前一篇介紹了 VoCare 的個人化模型，今天想接著聊一個很重要的問題：

系統要怎麼知道自己的提醒方式到底適不適合使用者？

除了觀察使用者平常的行為之外，最直接的方法就是看使用者對系統的回應。

回饋其實藏在每天的操作裡

VoCare 不一定需要讓使用者特地填問卷，很多平常的操作本身就可以成為回饋。

例如：

• 已完成
• 稍後提醒
• 忽略
• 取消提醒
• 接受系統建議

這些看起來只是簡單的操作，但其實都可以幫助系統了解使用者。

一個簡單的例子

假設 VoCare 每天晚上 10 點提醒使用者：

已經很晚了，要不要準備休息？

如果使用者每次都選擇：

稍後提醒

而且最後通常都是 11 點左右才休息，那代表 10 點這個提醒時間可能不太適合。

系統就可以把這些回應記錄下來，慢慢調整提醒時機。

回饋可以影響哪些功能？

使用者回饋可以用在很多地方，例如：

提醒時間

如果某個時間點常常被忽略，就可以考慮調整。

提醒頻率

如果使用者覺得提醒太頻繁，可以降低次數。

互動方式

有些使用者喜歡語音提醒，有些人可能比較習慣畫面通知。

個人化建議

如果某類建議經常被接受，就代表這類提醒可能對使用者比較有幫助。

簡單的回饋流程

整體可以理解成：

系統發出提醒
↓
使用者做出回應
↓
記錄回饋
↓
分析使用習慣
↓
調整之後的提醒方式

這樣 VoCare 就不是永遠使用同一套固定設定，而是會根據實際使用情況慢慢調整。

不是所有規則都能隨便改

不過和前一篇提到的一樣，個人化不能影響安全底線。

例如一般的久坐提醒，可以根據使用者習慣調整。

但如果遇到：

疑似跌倒
長時間沒有回應
重要用藥持續漏服

這些安全相關事件，就不能因為使用者以前常常忽略提醒，而直接不處理。

所以目前的設計概念是：

一般提醒
→ 可以根據回饋調整

安全事件
→ 保留固定安全規則

Day 17 小結

VoCare 的個人化不只是靠 AI 自己猜，而是希望透過使用者每天的實際回應慢慢調整。

像是 已完成、稍後、忽略 這些簡單的操作，都可以成為系統了解使用者的重要資訊。

真正的個人化，不只是記住使用者，而是能根據回饋慢慢調整自己的行為。