonders gut f¨
ur eine IA [8]. Es f¨
allt dann leichter, die relevanten Werte zu identifizieren und zu behandeln. Heutzutage ist die H¨
urde, um Technologien von Beginn an auf
globalen M¨
arkten anzubieten sehr gering[8]. Dadurch wird
die Identifikation von Kontext und Werten der Benutzer erschwert, jedoch umso wichtiger [8]. IA helfen dabei, Interessengruppen einzusch¨
atzen, ohne sie in den Designprozess
miteinbeziehen zu m¨
ussen [8]. Wenn der Designer Probleme
hat, sich in die Lage einzelner Interessengruppen hineinzuversetzen, kann er Vertreter dieser Gruppen interviewen, um
tiefere Einblicke zu erhalten [8].
IA zwingen den Designer zwar nicht nur eine distanzierte
Analyse der Interessengruppen zu machen, doch werden Benutzer nicht in den Prozess involviert [8]. Frameworks, die
den Nutzer aktiv in die Entwicklung integrieren, haben Vorund Nachteile. Durch die Integration k¨
onnen alle relevanten
Benutzergruppen ihre Werte mit einbringen und so ein System entwerfen, dass so ethisch ist wie m¨
oglich [8]. Wenn ein
Produkt sich an nur eine spezifische Benutzergruppe richtet, sind solche Frameworks besonders effektiv [8]. Nachteile
entstehen, wenn die Benutzergruppe sich nicht genau eingrenzen l¨
asst oder es viele verschiedene gibt. Designer haben
oft nur begrenzte Ressourcen f¨
ur die die Entwicklung zur
ugung [8]. Weiterhin ist es schwer, in großen Software¨
Projekten eine Ubereinstimmung
mit allen Interessengruppen zu erwirken [8]. Allein die Identifikation von allen direkten und vor allem indirekten Gruppen stellt sich als sehr
schwer heraus [8]. Manche Gruppierungen haben beispielsweise monet¨
are Ziele, w¨
ahrend f¨
ur andere genau das Gegenteil gilt; wieder andere haben Probleme dabei, ihre Werte
und Bedenken richtig zu formulieren oder trauen sich nicht
sie auszusprechen [8]. Diese Nachteile f¨
uhren zu der Argumentation, dass Benutzerintegration zu teuer und logistisch
problematisch ist, als dass sie in großen Projekten eingesetzt
werden k¨
onnte [9].
Schlussendlich ist es die Aufgabe des Designers, eine passende ethische Herangehensweise zu suchen [8]. Dabei sollte
er allerdings beachten, dass er egal ob das Projekt klein oder
groß ist, die Benutzer direkt oder indirekt miteinbeziehen
sollte. Das bedeutet nicht, dass Guidelines keine Bedeutung
mehr haben [8]. Der Designer kann sie parallel zu anderen
Frameworks einsetzen.
Computer k¨
onnen uns dabei unterst¨
utzen, unsere Gemeinschaft, die Gesellschaft und uns selbst zu verbessern [6]. Von
PT kann jedoch auch Gefahr ausgehen, wenn die eingesetzten Methoden zu Manipulation und N¨
otigung f¨
uhren [6]. In
dieser Arbeit wurden die PT abgegrenzt von manipulativen
und erzwingenden Systemen. Weiterhin wurden Grundbedingungen, Prinzipien und Frameworks vorgestellt, die eine
ethisch vertretbare Entwicklung von PT und einen Einsatz
mit so wenig unerw¨
unschten unethischen Ergebnissen wie
oglich gew¨
ahrleisten sollen.
Die Sch¨
opfer einer Technologie m¨
ussen Verantwortung f¨
alle vorhersehbaren Resultate u
¨bernehmen [8]. Es ist praktisch allerdings sehr schwer f¨
ur einen Designer, alle Resultate bei allen Nutzergruppen zu erkennen [4]. Viele Probleme
werden erst bei der Nutzung des Systems sichtbar [4]. Einen
optimalen Ansatz zum Designen von ethisch korrekten Technologien gibt es nicht [8].
Fogg sieht die L¨
osung in besserer Bildung [7]. Wenn sich
Designer besser mit ethischen Problemen auskennen und
Nutzer besser erkennen k¨
onnen, wann Technologien unethische Methoden einsetzen, werden PT besser entworfen und
so genutzt, wie es vorgesehen war [7].
Abschließend sagen Karpinnen und Oinas-Kukkonen, dass,
wenn man eine PT auf ihre ethische Unbedenklichkeit u
uft, es auch vorkommen kann, dass man sich auf seine
eigene Intuition verlassen muss und dies auch tun sollte [8]:
Being faithful to one’s intuition is not naive nonsense. If
you feel that what you are doing is unethical – just do not
do it.“ [8]
[1] B. M. Atkinson. Captology: A critical review. In
Persuasive Technology, pages 171–182. Springer, 2006.
[2] M. Barreto, A. Sz´
ostek und E. Karapanos. An initial
model for designing socially translucent systems for
behavior change. In Proceedings of the Biannual
Conference of the Italian Chapter of SIGCHI. ACM,
[3] D. Berdichevsky und E. Neuenschwander. Toward an
ethics of persuasive technology. Communications of
the ACM, 42(5):51–58, 1999.
[4] J. Davis. Design methods for ethical persuasive
computing. In Proceedings of the 4th International
Conference on Persuasive Technology. ACM, 2009.
[5] B. J. Fogg. Persuasive computers: perspectives and
research directions. In Proceedings of the SIGCHI
conference on Human factors in computing systems,
pages 225–232. ACM, 1998.
[6] B. J. Fogg. Persuasive technologies. Communications
of the ACM, 42(5):26–29, 1999.
[7] B. J. Fogg. Persuasive Technology: Using Computers
to Change What We Think and Do (Interactive
Technologies). Morgan Kaufmann, 1 edition, Dec.
[8] P. Karppinen und H. Oinas-Kukkonen. Three
approaches to ethical considerations in the design of
behavior change support systems. In Persuasive
Technology, pages 87–98. Springer, 2013.
[9] F. Kensing und J. Blomberg. Participatory design:
Issues and concerns. Computer Supported Cooperative
Work (CSCW), 7(3-4):167–185, 1998.
[10] J. Smids. The voluntariness of persuasive technology.
In Persuasive Technology. Design for Health and
Safety, pages 123–132. Springer, 2012.
[11] A. Spahn. And lead us (not) into persuasion. . . ?
Persuasive technology and the ethics of
communication. Science and engineering ethics,
18(4):633–650, 2012.
[12] P.-P. Verbeek. Materializing morality design ethics
and technological mediation. Science, Technology &
Human Values, 31(3):361–380, 2006.
[13] P.-P. Verbeek. Persuasive technology and moral
responsibility toward an ethical framework for
persuasive technologies. 6th International Conference
on Persuasive Technology, 6:1–15, 2006.
Verhaltensänderung mit persuasiven Smart Technologien
Julia Feyrer
Universität Passau
Innstr. 43
94032 Passau, Germany
[email protected]
Diese Arbeit besch¨
aftigt sich mit dem Begriff der persuasiven Smart Technologie (PST). Da diese Systeme auf Verhaltens¨
anderungen bei den Nutzern abzielen [14], entsteht
die Frage nach dem Zustandekommen dieser Ver¨
und mit welchen Methoden dies m¨
oglich wird. Es f¨
allt auf,
dass die beste Kombination aus grundlegender psychologischer Theorie, Feedback, Intervention und Designstrategie
nicht universell gefunden werden kann. Sie ist situationsbedingt und h¨
angt unter anderem stark von der Nutzergruppe
und deren Einstellung zu der angestrebten Verhaltens¨
anderung ab. Jedoch k¨
onnen Richtlinien beachtet werden. So gilt
beispielsweise positives Feedback zun¨
achst als st¨
arkerer Motivator als negatives.
Persuasive Technologien, Smart Technologien, Feedback, Interventionsm¨
oglichkeiten, Verhaltens¨
Der Einsatz von Smart Technologien (ST) ist mittlerweile
in einigen Bereichen erkennbar. Dabei stellt sich die Frage
nach ihrem Nutzen. In dieser Arbeit werden positive Verhaltens¨
anderungen mit PST untersucht. Dabei geben zwei
Definitionen den Rahmen vor.
• Persuasive Technologies (PT) are technologies which
are intentionally designed to change the behavior, attitude or both (without using coercion or deception;
persuasion implies voluntary change).“ [14]
ST werden f¨
ur diese Arbeit wie folgt definiert:
• ST sind Technologien, die Informationen und Daten
sammeln, verarbeiten und zu einem g¨
unstigen Zeitpunkt den Nutzer benachrichtigen und in seinem Vorhaben unterst¨
Der Einsatz dieser Technologien muss vom Nutzer selbst gew¨
unscht sein (freiwillige Basis [14, 12, 5]). Der Nutzer sucht
• Julia Feyrer is a bachelor’s student at the University
of Passau, Germany
• This research report was written for Advances in Embedded Interactive Systems (2015), Volume 3, Issue 2
(April 2015). ISSN: 2198-9494
sich aktiv eine Technologie, die ihm hilft, sein Verhalten
in eine f¨
ur ihn positive Richtung hin dauerhaft zu ver¨
andern. Die Technologie selbst dient hierbei als sogenanntes
commitment device“, als ein Hilfsmittel, das jemanden da”
zu bringt, etwas zu tun, was er normalerweise so nicht getan
atte. Drei g¨
angige Anwendungsbereiche von PST sind das
Geld sparen [15], Energie sparen [9, 8, 7] und eine gesunde
uhrung (z. B. Rauchen aufh¨
oren, Gewicht verlieren
Es folgt nun eine Unterteilung der verschiedenen Verhaltens¨
anderungen. Oinas-Kukkonen [12] teilt Verhaltens¨
anderungen in drei Kategorien ein. Zum Ersten der change in an
act of complying“ (C-Change), eine Verhaltens¨
anderung mit
dem Ziel, dass der Nutzer die Anforderungen eines Systems
ullt – auch, wenn er selbst keine Motivation daf¨
ur aufbringen kann oder will (z. B. Einnehmen von Medikamenten).
Als Zweites gibt es die Anderung
des Verhaltens ( behavior
change“, B-Change) und drittens die Anderung
der Einstellung ( attitude change“, A-Change). Bei einem B-Change
besteht das Ziel in einem langfristigen (nicht unbedingt dauerhaften) Beibehalten der herbeigef¨
uhrten Verhaltens¨
anderung. Dabei kann bereits ein C-Change voran gegangen sein.
Ein A-Change hingegen zielt nicht ausschließlich auf eine
anderung ab, sondern auf die dauerhafte Anderung der Einstellung, welche eine permanente Verhaltensanderung mit sich bringen kann oder dazu f¨
uhren soll. A¨
und B-Change stehen also in direktem Zusammenhang. Nur
durch einen A-Change ist ein nachhaltiger B-Change erst
oglich. Es ist sinnvoll, sowohl A- als auch B-Change simultan zu f¨
ordern. Man betrachtet A-, B- und C-Change
als die Urtypen der Verhaltens¨
anderung. Die Anderung
sich kann drei verschiedene Auspr¨
agungen annehmen: formend ( forming“, F-Outcome), ver¨
andernd ( altering“, A”
Outcome) oder best¨
arkend ( reinforcing“, R-Outcome). Der
F-Outcome beschreibt die Bildung (oder das Formen) eines Verhaltens f¨
ur eine Situation, das zuvor noch nicht existiert hat. Der A-Outcome ist die Ver¨
anderung eines bisherigen Verhaltensmusters (z.B. Rauchen aufh¨
oren) und der
R-Outcome beinhaltet die Best¨
arkung eines Verhaltens oder
einer Einstellung. Mit Hilfe dieses Modells lassen sich Verhaltens¨
anderungen klassifizieren und diskutieren. Innerhalb
dieses Klassifizierungssystems k¨
onnen gezielt neue PST entwickelt werden.
Zuerst werden die grunds¨
atzlichen Theorien und Ans¨
atze zu Verhaltens¨
anderungen im Detail vorgestellt. Anschließend werden Feedbackarten diskutiert und in Relation gesetzt. Daraufhin werden unterschiedliche Entwurfsrichtlinien erl¨
autert, die zum einen die M¨
oglichkeiten zur Interven-
tion und zum anderen, Strategien aufzeigen. Abschließend
werden die Ergebnisse der Arbeit evaluiert, mit dem Ziel
ein Verfahren zu finden, das sich am besten zum Herbeif¨
uhren einer positiven Verhaltens¨
anderung eignet. Die Grenzen
dieser Vorgehensweisen und die Differenzierung in die verschiedenen Bereiche (z. B. Energie, Gesundheit) werden aufgezeigt.
Es werden jetzt die psychologischen Theorien zu dem Thema Verhaltens¨
anderung vorgestellt. Die Theorien lassen sich
dabei in zwei Kategorien unterteilen. Zum einen gibt es Modelle, die den Prozess der Verhaltens¨
anderung betrachten.
Dazu z¨
ahlen das Transtheoretische Modell (TTM) und das
Modell von Geller. Zum anderen gibt es Modelle, die den
Fokus auf den Zusammenhang zwischen dem Verhalten und
den Faktoren, die die Verhaltens¨
anderung beeinflussen, legen. Hierzu z¨
ahlen die Theorie des u
¨berlegten Handelns und
das Fogg Behavior Model [16].
Transtheoretisches Modell
Das TTM wurde 1982 von Prochaska et al. entwickelt
[13]. Das Modell versucht die Stufen der Ver¨
anderung mit
verschiedenen bereits bekannten Theorien zu vereinbaren
(unter anderem Theorien von Freud und Skinner) [13]. Urspr¨
unglich wurde das TTM nur f¨
ur Studien eingesetzt, die
die Verhaltens¨
anderung von Tabak konsumierenden Personen beobachteten. Bald wurde der Einsatz auf alle m¨
oglichen Gesundheitsbereiche ausgedehnt. Verhaltens¨
anderungen werden im TTM als nicht-linearer Prozess, der sich erst
mit der Zeit herausbildet, beschrieben. Das Modell ist sechsstufig [13].
1. Unentschiedenheit ( precontemplation“)
Die Person hat keinerlei Absichten, ihr Verhalten in
absehbarer Zeit zu ¨
2. Absichtsbildung ( contemplation“)
Die Person hat die Absicht, ihr Verhalten in absehbarer
Zeit zu ¨
3. Vorbereitung ( preparation“)
Die Person will ihr Verhalten innerhalb eines konkreten
und kurzen Zeitraums ¨
4. Handlung ( action“)
Die Person hat ihr Verhalten innerhalb der letzten
sechs Monate ge¨
5. Aufrechterhaltung ( maintenance“)
Die Person hat ihre Verhaltens¨
anderung bereits mehr
als sechs Monate beibehalten.
6. Stabilisierung ( termination“)
Die Person hat ihr Verhalten dauerhaft ver¨
andert und
wird nicht mehr r¨
allig werden.
Prochaska benennt dar¨
uber hinaus Verhaltens¨
anderungsprozesse ( processes of change“) [13]. Diese sind verantwort”
lich f¨
ur das Auf- und Absteigen zwischen den einzelnen Stufen. Sie k¨
onnen als Grundlage f¨
ur Interventionen dienen.
Prochaska identifizierte zehn Prozesse. Es sollen drei Prozesse exemplarisch genannt werden.
• Emotionale Erlebnisse ( dramatic relief“)
Die Person versp¨
urt negative Gef¨
uhle wie Angst, die
im Zusammenhang mit den Risiken des ungesunden
Verhaltens stehen.
• Nutzen hilfreicher sozialer Beziehungen ( hel”
ping relationships“)
Die Person sucht sich soziale Unterst¨
utzung, um ihr
Verhalten positiv zu ver¨
• Best¨
arkung ( reinforcement management“)
ur positive Verhaltens¨
anderung erh¨
alt die Person eine
ohere Belohnung als f¨
ur negative.
Modell von Geller
Geller entwickelte ein Modell [16, 10], das sich auf den
Prozess einer Verhaltens¨
anderung konzentriert (siehe TTM).
Dabei fokussiert er sich auf den Bereich der Nachhaltigkeit
und des Umweltschutzes. In Gellers Modell gibt es vier Zust¨
ande [16, 10], in denen sich eine Person befinden kann.
1. Unbewusste Inkompetenz ( unconsciously in”
Die Person handelt nicht nachhaltig und ist sich dessen
nicht bewusst. Sie weiß nicht, wie sie anders handeln
sollte. Die Person kann jedoch lernen, was sie tun kann
oder soll. Wenn sie das versteht, geht sie u
¨ber in den
zweiten Zustand, ansonsten beginnt der Prozess von
vorne [16].
2. Bewusste Inkompetenz ( consciously incompe”
Die Person weiß, wie man richtig handelt. Allerdings
kann es dauern, bis sie sich auch wirklich richtig verh¨
alt. Durch Motivation ist ein Aufsteigen in den dritten Zustand m¨
3. Bewusste Kompetenz ( consciously competent“)
Die Person weiß, wie sie sich verhalten soll und handelt dementsprechend. Die Verhaltens¨
anderung ist eingetreten, jedoch noch nicht zur Gewohnheit geworden.
Durch Intervention soll die Person das Verhalten solange wiederholen bis es zur Gewohnheit wird, um so
in den vierten Zustand aufsteigen zu k¨
4. Unbewusste Kompetenz ( unconsciously com”
In diesem Zustand handelt eine Person aus Gewohnheit korrekt. Sie hat den Zielzustand erreicht.
Theorie des überlegten Handelns
Die Theorie des u
¨berlegten Handelns ( Theory of Rea”
soned Action“, TORA) [3] wurde von Fishbein und Ajzen
entwickelt. Sie versucht, das menschliche Verhalten durch
die Zusammenh¨
ange von Glaube, Einstellung und Absicht
zu erkl¨
aren. Bei der TORA geht man davon aus, dass der
Mensch sein Verhalten von seiner Absicht abh¨
angig macht.
Diese wird durch zwei Komponenten bestimmt: pers¨
onliche Einstellung zu dem fraglichen Verhalten und subjektive Norm. Letztere ist eine Mischung aus den Erwartungen
der Bezugspersonen und dem Drang, diesen Erwartungen
nachzukommen. Sowohl die Einstellung, als auch die Norm
werden durch die m¨
oglichen Konsequenzen des Verhaltens
beeinflusst (Abbildung 1).
funktion, da der Nutzer sich das Verhalten bereits zu eigen
gemacht hat.
Abbildung 1: Darstellung des Zusammenhangs zwischen Intention, Einstellung und dem daraus resultierenden Verhalten nach der Theorie des u
¨ berlegten Handelns (TORA); Zeichnung nach [3]
Foggs Behavior Model
Das Fogg Behavior Model“ (FBM) [6] besteht aus den
drei Faktoren Motivation ( motivation“), F¨
ahigkeit ( abili”
ty“) und Ausl¨
oser ( trigger“). Um ein Ziel-Verhalten ( target
behavior“) zu erreichen muss die Person zugleich ausreichend
motiviert sein, die F¨
ahigkeit haben, das Verhalten aus¨
zu k¨
onnen und sie muss veranlasst werden, das Verhalten
uhren. Grunds¨
atzlich soll das FBM zum Verst¨
von Verhalten und mit dem Verst¨
andnis zum Entwickeln
neuer PT beitragen.
Fogg stellt die Rahmenbedingungen vor, die zum Erreichen der oben genannten Voraussetzungen verwendet werden k¨
onnen. Im Zusammenhang mit Motivation werden drei
ogliche Motivatoren genannt. Diese sind Hoffnung/Angst“,
ugen/Schmerz“, soziale Akzeptanz/Zur¨
So erreicht man beispielsweise mit der Angst vor einem infizierten Computer, dass der Benutzer seinen Virenscanner
auf dem neusten Stand h¨
Um die ben¨
otigte F¨
ahigkeit zur Erf¨
ullung einer Anforderung erreichen zu k¨
onnen, ist es wichtig, sich der Schwierigkeit einer Anforderung bewusst zu sein. Dabei spielen
Faktoren, wie beispielsweise Geld, Zeit und physische Anstrengung eine große Rolle. Das Amazon 1-Click-Verfahren“
verleitet den Kunden beispielsweise dazu, mehr und frequentierter einzukaufen, da ein einziger Klick zum Kauf ausreicht
(geringerer Zeit-Faktor).
Des Weiteren beschreibt Fogg einen Ausl¨
oser als einen
Umstand, der der Person sagt, dass sie ein Verhalten ausu
¨ben soll [6]. Dabei unterscheidet Fogg zwischen drei Arten
von Ausl¨
osern. Der erste nennt sich Spark“. Dieser soll ein”
gesetzt werden, wenn der Benutzer nur eine geringe Motivation aufweist, aber an sich die F¨
ahigkeit hat, die Aktion
uhren. Hier kann der Designer einer PT den Ausl¨
oser mit einem der genannten Motivatoren verkn¨
upfen. Der
zweite Ausl¨
oser heißt Facilitator“. Dieser ist besonders f¨
Nutzer geeignet, die nicht die F¨
ahigkeit haben, ein Verhalten
von alleine zu erreichen, aber ein hohes Maß an Motivation
mit sich bringen. Der Facilitator“ soll das Erreichen des an”
gestrebten Verhaltens vereinfachen. Der dritte Ausl¨
oser wird
Signal“ genannt. Er soll haupts¨
achlich dann eingesetzt wer”
den, wenn der Nutzer sowohl eine hohe Motivation aufweist,
als auch die F¨
ahigkeit f¨
ur das target behavior“ mit sich
bringt. Dabei agiert dieser Ausl¨
oser nur als Erinnerungs-
Feedback ist ein wichtiger Bestandteil der PST. Feedback
kann u
¨ber Erfolg und Misserfolg einer Technologie entscheiden. Der Nutzer muss sich anhand des Feedbacks orientieren (War das Verhalten gut oder schlecht?) und motivieren
onnen. Beim Feedback-Design gibt es verschiedene Anforderungen – abh¨
angig von der zu erreichenden Nutzergruppe und dem zu erzielenden Verhalten. Dies f¨
uhrt zu unterschiedlichen Herangehensweisen.
atzlich l¨
asst sich Feedback in negatives Feedback
(NF) und positives Feedback (PF) einteilen. Barreto [2] stellte fest, dass PF Menschen eher dazu bringt ihr Verhalten
zu ¨
andern. Die Versuchspersonen wurden dadurch ermutigt
und best¨
arkt, sich mehr auf die positiven Resultate zu fokussieren, als auf das m¨
ogliche Scheitern. Auch das Gef¨
von Kontrolle und Selbstvertrauen wurde oft gest¨
arkt. NF
hingegen f¨
uhrte in diesen Studien zu einer Angepasstheit der
Versuchspersonen. Die Motivation bleibt meist aus. Dies resultiert aus dem Drang, eine negative Erfahrung vermeiden
zu wollen. Die Versuchspersonen konzentrierten sich mehr
auf die negativen Konsequenzen, die ihr Handeln mit sich
bringen kann, als auf die eigenen Anstrengungen und Ziele.
Bei NF wurde vermehrt auch ein Gef¨
uhl von Hilflosigkeit
und Fehlen von Kontrolle festgestellt [2] (vgl. Abbildung 2).
Ein Anwendungsbeispiel f¨
ur NF und PF bieten Ham und
Midden [11]. Das Ziel war Nutzer zum Energie sparen zu motivieren. Dabei leuchtete eine rote LED auf (NF), wenn viel
Energie verbraucht wurde, sonst eine gr¨
une (PF) [11]. Eine andere M¨
oglichkeit ist ein Smilie-System (lachender und
trauriger Smilie). Ein bekanntes Beispiel hierf¨
ur ist die Anbringung von Schildern in einer 30 km/h Zone. Dabei blinkt
ein lachender Smilie (PF) auf, wenn der Fahrer die 30 km/h
alt, ansonsten erscheint ein trauriger Smilie (NF).
Eine andere Unterteilungsm¨
oglichkeit ist faktisches (FF)
und kognitives Feedback (KF). Bei dem genannten Beispiel
von Ham und Midden [11] gibt es zwei Versuchsgruppen.
Die erste Gruppe erh¨
alt ihr Feedback durch rote und gr¨
LEDs (KF), der zweiten Gruppe werden nur die Verbrauchswerte vorgelegt (FF). Man hat festgestellt, dass Nutzer sich
mehr von KF als von FF beeinflussen lassen und somit mehr
Energie sparen als Nutzer, die FF erhielten.
Wichtig ist ebenfalls, wer der Feedbackgeber ist. Dabei
lassen sich zwei Typen unterscheiden. Einmal erh¨
alt man
Feedback von einem Computer (siehe oben) und einmal von
einem Menschen. Letzteres kann man in drei Bereiche unterteilen, die den Grad der Informationsverteilung angeben:
narrowcast“, broadcast“ und broadcast with social feed”
back“ [2]. Bei narrowcast“ erfolgt das Feedback beispiels”
weise nur u
¨ber den Ehepartner, bei broadcast“ u
¨ber die
ganze Familie und bei broadcast with social feedback“ er”
folgt das Feedback u
¨ber ein soziales Netzwerk. Welcher Grad
der Informationsverteilung der geeignetste ist, ist situationsabh¨
angig. Barreto [2] hat in seiner Studie zwei Ans¨
atze herausgearbeitet.
• Eine Person erkennt die Konsequenzen, die ihr aktuelles Verhalten mit sich bringt. Sie will von sich aus (intrinsische Motivation) ihr Verhalten ¨
andern. Die Verwendung von PF, das sowohl der Person als auch ihren
Bezugspersonen gezeigt wird, f¨
uhrt in diesem Fall am
wahrscheinlichsten zum Erfolg. Zus¨
atzlich wird durch
dieses Vorgehen das Selbstvertrauen gest¨
arkt und ein
uhl von Kontrolle erreicht.
• Eine Person erkennt die sozialen Konsequenzen, die
ihr aktuelles Verhalten mit sich bringt. Sie ist sich bewusst, dass ihr Verhalten f¨
ur andere sichtbar ist. Daher f¨
uhlt sich die Person mehr verantwortlich f¨
ur ihr
Verhalten. Um die Erwartungen der Offentlichkeit
ullen, versucht die Person ihr Verhalten zu ¨
Die beiden Ans¨
atze, die Auswirkungen von PF wie NF und
der Grad der Informationsverteilung werden in Abbildung 2
Es sind beim Geben von Feedback zus¨
atzlich der Zeitpunkt und die H¨
aufigkeit zu beachten. Es sollte immer der
unstigste“ Zeitpunkt (Kairos1 ) gew¨
ahlt werden. Feedback,
das im falschen Moment gegeben wird, wird nicht wahrgenommen oder als st¨
orend empfunden. Auch wenn Feedback
zu h¨
aufig erfolgt, kann das als unangenehm wahrgenommen werden und das Verhalten m¨
oglicherweise in eine unerw¨
unschte Richtung lenken. Wie oft eine R¨
uckmeldung n¨
ist, kann sich mit dem Lernprozess ver¨
andern. Zu Beginn
otigt ein Nutzer gegebenenfalls h¨
aufiger Feedback, um
sich motivieren zu k¨
onnen und sich ein Verhalten dauerhaft
anzueignen. Hat der Nutzer bereits ein Verhalten verinnerlicht, wird das h¨
aufige Feedback u
ussig. Die H¨
des Feedbacks sollte abnehmen und m¨
oglicherweise eine neue
Feedbackart eingesetzt werden [1], um den Nutzer weiterhin
in seinem Verhalten bestm¨
oglich best¨
arken zu k¨
Ein Anwendungsbeispiel ist der Waterbot“ [1]. Bei dieser
Technologie wurde versucht, alle Anforderungen zu ber¨
ucksichtigen und zu vereinen. Der Waterbot“ wird an den h¨
lichen Wasserhahn angebracht und soll beim Wasser sparen
helfen. Dieser arbeitet mit PF (Lichter, Signale), Just-in”
time“-Feedback und Erinnerungsfunktionen. Zus¨
atzlich ist
ein Vergleich der Verbrauchswerte unter allen Nutzern m¨
oglich. Auch die Feedbackart variiert mit der Zeit. Durch diese
Konzeption erreicht man beim Nutzer eine h¨
ohere Bereitschaft Wasser zu sparen.
Der Abschnitt betrachtet zun¨
achst M¨
oglichkeiten zur Intervention, mit deren Hilfe man Nutzer von PST bei einer angestrebten Verhaltens¨
anderung unterst¨
utzen kann. Es
handelt sich hierbei um aktive Methoden. Daraufhin werden
Designstrategien von Fogg vorgestellt werden. Diese setzen
sich mit dem grunds¨
atzlichen Design einer PT auseinander.
oglichkeiten greifen meist aktiv in den Prozess einer Verhaltens¨
anderung ein, um den Nutzer einer PST
aren, zu motivieren oder zu best¨
arken. Dabei gibt es
verschiedene Ans¨
atze. Im Folgenden werden neun Interventionstechniken vorgestellt, die auf der Basis von Gellers Modell entwickelt wurden [16, 10]. Diese Techniken k¨
onnen u
das das Themengebiet Nachhaltigkeit“ hinaus angewandt
werden. Damit ergibt sich ein großer Anwendungsbereich.
Zu Beginn ist sich eine Person nicht u
¨ber ihr problematisches Verhalten im Klaren. Deshalb werden zun¨
achst lehren1
Kairos beschreibt das Prinzip, den g¨
unstigsten Moment f¨
eine Entscheidung zu w¨
ahlen. Wird dieser Zeitpunkt nicht
genutzt, kann sich das nachteilig auswirken.
de Interventionstechniken ( instructional intervention“) an”
gewandt, um den Nutzer aufzukl¨
aren. Es werden drei Strategien in Betracht gezogen: Bildung, Ratschlag und Selbstkontrolle. Mit Hilfe von Erziehung kann dem Nutzer erkl¨
art werden, was an seinem Verhalten problematisch ist und warum
er sein Verhalten a
¨ndern sollte. (Beispiel: Eine Gesundheits¨
app erkl¨
art dem Nutzer, dass Ubergewicht
ungesund ist.)
Dies reicht jedoch oft nicht aus, da Verhaltens¨
nicht immer nur am fehlenden Wissen scheitern, sondern
an der Umsetzung. Hier kommt die Ratschlag-Technik zum
Einsatz. Man versucht dem Benutzer konkrete Vorschl¨
age zu
machen, wie er sein Verhalten verbessern oder ¨
andern kann.
(Beispiel: Die App schl¨
agt dem Nutzer einen Trainings- und
Essensplan vor.) Wenn der Nutzer bereits u
¨ber sein problematisches Verhalten aufgekl¨
art ist und weiß, wie er sich
verbessern kann, dann ist es wichtig, dass er sein Verhalten
selbst u
¨berwacht. (Beispiel: Die App misst die Laufstrecke,
verbrauchte Kalorien, etc.)
Durch die im letzten Absatz genannten Techniken kann
der Benutzer den zweiten Zustand, die bewusste Inkompetenz, erreichen. Hier weiß die Person bereits, was an ihrem
Verhalten falsch ist und wie sie es ¨
andern kann. Oft setzen Personen das Verhalten nicht um, da sie nicht ausreichend motiviert sind. An dieser Stelle kommen die motivierenden Interventionstechniken ( motivational interventi”
on“) zum Einsatz. Dabei werden drei Techniken unterschieden: Zielsetzung, Gegen¨
uberstellung und Bindung. Die erste
Technik fordert vom Nutzer, ein bestimmtes Ziel zu erreichen. (Beispiel: Die App setzt im Trainingsplan einen 5 km
Lauf an.) Dabei ist es wichtig, dass die Ziele nicht zu hoch gesteckt und mittelfristig erf¨
ullbar sind. Andernfalls nimmt die
Motivation wieder ab und f¨
uhrt zu Frustration. Eine weitere
oglichkeit ist die Erm¨
oglichung des Vergleichs
unter den Nutzern, die ein ¨
ahnliches Ziel haben. Durch den
urlichen Drang andere u
¨berbieten zu wollen, wird der
Nutzer motiviert. (Beispiel: Innerhalb der App kann der
Nutzer seine gelaufenen Kilometer mit anderen teilen.) Die
Technik Bindung ist sehr bedeutsam im Zusammenhang mit
PST [16]. Sie versucht den Nutzer, durch die Verwendung
von beispielsweise interaktiven Avataren oder spielerischen
Elementen, emotional zu binden. (Beispiel: Die App vergibt
Punkte mit denen man in h¨
ohere Level aufsteigen kann.)
Hat der Nutzer bereits die vorangegangen Zust¨
ande durchlaufen, ist er in einem Zustand, in dem er sich zwar richtig
alt, allerdings ist das Verhalten noch nicht zur Gewohnheit geworden. Der Nutzer sollte deshalb in seinem Verhalten weiter unterst¨
utzt und best¨
arkt werden (unterst¨
Interventionstechniken; supportive intervention“). Um ein
Verhalten dauerhaft zu erhalten werden folgende Strategien
angewandt: Kommunikation, Kontrolle und Belohnung. Bei
der Kommunikation wird, beispielsweise durch soziale Netzwerke, ein Forum zum ¨
offentlichen Meinungsaustausch mit
Gleichgesinnten bereitgestellt. (Beispiel: Innerhalb der App
haben die Nutzer die M¨
oglichkeit sich u
¨ber ihre Probleme
und Erfahrungen auszutauschen.) Die dadurch entstehende
gegenseitige Unterst¨
utzung und weitere Auseinandersetzung
mit dem Thema kann zu der Motivation f¨
uhren, das Verhalten weiterhin beibehalten zu wollen. Durch Kontrolle sollen
einfache Schritte bereitgestellt werden, die es dem Nutzer erleichtern, sein Verhalten beizubehalten (vlg. [4]; Reduction
siehe Abschnitt 4.2; Beispiel: Die App erkennt automatisch,
ob der Nutzer geht, joggt oder Rad f¨
ahrt. Der Nutzer muss
die App nicht extra starten.) Die Technik Belohnung wird
Abbildung 2: Darstellung des Zusammenhangs von gesellschaftlichen Aspekten, Grad der Informationsverteilung und der Art des Feedbacks; Zeichnung nach [2]
eingesetzt, wenn der Benutzer ein Zielverhalten erfolgreich
uhrt hat. (Beispiel: Der Nutzer hat die Ziele im Trainingsplan absolviert und darf als Belohnung einen Tag essen,
was er m¨
der Smilie. Dem Autofahrer wird ein gem¨
aßigteres Tempo
zur rechten Zeit vorgeschlagen. Er kann sein Verhalten sofort korrigieren.
uberwachung ( Self-Monitoring“)
Durch die eigene Uberwachung
kann ein Nutzer einer solchen Technologie ein angestrebtes Verhalten leichter erreichen. Ein Beispiel daf¨
ur bieten verschiedene Lauf-Apps (z.B.
Endomondo). Diese messen zum Beispiel die ben¨
otigte Zeit,
den Kalorienverbrauch und die zur¨
uckgelegte Strecke. Damit
kann der Sportler beispielsweise seinen Trainingserfolg besser kontrollieren und bessere Leistungen erzielen. Die Verwendung einer derartigen Technologie kann zur Steigerung
der Motivation f¨
uhren. In diesem Zusammenhang ist der Begriff Quantified-Self“ zu nennen. Dieser beschreibt den Pro”
zess des Sich-Selbst-Vermessens“ durch Fakten. Im Beispiel
alt der Sportler Informationen u
ahig¨ber seine Leistungsf¨
keit und kann sein Verhalten dementsprechend anpassen.
Strategien von Fogg
Fogg [4] beschreibt sieben M¨
oglichkeiten, PT zu designen.
Dabei soll der Nutzer alleine durch das Design der Technologie von einer Verhaltens- oder Einstellungs¨
anderung oder
beidem u
¨berzeugt werden.
Reduktion ( Reduction“)
Ein Verhalten kann leichter und schneller umgesetzt werden, da die urspr¨
unglich daf¨
ur ben¨
otigten Schritte vereinfacht wurden. Dadurch ergibt sich f¨
ur den Nutzer ein merklicher Vorteil. Es entsteht der Anreiz, sein Verhalten, wiederholen zu wollen. Ein Beispiel daf¨
ur ist das Amazon 1”
Click-Verfahren“. Mit einem Klick wird der gesamte Vorgang
uhrter Modus ( Tunneling“)
Ein Tunneling-Prozess, beispielsweise eine gef¨
uhrte Installation, l¨
asst dem Nutzer wenige Alternativen. Vielmehr wird
ein Weg aufgezeigt, auf dem der Nutzer nur kleinere Anderungen vornehmen kann. Durch den vorgegebenen Weg
ergibt sich die M¨
oglichkeit, den Benutzer, beispielsweise von
der Installation einer Software, zu u
¨berzeugen. Bei dieser
Strategie werden dem Nutzer Informationen dargeboten, die
ihn normalerweise nicht erreicht h¨
Anpassung ( Tailoring“)
Durch individuelle Anpassung einer Information an den Nutzer, kann eine Verhaltens¨
anderung hervorgerufen werden.
Exemplarisch wird die Webseite vorgestellt.
Diese bietet auf die Region der Nutzers zugeschnittene Informationen u
¨ber den Verschmutzungsgrad und die daf¨
verantwortlichen Firmen zur Verf¨
ugung. Durch dieses Wissen ist es m¨
oglich, dass der Nutzer die Gefahrenzonen meiden kann. Eine Verhaltens¨
anderung kann eingetreten.
Vorschlag ( Suggestion“)
Bei dieser Strategie kommt es darauf an, ein Verhalten zum
unstigsten“ Zeitpunkt vorzuschlagen. Dadurch wird die
Wahrscheinlichkeit, dass der Nutzer der Aufforderung nachkommt, erh¨
oht. Dieses Prinzip geht auf den Begriff Kairos1
uck. Als Beispiel dient die Anbringung von Schildern in
einer 30 km/h Zone, die einen traurigen Smilie (oder die
Geschwindigkeit) beim Uberschreiten
der vorgeschriebenen
Geschwindigkeit anzeigen - andernfalls erscheint ein lachen-
( Surveillance“)
Im Gegensatz zu Self-Monitoring erfolgt die Uberwachung
durch eine dritte Partei. Diese versucht mithilfe der Uber¨
wachung das Verhalten der Uberwachten
zu ver¨
andern. Da¨
bei ist wichtig, dass die Uberwachten
von der Uberwachung
wissen. Andernfalls kann man nicht mehr von PT sprechen.
Wenn Menschen wissen, dass sie u
¨berwacht werden, u
¨bernehmen sie normalerweise das von ihnen erwartete Verhalten. Ein Beispiel bietet das System Hygiene Guard“. Diese
Technologie versucht durch Uberwachung,
die Toilettenbenutzer vom H¨
andewaschen zu u
¨berzeugen [4].
Konditionierung ( Conditioning“)
Diese Strategie macht sich die Prinzipien der operanten Konditionierung zu eigen. Dabei wird ein Verhalten durch PF
bzw. eine Belohnung best¨
arkt. Fogg stellt exemplarisch einen
Telecycle“ vor. Dies ist ein normaler Hometrainer, der mit
einem Fernseher verbunden wurde. Der Nutzer muss eine bestimmte Trittfrequenz aufbringen, um ein klares Bild zu erhalten. Andernfalls wird das Bild undeutlich und unbrauchbar.
In der Arbeit wurden zu Beginn vier psychologische Theorien vorgestellt. Dabei lies sich eine Einteilung vornehmen.
Das TTM und das Modell von Geller fokussierten sich auf
den eigentlichen Prozess der Verhaltens¨
anderung. Wohingegen die TORA und das FBM nach den Zusammenh¨
und Einfl¨
ussen einzelner Komponenten auf Verhaltens¨
rungen gesucht haben. Anschließend wurden Feedbackarten
betrachtet: PF und NF, FF und KF. Wichtig ist dabei, dass
usse, wie Zeitpunkt, H¨
aufigkeit und Informationsverteilungsgrad beachtet werden. Des Weiteren wurden drei Arten
von Interventionsm¨
oglichkeiten betrachtet: lehrende, motivierende und unterst¨
utzende. Abschließend wurden Foggs
Designstrategien vorgestellt. Die anf¨
anglich gestellte Frage
nach der besten Kombination aus den genannten Faktoren,
die zu der Verhaltens¨
anderung beitragen k¨
onnen, kann nicht
universell beantwortet werden. Viel mehr ist eine genauere
Betrachtung der vorliegenden Situation n¨
otig. Grunds¨
lassen sich jedoch Richtlinien aufstellen.
• PF st¨
arkt das Selbstvertrauen und das Kontrollgef¨
weshalb es zumeist einen gr¨
oßeren Effekt auf die Verhaltens¨
anderung hat als NF.
• KF erleichtert es dem Nutzer sein Verhalten zu korrigieren. Im Gegensatz zu FF, muss der Nutzer das KF
beinahe nicht interpretieren.
• Es sollte immer zum richtigen Zeitpunkt Feedback erteilt werden. Der richtige Zeitpunkt ist dabei situationsabh¨
• Zu Beginn eines Verhaltens¨
anderungsprozesses ist h¨
aufiger Feedback notwendig. Sp¨
ater sollte das Feedback
nicht mehr so stark frequentiert auftreten. Es sollte
nur noch best¨
arkend wirken.
• Lehrende Interventionstechniken sollten angewandt werden, wenn der Nutzer noch unwissend ist, und motivierende, wenn der Nutzer bereits weiß, wie er sich richtig
verhalten sollte, es aber nicht tut. Zuletzt werden unterst¨
utzende Techniken eingesetzt, um den Nutzer in
seinem Verhalten best¨
arken zu k¨
Basierend auf den genannten Theorien, k¨
onnen mit Hilfe von
verschiedenen Feedbackarten, Interventionstechniken, Designstrategien und den oben genannten Richtlinien optimal
angepasste PST f¨
ur bestimmte Einsatzsituationen entwickelt
werden. Durch die geschickte Wahl der jeweiligen Designstrategie kann ein Nutzer von einer angestrebten Verhaltensanderung u
¨berzeugt werden sowie das Verhalten nachhaltig
gefestigt werden.
[1] E. Arroyo, L. Bonanni und T. Selker. Waterbot:
Exploring feedback and persuasive techniques at the
sink. In Proceedings of the SIGCHI Conference on
Human Factors in Computing Systems, CHI ’05, pages
631–639, New York, NY, USA, 2005. ACM.
[2] M. Barreto, A. Sz´
ostek und E. Karapanos. An initial
model for designing socially translucent systems for
behavior change. In Proceedings of the Biannual
Conference of the Italian Chapter of SIGCHI, CHItaly
’13, pages 8:1–8:4, New York, NY, USA, 2013. ACM.
[3] M. Fishbein und A. Icek. Belief, attitude, intention,
and behavior - an introduction to theory and research.
Addison-Wesley Pub. Co., Reading, Mass, 1975.
[4] B. J. Fogg. Persuasive Technology: Using Computers
to Change What We Think and Do. Science &
Technology Books, 1 edition, 2002.
[5] B. J. Fogg. The human-computer interaction
handbook. chapter Motivating, Influencing, and
Persuading Users, pages 358–370. L. Erlbaum
Associates Inc., Hillsdale, NJ, USA, 2003.
[6] B. J. Fogg. A behavior model for persuasive design. In
Proceedings of the 4th International Conference on
Persuasive Technology, Persuasive ’09, pages
40:1–40:7, New York, NY, USA, 2009. ACM.
[7] J. Froehlich. Promoting energy efficient behaviors in
the home through feedback: The role of
human-computer interaction. In Proceedings of the
HCIC Workshop, volume 9, pages 1–10, 2009.
[8] J. Froehlich, K. Everitt, J. Fogarty, S. Patel und
J. Landay. Sensing opportunities for personalized
feedback technology to reduce consumption. In
Proceeedings of CHI Workshop on Defining the Role of
HCI in the Challenge of Sustainability, 2009.
[9] J. Froehlich, L. Findlater und J. Landay. The design
of eco-feedback technology. In Proceedings of the
SIGCHI Conference on Human Factors in Computing
Systems, CHI ’10, pages 1999–2008, New York, NY,
USA, 2010. ACM.
[10] E. S. Geller. The challenge of increasing
proenvironment behavior. Handbook of environmental
psychology, pages 532–533, 2002.
[11] J. Ham und C. Midden. Ambient persuasive
technology needs little cognitive effort: The differential
effects of cognitive load on lighting feedback versus
factual feedback. In Proceedings of the 5th
International Conference on Persuasive Technology,
PERSUASIVE’10, pages 132–142, Berlin, Heidelberg,
2010. Springer.
[12] H. Oinas-Kukkonen. Behavior change support
systems: A research model and agenda. In Proceedings
of the 5th International Conference on Persuasive
Technology, PERSUASIVE’10, pages 4–14, Berlin,
Heidelberg, 2010. Springer.
[13] J. O. Prochaska. Transtheoretical model of behavior
change. In Encyclopedia of Behavioral Medicine, pages
1997–2000. Springer, 2013.
[14] J. Smids. The voluntariness of persuasive technology.
In Proceedings of the 7th International Conference on
Persuasive Technology: Design for Health and Safety,
PERSUASIVE’12, pages 123–132, Berlin, Heidelberg,
2012. Springer.
[15] T. Stockinger, M. Koelle, P. Lindemann, L. Witzani
und M. Kranz. Smartpiggy: A piggy bank that talks
to your smartphone. In Proceedings of the 12th
International Conference on Mobile and Ubiquitous
Multimedia, MUM ’13, pages 42:1–42:2, New York,
NY, USA, 2013. ACM.
[16] R. Yun, P. Scupelli, A. Aziz und V. Loftness.
Sustainability in the workplace: Nine intervention
techniques for behavior change. In Proceedings of the
8th International Conference on Persuasive
Technology, PERSUASIVE’13, pages 253–265, Berlin,
Heidelberg, 2013. Springer.
Copyright Notes
Permission to make digital or hard copies of all or parts of this technical report
for personal use is granted without fee provided that copies are not made or
distributed for profit or commercial advantage. The copyright remains with the
individual authors of the manuscripts. Please consider citing the original article
instead of referring to the individual contributions of this technical report.
This report has been published in the Series “Advances in Embedded Interactive
Systems” Vol 3 (2) with the ISSN: 2198-9494