The observer in the Pocket : Investigating Moderators and Impact of Measurement Reactivity in Digital Dietary Intake Monitoring

Titelangaben

Allmeta, Anila:
The observer in the Pocket : Investigating Moderators and Impact of Measurement Reactivity in Digital Dietary Intake Monitoring.
Bayreuth , 2026 . - x, 247 S.
( Dissertation, 2026 , Universität Bayreuth, Fakultät für Lebenswissenschaften: Lebensmittel, Ernährung und Gesundheit)

Volltext

	Format: PDF Name: Allmeta_Anila_Observer.pdf Version: Veröffentlichte Version Verfügbar mit der Lizenz Deutsches Urheberrechtsgesetz. Das Dokument darf zum eigenen Gebrauch kostenfrei genutzt werden. Darüber hinaus bedürfen die Vervielfältigung, Bearbeitung, Verbreitung und jede Art der Verwertung der schriftlichen Zustimmung des jeweiligen Rechteinhabers.
	Download (3MB)

Abstract

Background: The foundational premise of behavioral research relies on the ecological validity of captured data, assuming that the behavior measured in a study equals the behavior shown outside the study context. As the field shifts toward intensive longitudinal designs such as Ecological Momentary Assessment (EMA) and digital assessments, a “validity paradox” emerges. While digital tools provide more precise measurements than traditional questionnaires, the heightened transparency and constant feedback loops may inadvertently amplify measurement reactivity effects. This phenomenon, defined as the unintended behavioral or cognitive shift resulting from the assessment process itself, poses a threat to the integrity of “naturalistic” data. While reactivity has been documented in physical activity, its presence in digital dietary assessment remains under-investigated. The overarching aim of this dissertation was to provide a granular investigation into the presence of measurement reactivity, its underlying psychological mechanisms, and the potential moderators that dictate its magnitude within the context of smartphone-based dietary monitoring. As a result, we suggest an interaction model of reactivity, in which behavioral impact emerges from an interaction between the tool’s affordances (burden, clarity, feedback), the user’s cognitive engagement (active information processing; AIP) and perceived ability (perceived ease of change) with the targeted behavior. Method: To address this aim, a four-stage systematic trajectory was implemented. Study 1 established the empirical foundation through a systematic review and meta-analysis (k = 33) of digital in-the-moment reactivity across health behaviors. Study 2 shifted the focus to the assessment tool itself, using an experimental mock-up design to evaluate how the architectural complexity of dietary EMA interface influences Active Information Processing (AIP) and perceived usability. Study 3 (n = 1,072) investigated the behavioral component, establishing a hierarchy of the perceived ease of change across 13 eating-related and 8 physical activity aspects to identify which targets are most susceptible to measurement reactivity. Finally, Study 4, utilized an eight-day event-contingent EMA protocol (n = 82) to test the proposed interaction model in a real-world setting, examining how tool complexity, behavioral plasticity, and individual traits converge to drive measurement reactivity. Results: The systematic review (Study 1) confirmed that digital reactivity is a present, albeit subtle, phenomenon, characterized by small significant effects (Cohen´s d range: 0.06 to 0.28). Crucially, it revealed that reactivity is not uniform; behaviors like physical activity and alcohol consumption showed pronounced shifts, whereas dietary intake lacked dedicated evidence. Furthermore, it outlined several potential moderators of measurement reactivity such as (1) AIP; (2) ease of change; (3) intentions to change behavior; (4) familiarity with tracking. Study 2 reflected participants´ perceptions on different dietary EMA tools: perceived as more or less complex. More complex tools which required high levels of interaction and detailed tracking were also perceived to induce significantly higher AIP. Additionally, a “U-shaped” relationship was identified: while a minimum level of AIP is necessary to trigger self-reflection, excessive complexity reduced usability and could threaten participant engagement. Study 3 provided a psychological “roadmap” for reactivity by showing that individuals perceive certain aspects of behaviors as easier or more difficult to change. Additive behaviors (e.g., increasing fruit/vegetable intake) were perceived as easier to change than subtractive or inhibitory behaviors (e.g., reducing unhealthy snack consumption). High perceived ease of change emerged as a predictor of behavioral intention, suggesting that reactivity is most likely to occur when the “entry barrier” to change is low. Study 4 integrated findings from studies 1 to 3, confirming that dietary EMA is indeed reactive, particularly for approach-oriented healthy behaviors. Participants with previous experience in using complex tools to record behaviors they perceived as easy to change showed the highest levels of reactivity, specifically in fruit and vegetable consumption. In contrast, preventive or inhibitory behaviors, such as snack consumption, remained resistant to short-term reactive effects, likely due to their entrenched or automatic nature. Implications: This dissertation advances the field by moving beyond the binary question of whether reactivity exists toward a “Person-Behavior-Tool Interaction” approach. Theoretically, the findings offer a critical refinement of the Self-Regulation Model (SRM). While the SRM suggests that any monitoring triggers a discrepancy-reduction loop, this work indicates that the loop is selective, favoring “promotive” self-regulation (striving for a positive goal) over “preventive” regulation in short-term digital bursts. Furthermore, the introduction of AIP as a granular mechanism provides a new lens for understanding how the cognitive depth of an assessment drives behavioral adjustment. For the research community, these findings serve as a methodological mandate for “reactivity-aware” designs. Researchers should implement “burn-in” periods (cautiously monitoring early data points) and routinely measure AIP as a standard process variable to disentangle the “monitoring effect” from the “tool effect”. In clinical practice, measurement reactivity should not be viewed as a purely psychometric bias to be eliminated, but as a “free” digital nudge. The optimized data captured by an app may represent a patient’s maximal capacity for change under support, offering practitioners a baseline for achievable performance. In summary, this dissertation concludes that human health behavior is inherently observation-sensitive. By demonstrating that reactivity is a product of tool complexity, behavioral plasticity, and individual cognitive engagement and specific characteristics, this work provides a versatile framework for future ambulatory research, ensuring that as we continue to measure life in real-time, we do so with a sophisticated understanding of how the observer inevitably transforms the observed.

Abstract in weiterer Sprache

Hintergrund: Die grundlegende Prämisse der verhaltenswissenschaftliche Forschung beruht auf der ökologischen Validität der erfassten Daten und geht davon aus, dass das in einer Studie gemessene Verhalten dem Verhalten außerhalb des Studienkontexts entspricht. Mit dem Wandel des Forschungsfeldes hin zu intensiven Längsschnittstudien wie der ökologischen Momentaufnahme (Ecological Momentary Assessment; EMA) und digitalen Bewertungen entsteht ein „Validitätsparadoxon“. Digitale Tools ermöglichen zwar präzisere Messungen als herkömmliche Fragebögen, doch die erhöhte Transparenz und die ständigen Feedbackschleifen können unbeabsichtigt die Reaktivitätseffekte der Messungen verstärken. Dieses Phänomen, definiert als die unbeabsichtigte Verhaltens- oder kognitive Veränderung, die sich aus dem Beurteilungsprozess selbst ergibt, stellt eine Bedrohung für die Integrität von „naturalistischen“ Daten dar. Während die Reaktivität bei körperlicher Aktivität bereits erforscht wurde, ist ihr Einfluss auf die digitale Ernährungsbewertung noch weitgehend unerforscht. Das übergeordnete Ziel dieser Dissertation war die detaillierte Untersuchung der Messreaktivität, ihrer zugrunde liegenden psychologischen Mechanismen und der potenziellen Einflussfaktoren, die ihr Ausmaß im Kontext der smartphonebasierten Ernährungsüberwachung bestimmen. Zu diesem Zweck schlagen wir ein Interaktionsmodell der Reaktivität vor, in dem die Verhaltensauswirkung aus einer Interaktion zwischen den Möglichkeiten des Werkzeugs (Belastung, Klarheit, Feedback), dem kognitiven Engagement des Benutzers (aktive Informationsverarbeitung; AIP) und der wahrgenommenen Fähigkeit (wahrgenommene Leichtigkeit der Veränderung) mit dem Zielverhalten entsteht. Methodischer Ansatz: Um dieses Ziel zu erreichen, wurde ein systematischer vierstufiger Ansatz umgesetzt. Studie 1 legte die empirische Grundlage durch eine systematische Übersichtsarbeit und Metaanalyse (k = 33) zur digitalen „im Moment“ Reaktivität im gesamten Gesundheitsverhalten. Studie 2 verlagerte den Fokus auf das Bewertungsinstrument selbst und verwendete ein experimentelles Modell, um zu evaluieren, wie die architektonische Komplexität des Interface des EMA für Ernährung die aktive Informationsverarbeitung (AIP) und die wahrgenommene Benutzerfreundlichkeit beeinflusst. Studie 3 (n = 1.072) untersuchte die Verhaltenskomponente und erstellte eine Hierarchie der wahrgenommenen Veränderungsleichtigkeit über 13 Aspekte im Zusammenhang mit dem Essverhalten und 8 Aspekte der körperlichen Aktivität hinweg, um herauszufinden, welche Ziele am anfälligsten für Messungenechos sind. Schließlich wurde in Studie 4 ein achttägiges ereignisabhängiges EMA-Protokoll (n = 82) verwendet, um das vorgeschlagene Interaktionsmodell in einem realen Umfeld zu testen. Dabei wurde untersucht, wie Werkzeugkomplexität, Verhaltensplastizität und individuelle Merkmale zusammenwirken, um die Messreaktivität zu beeinflussen. Ergebnisse: Die systematische Überprüfung (Studie 1) bestätigte, dass digitale Reaktivität ein vorhandenes, wenn auch subtiles Phänomen ist, das durch kleine signifikante Effekte gekennzeichnet ist (Cohen´s d Range: 0,06 bis 0,28). Entscheidend war die Erkenntnis, dass die Reaktivität nicht einheitlich ist; Verhaltensweisen wie körperliche Aktivität und Alkoholkonsum zeigten deutliche Veränderungen, während es für die Nahrungsaufnahme konkrete Belege fehlten. Darüber hinaus wurden mehrere potenzielle Moderatoren der Messreaktivität aufgezeigt, wie beispielsweise (1) AIP; (2) Leichtigkeit der Veränderung; (3) Absichten zur Verhaltensänderung; (4) Vertrautheit mit der Nachverfolgung. Studie 2 spiegelte die Wahrnehmungen der Teilnehmenden hinsichtlich verschiedener EMA-Tools zur Erfassung der Ernährung wider: Sie wurden als mehr oder weniger komplex wahrgenommen. Komplexere Tools, die ein hohes Maß an Interaktion und detaillierter Dokumentation erforderten, führten laut Einschätzung der Teilnehmenden zu einem signifikant höheren AIP-Wert. Darüber hinaus wurde eine „U-förmige“ Beziehung festgestellt: Während ein Mindestmaß an AIP notwendig ist, um Selbstreflexion auszulösen, verringert übermäßige Komplexität die Benutzerfreundlichkeit und kann das Engagement der Teilnehmer gefährden. Studie 3 lieferte eine psychologische „Fahrplan“ für Reaktivität, indem sie aufzeigte, dass Individuen bestimmte Aspekte von Verhaltensweisen als leichter oder schwieriger zu ändern wahrnehmen. Additive Verhaltensweisen (z. B. Erhöhung des Obst- und Gemüsekonsums) wurden als leichter zu ändern wahrgenommen als subtraktive oder hemmende Verhaltensweisen (z. B. Reduzierung des Konsums ungesunder Snacks). Eine hohe wahrgenommene Leichtigkeit der Veränderung erwies sich als Prädiktor für die Verhaltensabsicht, was darauf hindeutet, dass eine Reaktion am ehesten dann auftritt, wenn die „Eintrittsbarriere“ für eine Veränderung niedrig ist. Studie 4 integrierte die Ergebnisse der Studien 1 bis 3 und bestätigte, dass die Ernährungs-EMA tatsächlich reaktiv ist, insbesondere für ansatzorientiertes gesundes Verhalten. Teilnehmer mit hoher Gesundheitskompetenz, die komplexe Tools zur Erfassung von Verhaltensweisen nutzten, die ihrer Meinung nach leicht zu ändern waren, zeigten die höchste Reaktivität, insbesondere beim Obst- und Gemüsekonsum. Im Gegensatz dazu blieben präventive oder hemmende Verhaltensweisen, wie der Konsum von Snacks, resistent gegen kurzfristige reaktive Effekte, was wahrscheinlich auf ihren tief verwurzelten oder automatischen Charakter zurückzuführen ist. Implikationen: Diese Dissertation bringt das Fachgebiet voran, indem sie über die binäre Frage hinausgeht, ob Reaktivität existiert, und hin zu einem „Person-Verhalten-Tool-Interaktion“-Ansatz geht. Theoretisch bieten die Ergebnisse eine entscheidende Weiterentwicklung des Selbstregulierungsmodells (SRM). Während das SRM darauf hindeutet, dass jede Überwachung eine Diskrepanz-Reduktionsschleife auslöst, zeigt diese Arbeit, dass die Schleife selektiv ist und eine „fördernde“ Selbstregulierung (das Streben nach einem positiven Ziel) gegenüber einer „präventiven“ Regulierung in kurzfristigen digitalen Ausbrüchen bevorzugt. Darüber hinaus bietet die Einführung von AIP als granularer Mechanismus eine neue Perspektive für das Verständnis, wie die kognitive Tiefe einer Bewertung die Verhaltensanpassung beeinflusst. Für die Forschungsgemeinschaft dienen diese Erkenntnisse als methodischer Auftrag für „reaktivitätsbewusste“ Designs. Forscher sollten „Burn-in“-Perioden einführen (sorgfältige Überwachung früher Datenpunkte) und den AIP routinemäßig als Standardprozessvariable messen, um den „Überwachungseffekt“ vom „Tooleffekt“ zu trennen. In der klinischen Praxis sollte die Messreaktivität nicht als rein psychometrischer Bias betrachtet werden, der beseitigt werden muss, sondern als „kostenloser“ digitaler Anstoß. Die von einer App erfassten optimierten Daten können die maximale Veränderungsfähigkeit eines Patienten unter Unterstützung darstellen und Praktiker eine Grundlage für die erreichbare Leistung bieten. Zusammenfassend kommt diese Dissertation zu dem Schluss, dass menschliches Gesundheitsverhalten von Natur aus beobachtungssensitiv ist. Durch den Nachweis, dass Reaktivität ein Produkt der Werkzeugkomplexität, der Verhaltensplastizität sowie des individuellen kognitiven Engagements und spezifischer Merkmale ist, bietet diese Arbeit einen vielseitigen Rahmen für zukünftige ambulante Forschungen und stellt sicher, dass während wir weiterhin das Leben in Echtzeit messen, tun wir dies mit einem ausgefeilten Verständnis dafür, wie der Beobachter das Beobachtete unweigerlich verändert.