آنچه یادگیری ماشینی در مورد ایجاد یک عادت سالم نشان می دهد

می‌گوید: «این شایعه گسترده وجود دارد که 21 روز طول می‌کشد تا عادت کنیم کیتی میلکمن، استاد وارتون در زمینه عملیات، اطلاعات و تصمیمات. ممکن است شنیده باشید که 90 روز طول می کشد تا عادت کنید. کتاب‌های مشهوری وجود دارند که این اعداد را مطرح می‌کنند که مبنای درستی در تحقیق ندارند. چیزی که ما پیدا کردیم این است که چنین عدد جادویی وجود ندارد.»

او می‌گوید: «این واقعاً به یک باور نادرست به ایده زمان جادویی اشاره می‌کند. احتمالاً بهتر است روی چیزهایی تمرکز کنیم مانند اینکه رفتار چقدر پیچیده است، چند بار آن را تکرار می‌کنید، ماهیت پاداشی که به عنوان محرک‌های اصلی سرعت شکل‌گیری عادت دریافت می‌کنید، در مقابل کشش گرانشی به سمت یک عدد جادویی چیست.»

او می‌گوید: «طبق دانش ما، کار ما اولین کاری است که به شکل‌گیری عادت در طبیعت، به شیوه‌ای طبیعی نگاه می‌کند، در حالی که مردم به زندگی روزمره خود ادامه می‌دهند و عادت‌هایشان شکل می‌گیرد. “من فکر می کنم پتانسیل خلاقانه عظیمی در اینجا وجود دارد، و ما تازه شروع به خراش دادن سطح کرده ایم.”

نویسندگان عمداً دو عادت بسیار متفاوت را انتخاب کردند زیرا می‌خواستند مطمئن شوند که نتایج را می‌توان به زمینه‌های دیگر تعمیم داد. حضور در ورزشگاه انتخاب آسانی بود.

آنها دریافتند که به طور متوسط ​​هفته ها طول می کشد تا مردم عادت به ضدعفونی کردن دست ها را پیدا کنند و ماه ها طول می کشد تا مرتباً به باشگاه بروند. عنصر زمان دقیق‌تر نیست، زیرا در داده‌ها بین افراد تنوع زیادی وجود دارد، که میلکمن می‌گوید که این دلیل دیگری است بر اینکه یک عدد جادویی گریزان است.

او می‌گوید که خودگزارش‌دهی برای رژیم‌های غذایی، ناخن جویدن، سیگار کشیدن، ورزش کردن، یا هر چیز دیگری که ممکن است مردم بخواهند با حقیقت در مورد عادات خود مواجه نشوند، به‌طور مشهور نادرست است. اما ورود الکترونیکی به ورزشگاه در 24 ساعت تناسب اندام، داده های راحت و دقیقی را ارائه می دهد.

دبلیوکارشناسان Harton از یادگیری ماشینی برای کمک به کشف فرمول مخفی شکل‌گیری عادت سالم استفاده کردند و مشخص شد که هیچ فرمولی وجود ندارد.

اولین بار در تاریخ 3 ژوئیه 2023 منتشر شد دانش@وارتون.

منبع: https://www.qualitydigest.com/inside/training-article/what-machine-learning-reveals-about-forming-healthy-habit-072423.html

آموزش

آنچه یادگیری ماشینی در مورد ایجاد یک عادت سالم نشان می دهد

برای شروع، هیچ تعداد روز جادویی برای رسیدن به آن وجود ندارد

میلکمن می‌گوید: «ما فکر می‌کردیم که جفت کردن این دو و دیدن اینکه چقدر متفاوت یا شبیه هم هستند واقعاً هیجان‌انگیز بود.

ورزشگاه‌ها به نوعی مگس میوه در تحقیقات شکل‌گیری عادت بوده‌اند.
– کیتی میلکمن

این مقاله همچنین دریافت که هنگامی که ورزشکاران عادت به حضور منظم را ایجاد کردند که می‌توان آن را با یک مدل یادگیری ماشینی تشخیص داد، نسبت به مداخله‌ای از باشگاه که یادآورها و پاداش‌هایی را برای ایجاد انگیزه در حضور ارائه می‌کرد، بسیار کمتر حساس بودند. Milkman می گوید که این نکته مهمی برای بازاریابان است.

قول ما: خلاصه کیفیت فقط تبلیغات ثابتی را نشان می دهد که هرگز محتوا را پوشش نمی دهد یا پوشان نمی دهد. آنها هرگز سر راه شما قرار نمی گیرند. آنها برای خواندن شما وجود دارند یا نه.

او می‌گوید: «داده‌ها به ما می‌آموزند که چه چیزی درست است، برخلاف آنچه می‌خواهیم باور کنیم یا آنچه را که بر اساس مشاهدات خودمان فکر می‌کنیم درست است». بنابراین، ارائه 52 میلیون مشاهده به این سؤال، برخلاف داده‌های (خودگزارش‌دهی) پرسش‌نامه‌ها یا شهود افرادی که در حال نوشتن کتاب‌های خودیاری هستند، واقعاً هیجان‌انگیز بود.»

تاریخ انتشار : دوشنبه 24 تیر 1392 – 12:02

میلکمن می‌گوید: «سالن‌های ورزشی به نوعی مگس میوه در تحقیقات شکل‌گیری عادت بوده‌اند. میلکمن گفت: «مقدار عظیمی از کار در این ادبیات بر روی حضور در ورزشگاه به عنوان نتیجه تمرکز می‌کند (زیرا) اندازه‌گیری آن چیزی است که بدون اینکه افراد به شما گزارش دهند و دروغ نگویند، بسیار آسان است.

با این حال، کسی باید برای این محتوا هزینه کند. و اینجاست که تبلیغات وارد می‌شود. بیشتر مردم تبلیغات را یک مزاحم می‌دانند، اما آنها علاوه بر اینکه به شرکت‌های رسانه‌ای اجازه می‌دهند سرپا بمانند، عملکرد مفیدی نیز دارند. آنها شما را از محصولات و خدمات جدید مرتبط با صنعت خود آگاه می کنند. همه تبلیغات در خلاصه کیفیت مستقیماً برای محصولات و خدماتی که اکثر خوانندگان ما به آن نیاز دارند اعمال شود. شما تبلیغات خودرو یا مکمل های سلامتی را نخواهید دید.

بنابراین لطفاً مسدود کننده تبلیغات خود را برای سایت ما خاموش کنید.

در حالی که میلکمن گفت اکثر افرادی که این مطالعه را می خوانند مجذوب نتایجی می شوند که فرمول جادویی برای شکل گیری عادت سالم را رد می کند، او فکر می کند بزرگترین سهم مقاله در رویکرد علمی است که برای تجزیه و تحلیل داده ها اتخاذ شده است. این نشان می دهد که با یادگیری ماشینی چه چیزی ممکن است و چگونه به محققان کمک می کند تا به حقیقت اصلی دست یابند.