一项针对美国连锁健身房逾6万名会员开展的超大型研究（大规模现场试验）显示，一些时长4周、鼓励健身的数字化项目能将人们去健身房的次数提高9%至27%。

这项12月9日发表在《自然》上的研究，报道了该超大型研究的实验设计如何在大型人群中严格测试了54种行为干预措施的效力。

越来越多的政策制定者开始从行为app中寻找改善市民决策和结果的方式。想要全面评估各种行为干预的效果，就必须对这些干预进行现场测试，并与其他干预进行对比。个体干预通常会在独立小组中进行测试，但这种测试方法不便于开展同类比较。因此，研究人员很难确定各不相同的研究结果究竟是来自研究群体的差异，还是来自不同干预方式的效力差异。

为解决这些问题，美国宾夕法尼亚大学的Katherine Milkman、Angela Duckworth和同事引入了超大型研究的概念，提出对同一人群使用不同的干预方式。

来自美国15所大学的30名研究人员组成了多个小型独立团队，设计了54种为期4周的不同数字化项目，从而鼓励美国一家连锁健身房的61293名会员按时锻炼。

这些干预包括数字化体验、文字提醒、每周邮件和奖励措施。研究人员发现，其中45%的干预措施能在这4周内显著提高人们每周去健身房的次数（提高9%至27%）。表现最好的干预措施是在错过一次锻炼后，为重新回到健身房的人提供少量现金奖励。只有8%的干预措施能带来4周后还能测量出的行为改变。

这个超大型研究模型让研究人员能在几十种改变行为的不同干预措施之间进行比较——所有这些干预措施都由一个独立科研团队进行设计。

研究人员认为，这个模型能促使app家提出和检验关于人类行为的新见解，并确保这些见解与公共政策的相关性。

相关论文信息：

http://doi.org/10.1038/s41586-021-04128-4