Das Ziel dieser Arbeit ist es, einen Überblick über das Phänomen des gesundheitsbezogenen Datentrackings zu geben und die aktuellen Entwicklungen kritisch zu beleuchten. Um die gestellten Fragen zu beantworten, bildet einführend ein Überblick über den Begriff „mobile Health“ den theoretischen Rahmen und verdeutlicht zunächst allgemein die Einbettung von Apps im Gesundheitskontext.
Da diese Arbeit den Schwerpunkt auf die Betrachtung gesundheitsbezogener Apps legt, die sich an überwiegend gesunde Personen mit Self-Tracking-Motivation richten, wird anschließend kurz die Quantified-Self-Bewegung vorgestellt, um den Nutzungskontext der Apps zu verdeutlichen. Daran anknüpfend dienen zwei aktuelle und mehrfach ausgezeichnete Produkte, die App und Sensoren miteinander kombinieren, als praktische Anwendungsbeispiele für gesundheitsbezogenes Daten-Tracking:
Ein Überblick über die grundlegenden Funktionen der „HAPIfork“ und der „Sensoria Smart Socks“ sowie die Diskussion von Potentialen und Schwächen stehen hierbei im Vordergrund. Im Ausblick werden abschließend allgemeine Problematiken beim gesundheitsbezogenen Self-Tracking thematisiert, um Voraussetzungen und Herausforderungen für eine gewinnbringende Nutzung zu verdeutlichen.
Inhaltsverzeichnis
1. Rasante Entwicklung gesundheitsbezogener Apps und Smart Devices
2. Theoretische Einbettung gesundheitsbezogenen Self-Trackings
2.1. Zentrale Entwicklungen der „mobile Health“ (mHealth)
2.2. Quantified-Self-Bewegung als Motivation zum Self-Tracking
3. Gesundheitsbezogenes Self-Tracking in der Praxis
3.1. „Sensoria Smart Socks“ als Anwendungsbeispiel im Fitnessbereich
3.2. „HAPIfork“ als Anwendungsbeispiel im Ernährungsbereich
4. Ausblick: Herausforderungen beim gesundheitsbezogenen Self-Tracking
Zielsetzung & Themen
Diese Arbeit verfolgt das Ziel, einen umfassenden Überblick über das Phänomen des gesundheitsbezogenen Self-Trackings mittels Smart Devices zu geben und die aktuellen Entwicklungen kritisch zu beleuchten. Dabei steht die Forschungsfrage im Mittelpunkt, wie sich das Datentracking im Freizeitbereich gestaltet und welche Potenziale sowie Risiken mit der Nutzung dieser Technologien für überwiegend gesunde Personen verbunden sind.
- Grundlagen der „mobile Health“ (mHealth) und Integration in den Gesundheitskontext.
- Die Quantified-Self-Bewegung als Treiber für die Nutzung von Gesundheits-Apps.
- Analyse praxisnaher Anwendungsbeispiele („Sensoria Smart Socks“ und „HAPIfork“).
- Diskussion von Herausforderungen hinsichtlich Überinterpretation, Datenqualität und Datenschutz.
Auszug aus dem Buch
3.1. „Sensoria Smart Socks“ als Anwendungsbeispiel im Fitnessbereich
Wirft man zunächst einen Blick auf den boomenden Fitnessbereich, gehören die „Sensoria Smart Socks“ aktuell zu den neuesten Produkten des innovativen Daten-Trackings. Beim CES Innovation Awards sind sie Gewinner in den Kategorien „Wearable Technologies“ und „Fitness, Sports and Biotech“ (CES Innovation Awards, 2015, S. 59, 65). Seit dem Jahr 2014 sind die Socken für 199 US-Dollar auf dem Markt erhältlich (Sensoria Fitness, o. J., o. S.). Im Folgenden werden Funktionsweise, Potentiale und Schwächen des Produkts erläutert, um einen beispielhaften Einblick in die Praxis des Self-Trackings zu gewinnen.
Durch drei Sensoren auf der Fußunterseite wird während des Laufens die Gewichtsverteilung auf der Fußsohle, beziehungsweise der Druck auf Fußballen und Ferse gemessen. Die leitfähigen Textilsensoren geben die Daten an einen größenverstellbaren, elektronischen Fußring mit 3-Achsen-Beschleunigungssensor weiter, der über magnetische Kontaktpunkte im oberen Bereich der Socke angeklippt werden kann. Dieser kann die Daten anschließend drahtlos via Bluetooth Smart auf das Smartphone übertragen, auf dem diese in Echtzeit mit Hilfe der dazugehörigen App ausgewertet und angezeigt werden. Durch die Kombination von Sensoria-Fitness-App und Textilsensoren kann somit zusätzlich zu den für Fitness-Apps typischen Parametern – wie Laufrhythmus, Laufdistanz, Anzahl der Schritte, Geschwindigkeit, verbrannte Kalorien und Höhenmeter – auch die genaue Kontaktzeit der Füße mit dem Boden und die Druckverteilung angezeigt werden (Sensoria Fitness, o. J., o. S.).
Die Gewichtsverteilung auf Fußballen und Ferse wird dabei über eine Heatmap des Fußes visualisiert, welche stärker belastete Zonen in Rottönen anzeigt. Neben dieser Visualisierung unterstützt ein virtueller Coach bei der Interpretation der Daten und gibt Echtzeit-Feedback durch Audiohinweise. Kurze Mitteilungen sollen motivieren und loben sowie umgehend darauf aufmerksam machen, wenn Fehler, wie eine falsche Fußlandung oder ein unregelmäßiger Laufrhythmus, auftreten (Sensoria Fitness, o. J., o. S.).
Zusammenfassung der Kapitel
1. Rasante Entwicklung gesundheitsbezogener Apps und Smart Devices: Das Kapitel beschreibt den Trend zum mobilen Self-Tracking und erläutert, wie Smartphones in Kombination mit Sensoren und Wearables zur Selbstoptimierung und Gesundheitskontrolle eingesetzt werden.
2. Theoretische Einbettung gesundheitsbezogenen Self-Trackings: Hier wird der theoretische Rahmen durch die Definition von „mobile Health“ (mHealth) und die Vorstellung der „Quantified-Self“-Strömung als zentrale Nutzergruppe für Gesundheits-Apps gelegt.
3. Gesundheitsbezogenes Self-Tracking in der Praxis: Anhand der Produkte „Sensoria Smart Socks“ (Fitness) und „HAPIfork“ (Ernährung) werden die konkrete Funktionsweise, Potenziale und Schwächen von sensorgestütztem Self-Tracking praktisch demonstriert.
4. Ausblick: Herausforderungen beim gesundheitsbezogenen Self-Tracking: Dieses Kapitel kritisiert die Risiken der Überinterpretation von Messdaten, die Problematik fehlender Qualitätsstandards und die Bedeutung des Datenschutzes im Bereich der Gesundheits-Apps.
Schlüsselwörter
Self-Tracking, mHealth, Quantified Self, Smart Devices, Fitness-Apps, Wearables, Gesundheitsmanagement, Datentracking, Sensortechnologie, Selbstoptimierung, Ernährung, Prävention, Nutzerverhalten, Datenschutz, App-Qualität.
Häufig gestellte Fragen
Worum geht es in der Arbeit grundlegend?
Die Arbeit untersucht das Phänomen des gesundheitsbezogenen Self-Trackings, bei dem Individuen mittels mobiler Geräte und Sensoren Daten zu ihrem Körper und Lebensstil erfassen, um ihre Gesundheit oder Leistungsfähigkeit zu überwachen.
Was sind die zentralen Themenfelder?
Die zentralen Felder sind die Einordnung in die „mobile Health“-Bewegung, die Motivation durch das „Quantified Self“ sowie die praktische Anwendung von Wearables in den Bereichen Sport und Ernährung.
Was ist das primäre Ziel der Arbeit?
Ziel ist es, einen Überblick über den aktuellen Stand des Datentrackings zu geben und die Entwicklungen kritisch zu beleuchten, insbesondere hinsichtlich der Nutzererfahrung und potenzieller Risiken.
Welche wissenschaftliche Methode wird verwendet?
Die Arbeit basiert auf einer theoretischen Aufarbeitung des Themas, ergänzt durch die Analyse von zwei aktuellen Praxisbeispielen, um die Funktionsweise und Schwachstellen der Technologie anschaulich zu machen.
Was wird im Hauptteil behandelt?
Der Hauptteil erläutert theoretische Grundlagen zu mHealth und Quantified Self und analysiert detailliert die Produkte „Sensoria Smart Socks“ für den Fitnessbereich sowie die „HAPIfork“ für den Ernährungsbereich.
Welche Schlüsselwörter charakterisieren die Arbeit?
Die Arbeit wird maßgeblich durch Begriffe wie Self-Tracking, mHealth, Quantified Self, Wearables, Datentracking und Selbstoptimierung charakterisiert.
Welche Rolle spielt der „HealthOn-App Ehrenkodex“?
Der Ehrenkodex dient als freiwillige Selbstverpflichtung für App-Anbieter, um durch Transparenz, Qualitätsstandards und Datenschutzhinweise die Vertrauenswürdigkeit von Gesundheits-Apps für Nutzer zu erhöhen.
Warum kann Self-Tracking für den Nutzer problematisch sein?
Problematisch sind vor allem die Gefahr der Überinterpretation von Daten, eine übermäßige Fixierung auf Standardeinstellungen („Anker-Effekt“) sowie das Fehlen von offiziellen Qualitätskontrollen bei vielen Anwendungen.
- Quote paper
- Bachelor of Arts Elena Gratzke (Author), 2015, Gesundheitsbezogenes Self-Tracking mit Smart Devices. Hintergründe und Praxisbeispiele, Munich, GRIN Verlag, https://www.grin.com/document/309182
