智能手机应用程序的评估和指南：基于人工智能的智能系统和食物消费跟踪与建议

智能系统与应用15（2022）200103审查用于跟踪食物消费和建议的智能手机应用程序：评估基于人工智能的功能，当前应用程序的功能和质量Sabiha Samada，Fahmida Ahmed a，Samsun Naher a，Muhammad Ashad Kabirb，c，*，Anik Das d，Sumaiya Amind，Sheikh Mohammed Shariful Islam ea吉大港工程技术大学计算机科学与工程系，Chattogram，4349，孟加拉国b澳大利亚新南威尔士州巴瑟斯特查尔斯特大学计算机、数学和工程学院，邮编：2795cGulbali Institute for Agriculture，Water and Environment，Charles Sturt University，Wagga Wagga，NSW，2678，Australiad计算机科学系，圣弗朗西斯泽维尔大学，Antigonish，B2G 2W5，NS，加拿大eInstitute for Physical Activity and Nutrition，Deakin University，Geelong，VIC，3216，AustraliaA R T I C L EI N FO关键词：智能手机应用食品营养食品消费美食推荐App评测设计指南A B S T R A C T人工智能（AI）的进步以及应用商店中食品消费跟踪和饮食相关应用的显著增长，创造了对评估系统的需求，因为关于这些应用程序的循证质量和技术进步的信息很少。在三个主要的应用程序商店进行了电子搜索，并由三个独立的评分员对选定的应用程序进行了评估。共发现473个应用程序，根据纳入和排除标准选择其中80个进行审查。设计了一个应用程序评级工具来评估所选择的应用程序。我们的评级工具评估应用程序的基本功能，基于人工智能的高级功能和食品消费跟踪和建议所需的软件质量特征，以及它们对普通用户的有用性。评估工具的内部一致性，以及评估者之间和评估者内部的可靠性，也被计算。我们会收集和评估用户在应用程序商店的评论，以更好地了解他们的期望和观点。评估后的应用程序，强调使用人工智能的自动化为基础的方法提出了设计考虑。根据我们的评估，应用程序商店不能满足跟踪食物消费和推荐的总体要求。 然而，这些功能需要在食物消费跟踪和推荐应用程序中即兴发挥。这项研究为研究人员和开发人员提供了对当前最先进的应用程序和设计指南的深入了解，并提供了有关设计和开发更好应用程序的基本功能和软件质量特征的1. 介绍食物是人类生活最基本的需求之一。它通常被认为不仅仅是一种生存手段，适当的食物摄入对人类健康和健身至关重要。我们的健康密切依赖于我们摄入的4种食物或食物量（Min等人，2019年）。有许多领域，如社会学，心理学，营养科学和医学，其中健康的食物消费是探索（麦和霍夫曼，2017）。食物的选择受到忙碌的生活方式、坏习惯和低自我控制（Brug等人，1995;Koenig-storfer等人，2014年）。然而，过度不健康的生活方式和不良的饮食习惯，例如增加高能量和高脂肪的食物摄入，导致各种健康问题（Ng等人，2014年）。根据世界卫生组织（WHO）的数据，超过19亿成年人（18岁以上）超重，超过6.5亿人患有肥胖症（Chu et al.，2018年）。许多慢性疾病如高血压、2型糖尿病、心血管疾病和中风与肥胖和超重有关（Speiser等人，2005年）。这个问题* 通讯作者。电子邮件地址：u1604035@student.cuet.ac.bd（S. Samad），u1604107@student.cuet.ac.bd（F.艾哈迈德），u1604048@student.cuet.ac.bd（S。Naher），akabir@csu. edu.auwww.example.com Kabir），X2021gmg@stfX.ca（A.Das），X2020gae@stfX.ca（S.阿明），shariful. deakin.edu.au（S.M.S.伊斯兰教）。https://doi.org/10.1016/j.iswa.2022.200103接收日期：2022年3月4日;接收日期：2022年6月29日;接受日期：2022年2022年7月25日在线发布2667-3053/© 2022作者。出版社：Elsevier Ltd这是CC BY许可下的开放获取文章（http://creativecommons.org/licenses/by/4.0/）。目录可在ScienceDirect智能系统及其应用杂志主页：www.journals.elsevier.com/intelligent-systems-with-applicationsS. Samad等人智能系统与应用15（2022）2001032成为严重的健康问题。肥胖问题的主要原因之一是许多人遵循非常不健康的生活方式。他们的饮食习惯也不健康，如增加高能量和高脂肪的食物摄入。环境变化促进了高热量、廉价、大份量和营养丰富食物的摄入，加上体力活动减少和久坐行为增加，是肥胖的重要致病因素（Beal例如，2013年）。近年来，由于应用商店中食物消费跟踪和推荐应用的数量不断增加，以及智能手机成为有用工具的巨大潜力，使用智能手机跟踪食物消费或计算食物的营养价值已经扩大（Kalinowska等人，2021年）。如今在应用商店中，许多应用程序都专注于健康和健身。在主要的应用程序商店中，2017年有32，500个移动健康应用程序可用，并且这个数字还在继续上升（Ferrara等人，2019年）。应用程序可以在简化健康相关行为和体重管理的跟踪方面发挥重要作用（Chen等人，2015年）。此外，智能手机的使用和人工智能（AI）技术的快速发展使新的食物识别系统能够用于饮食评估，这对于预防和治疗慢性疾病（如2型糖尿病，心血管疾病）以及克服肥胖等健康问题具有重要意义（Min et al.，2019年）。此外，食物摄入行为（例如，卡路里摄入的评估、营养分析和饮食习惯），如果食物项目或类别被识别，则可以进行分析。最近，基于人工智能和机器学习的移动食品识别方法也在实施中。例如，He等人（2014）使用AI技术从图像中识别食物。视觉词袋模型（BoW）用于将食物图像表示为视觉词分布，支持向量机（SVM）模型用于分类（Farinella等人， 2014年）。此外，Anthimo-poulos等人（2014）使用SVM，人工神经网络和随机森林分类对5000个食物图像进行分类，这些图像被分为11个类别，根据不同的特征袋进行描述。卷积神经网络（CNN）也用于一些研究中（Christodoulidis等人，2015年;Kawano和Yanai，2014年）。Ming等人（2018）提出了一种基于照片的饮食跟踪系统，该系统采用基于深度的图像识别算法来识别食物和分析营养。为了估计一个人的食物和卡路里摄入量，计算食物的份量或体积是必要的。在几项研究中，不同类型的方法（i。即，基于单个图像或基于多个图像）已经被用于从食物图像估计食物体积（Dehais等人， 2016; Fang等人，2018; Kong和Tan，2012; Meyers等人，2015; Sun等人，2010年）。 为了实现定量食物摄入估计，研究人员在一项研究中将视觉识别和3D重建相结合（Puri等人，2009年）。Android智能手机和基于网络的应用程序都被实现为在没有任何用户输入的情况下自动识别食物并估计食物的卡路里和营养含量（Zhang等人， 2015年）。食物推荐是人们的重要领域，社会（Min等人，2019年）。将健康纳入建议大多是最近的关注点（Nag等人，2017; Rokicki等人，2018; Yang等人，2017年）。Mokdara等人（2018）提出将深度神经网络与专注于泰国食物的推荐系统相结合。它不仅考虑用户该系统将根据消费者的个人行为、口味和饮食历史，帮助消费者做出食品选择决策。此外，已经建立了食物推荐系统，以基于营养和食物特征向糖尿病患者推荐食物（Escherich等人，2010年）。在许多不同的研究中，对各种与健康相关的应用程序进行了审查。先前的一项研究回顾了苹果应用商店和谷歌Play商店中常见的饮食跟踪应用程序（Ferrara等人，2019年）。Franco et al.（2016）分析了最受欢迎的营养应用程序的主要特征，并比较了它们用于膳食评估和用户反馈的策略和技术。另一项研究回顾了专门针对糖尿病患者的营养跟踪移动应用程序（Darby例如，2016年）。Rivera等人（2016）描述了循证方法的使用、医疗保健专家的参与以及商业智能手机应用程序用于减肥或体重控制的临床评估。在这项研究中，我们评估了来自三个商业应用程序商店的应用程序-据我们所知，还没有研究彻底检查了当前的商业移动应用程序市场，以分析和科学地评估与食物消费跟踪和建议相关的应用程序。这些应用程序在应用程序商店中的快速增长，以及普通人群对这些应用程序的快速接受，需要对这个快速扩张的市场进行评估。在这项研究中，我们对食品欺诈进行了严格的审查消费跟踪和推荐应用可在三个主要的商业应用商店中访问（即，GooglePlay Store、Apple App Store和Microsoft Store）。我们在最初的搜索中总共找到了473个应用程序;在根据我们的排除标准排除应用程序后，我们最终选择了80个应用程序进行研究。我们设计了一个应用程序评级工具，通过采用和扩展现有的应用程序评级工具，以评估这些选定的应用程序使用三个评级。评价工具和评价者的评价质量分别通过内部一致性、评价者间和评价者内的可靠性来检验。我们亦分析应用程序商店的用户评论，以更好地了解用户我们还讨论了审查的应用程序的局限性和潜在的设计考虑，从开发人员和研究人员的角度。本文的其余部分组织如下。第2描述了我们的工作方法，包括应用程序搜索程序，应用程序选择中使用的措施，以及我们设计的应用程序评级工具。在第3节中，我们介绍了我们的研究结果，包括应用程序的整体评估，我们的评级工具的内部一致性，内部和内部评级者的可靠性，应用程序商店评级和我们测量的评级分析，功能标准的评估，以及应用程序商店用户评论的分析在第4节中，讨论了主要发现（包括审查的应用程序的局限性和设计考虑因素）和本研究的局限性。最后，第5节总结了本文，并概述了未来的研究方向。2. 方法2.1. 应用程序搜索程序我们已进行电子搜索，以确定三个主要商业应用程序商店的相关应用程序，Google Play Store、Apple App Store和Microsoft Store。遵循先前研究中使用的类似方法（Kabir等人，2021; Rivera等人，2016），使用基于关键字的搜索过程。系统性综述和荟萃分析的首选报告项目（PRISMA）指南（Tricco et al.，2018年），以确保报告的透明度和清晰度，以及其他研究人员复制搜索过程的能力。搜索中使用的关键词是通过研究几个著名的食物消费跟踪和推荐应用程序的名称来专门选择的，因此如果在同一时间和同一位置使用相同的关键词，搜索将产生相同的结果（Stawarz等人，2015年）。“食物消耗量”、“卡路里消耗量”、“每日食物消耗量”、“营养消耗量”和“跟踪食物消耗量“是用于搜索的关键词。调查人员共同努力进行搜索，筛选，最后的包容过程。所有三个应用程序商店都使用相同的关键字搜索，以尽量减少差异并保持一致性。三名研究者使用相同的术语独立进行了多次相同的检索，然后编制了最终的食物消费跟踪和推荐应用列表。对于他们搜索的每个应用程序商店，每个调查人员都创建了他们的应用程序列表。他们 筛选 的 应用程序 使用 的 包容 和 排除标准S. Samad等人智能系统与应用15（2022）2001033图1. 研究方法流程图。（见第2.3节）。这一搜索和选择过程是由每个调查员使用他们的智能手机进行的。研究人员名单之间的冲突通过所有调查人员之间的小组讨论2.2. 评分员专家们被选中对所有的应用程序进行评分。他们包括三名最后一年的计算机科学学士学位的学生，具有两年的移动应用程序开发经验。此外，两名计算机科学专业的毕业生，有两年&的移动应用程序开发经验，评价了三个应用程序，名为“减肥教练卡路里计数器营养”，“食品吉拉！营养助理，食物日记，食谱“和“Fitatu卡路里计数器免费减肥跟踪“测量内部一致性。调查人员最终应用程序列表上的所有应用程序他们的回答被收集在一个回答表格（谷歌表格）中，表格所附的电子表格中的数据被用来从评分者那里提取数据。2.3. 应用程序选择中使用的措施我们用于应用程序的识别、筛选、合格性和选择的方法如图1所示。在搜索过程中，分别在三个应用商店中使用了基于关键字的搜索技术，产生了473个应用程序。8个应用程序被删除，因为它们在多个应用程序商店中拥有来自同一开发商或发行商的相同应用程序（重复应用程序）。在被淘汰之前，这些应用程序在各自的平台（Android，iOS和Windows）上进行了测试，以查看它们是否具有相同的功能。其余465个应用程序根据其标题和描述进行筛选。之后，根据应用程序商店中的描述选择应用程序。这是筛选过程的第一阶段。如果应用程序描述表明它跟踪食物消费或提供食物建议，则将其纳入研究。为了进一步策展，我们考虑了以下入选标准：（1）可以跟踪食物消费的应用程序，（2）可以跟踪食物消费的应用程序，（3）可以跟踪食物消费的应用程序，（4）可以跟踪食物消费的应用程序，（5）可以跟踪食物消费的应用程序，（6）可以跟踪食物消费的应用程序，（7）可以跟踪食物消费的应用程序，（8）可以跟踪食物消费的应用程序，（9）可以跟踪食物消费的应用程序。计算食物份量和估计营养价值的应用程序，（3）视觉呈现消费历史的应用程序，（4）向用户推荐食物的应用程序。此外，我们还寻找允许用户将新食品名称添加到数据库中的应用程序。这些标准适用于选定的应用程序，以确保它们符合我们的研究要求。如果这些功能中的任何一个包含在应用程序中，我们会将这些应用程序纳入我们的应用程序列表。在应用程序的初步筛选中，由于以下一个或多个原因，应用程序被排除在外：（1）具有诸如水消耗跟踪和电子书相关功能的应用程序，（2）仅关注怀孕和婴儿食品、糖尿病、健身和锻炼的应用程序，（3）与食品相关的游戏，（4）非英语语言的应用程序，（5）与我们的研究无关的应用程序，如禁食相关，食物照片分享相关，健康提示相关，仅食谱建议相关，糖跟踪器，步数计数器，血液测试指南，蛋白质跟踪器和葡萄酒消费跟踪器也被排除在外。在二次筛选中，所有81个剩余的应用程序都由每位评分员单独下载和评估。一个应用程序在这一点上被删除，因为它是故障。最后，对本研究选择的80个应用程序（70个来自Google Play商店，6个来自Microsoft Store，4个来自Apple App Store）进行了分析和审查。2.4. 应用程序评级工具我们设计了一个评级工具，用于评估选定的应用程序，并确定其适当性和可用性。我们回顾了软件质量方面的研究，如可用性、可靠性、功能和效率（Friesen等人，2013; Koepp等人，2020; Poon和Friesen，2015; Vos-Draper，2013）。我们的目标是通过采用和扩展现有的评级工具，如移动应用程序评级量表（MARS）（Stoyanov等人，2015）、uMARS-MARS的终端用户版本（Stoyanov等人，2016），FinMARS-金融应用程序的MARS（Huebner等人，2019），一个用于足部测量的移动应用程序评级工具（Kabir等人，2021），以及用于儿童性虐待教育的移动应用程序评级工具（Pritha等人，2021年）。我们开发的评级工具采用了适合分析食品消费跟踪和建议的相关评估功能。最终确定的评级工具，S. Samad等人表4智能系统与应用15（2022）2001034应用程序元数据。项目计数（N= 80）n（%）平台Android 70（87.5%）Windows 6（7.5%）iOS 4（5%）商业模式完全免费29（36.25%）有限自由51（63.75%）下载50M+1（1.25%）10M+4（5%）5M+2（2.5%）1M+12（15%）50万+7（8.75%）10万+12（15%）5万+8（10%）10K+8（10%）5K+2（2.5%）1K+7（8.75%）500+3（3.75%）100+3（3.75%）11（13.75%）原籍国美国23（28.75%）印度8（10%）联合王国5（6.25%）法国4（5%）乌克兰、俄罗斯、德国各3名（3.75%）加拿大、南非、西班牙各2名（2.5%）图2. 评估的应用程序的分类表示。其主要目的和功能（见图2）。在营养追踪器的子类别中，应用程序的重点是跟踪营养，但有些也跟踪卡路里消耗。营养追踪子类别占总应用程序的28.75%（23/80）。然而，在卡路里跟踪子类别中，80个应用程序中有25个（31.25%）只跟踪卡路里消耗。食物追踪应用程序只专注于追踪食物的名字。他们仅仅追踪营养或卡路里消耗。只有10%（8/80）的应用程序被列入食物跟踪子类别。我们的评估程序，发现一些应用程序，可以跟踪营养或芬兰、瑞典、波兰、塞尔维亚、澳大利亚、丹麦、保加利亚、新加坡、荷兰、新西兰、瑞士、韩国各1例（1.25%）卡路里的消耗，但他们主要集中在建议用户的饮食计划。 我们认为这些应用程序属于饮食子类别; 18.75%(15/80）的应用程序属于这一类别（例如，未知13例（16.25%）更新的分量表及其各自的标准已在附录XA中说明。我们设计了应用程序评级工具，通过根据应用程序质量标准对域进行聚类。我们使用了Likert量表，这是一种流行的工具（Wu，2007），范围从1到5，分别代表非常差到非常好。例如，如果一个应用程序可以从照片和应用程序数据库中识别食物，那么我们认为它是最高质量的功能，我们将该应用程序的此功能评为5。如果一个应用程序可以从照片中识别食物，但不能从数据库中识别，我们将该应用程序评为4。当应用程序可以从条形码扫描中识别食物时，我们将其评为3，当应用程序可以从数据库中识别食物或允许手动输入时，我们将其评为2。最后，如果一个应用程序不能以任何方式识别食物，我们将该应用程序评估为1。我们将这种评估技术应用于我们的食品应用程序评级工具的每个问题我们还添加了一个标记为“未知“的评级选项，例如，我们无法找到一个应用程序是否是开源的，所以我们将这些应用程序的来源标记我们对应用程序Meta数据项使用描述性答案。这些项目包括商店名称、应用程序名称、应用程序评级、开发人员名称、适用年龄组项目和应用程序子类别项目。但是，我们在剩下的问题中使用了李克特量表。在下面的小节中，我们描述了我们的应用程序评级工具的所有子量表。2.4.1. 应用程序元数据元数据是提供有关其他数据的信息的数据。应用程序元数据已与从相应应用程序商店收集的应用程序的一般信息进行了聚类。表1报告了我们审查的应用程序的元数据，如平台，原产国，商业模式（免费/付费），应用程序评级和下载量。2.4.2. App类别所有包含的应用程序都被分为营养追踪器，卡路里追踪器，食物追踪器，饮食，健身等子类别，重点是Tracker Carb Counter&此外，我们发现80个应用程序中有4个（5%）通过跟踪运动，建议锻炼计划等来改善用户的健康状况。然而，这些应用程序也可以跟踪卡路里或营养消耗（例如，“&Fitstyle -家庭锻炼，健身饮食 计划” ）。我 们在其 他类别 中考虑 了80 个应 用程序 中的5个（6.25%），因为它们中的大多数都专注于多个功能，其中一些功能与我们的关键功能相匹配。例如，应用程序“Meal-Logger-Photo FoodJournal”就像是健康意识人群的社交媒体。另一个例子是&“健康伴侣-卡路里计数器减肥”，它可以跟踪心率，睡眠规律，显示食物见解等。大多数应用程序都属于卡路里跟踪类别，其次是。营养追踪器和饮食计划重点应用程序类别。专注于健身和饮食计划的应用程序还可以跟踪卡路里/营养/食物，并显示食物消费历史。2.4.3. 美学视觉吸引力是任何应用程序成功的关键因素之一。这个子尺度标准与应用程序的核心功能和性能同等重要（Chetrari，2017）。应用商店中有许多应用程序具有类似的功能，因此视觉吸引力通常是它们之间的主要区别。在当今竞争激烈的市场中，应用程序的成功与否在很大程度上取决于应用程序中集成的用户界面组件的布局和组织。这种趋势也见于食品消费跟踪和推荐应用程序，其中视觉外观以及独特而有组织的布局决定了应用程序的适销性。在这方面，我们已经考虑了一些方面来评估应用程序的美学，包括2.4.4. 一般特征一般功能（如数据共享选项、注册等）对于增强食物消费跟踪和推荐应用程序的用户体验至关重要。登录或注册功能对于保存用户的食物消耗历史数据非常重要，S. Samad等人智能系统与应用15（2022）2001035表2应用程序功能测量标准及其评级。测量标准评级5评级4评级3评级2评级1食品识别食品图像和手动食品图像条形码手动食物推荐基于营养消耗热量消耗个人更换设备。数据导出和共享选项等功能对于用户将数据用于其他目的（例如，与营养师/营养师分享）。定期发送通知也被认为是一个重要的功能，因为这会提醒用户何时食用食物。此外，教程或入门设施也被认为是一个理想的功能，因为它们演示了应用程序的操作。近年来，应用程序中提供的内容定制和视觉信息量的相关性也被认为可以提高应用程序的用户价值。因此，它们也包含在通用功能中。此外，订阅包也被认为是一个有用的因素，因为它可以帮助支持更好的用户体验的发展。2.4.5. 性能和效率有助于应用程序被用户接受的关键功能之一是其效率和性能。效率与应用程序运行的速度以及在设备上提供结果的速度有关。应用的性能包括电池寿命、设备发热等。但是，性能指标可能因移动终端硬件配置而异。这些指标在应用程序的特征描述中发挥着至关重要的作用，并已被纳入食品消费跟踪和推荐应用程序的子量表。2.4.6. 可用性移动应用程序的可用性已经成为一个重要问题，因为目前在智能手机上运行的许多软件产品以前在台式机和笔记本电脑上运行（Hussain等人，2017年）。用户不喜欢可用性标准差、缺乏以用户为中心的设计的应用程序。测试食物消费追踪及推荐应用程序的可用性以识别其是否具有足够的特性以捕捉其目标用户群体的兴趣至关重要。如今，应用程序用户的注意力可以分为两种方式 例如，2005年）。导航和易用性也是应用程序有用性的重要指标。应用程序中的屏幕序列引导用户通过各种视图，允许他们从应用程序接收所需的信息（Georgieva等人，2011年）。由于用户行为和用户体验的差异，应用程序在现实生活中的可用性不同于应用程序在实验室环境中的可用性（Kallio et al.，2005年）。为了评估应用程序的可用性，我们专注于以下标准：（i）应用程序可以快速有效地使用，（ii）应用程序的导航活动不受干扰，（iii）手势设计和屏幕链接（例如，导航面板按钮、箭头等）（iv）应用程序应通过鼓励用户输入并酌情提供反馈，提供引人入胜的体验。2.4.7. 功能在食物消费跟踪和推荐应用程序中，应用程序提供的功能非常重要。两个应用程序之间的潜在效用的考虑由集成的应用程序功能决定。几个核心功能直接或间接涉及食物消费跟踪和监测。这些是食物识别、体积估计、营养估计、食物消费历史的可视化、添加新食物的能力，和食物推荐系统。表2总结了用于衡量功能的评级分数我们寻找的关键功能是应用程序是否可以识别食物。随着智能手机的日益普及以及人工智能和计算机视觉技术的进步，用于饮食评估的新型食物识别系统已经成为可能。已经在该领域进行了各种研究（Chopra和Purwar，2021; He等人，2015; Nayak等人，2020年; Raveland等人，2015;Zheng等人，2017年）。在食物消费跟踪和推荐应用程序中，用户需要做的第一件事就是跟踪他们的食物消费。因此，应用程序必须允许其用户输入食物细节。否则，该应用程序将无法跟踪用户的食物消费历史，并提供相应的建议。添加食物细节（也称为“食物识别”）的功能可以从（用户拍摄的）食物照片的自动识别、扫描食物包装上的条形码或手动将信息输入到应用程序中或从数据库中选择。从图像中识别食品是食品识别领域最先进的技术。有一些 最近 研究 对 食品 识别 系统基于 对图像识别（Aguilar等人，2019;Jiang等人，2020年;Knez和Sajn，2020年;Liu等人，2021;Mezgec和Koro uZi's i'cSeljak，2017;Ming等人， 2018年）。另一个功能是用户消耗食物的体积估计计算食物分量大小或食物体积以确定用户的营养摄入量是至关重要的（Min等人，2019年）。已经进行了许多研究来自动计算食物体积大小（Dehais等人，2016; Fang等人，2018; Tahir和Loo，2021; Tay等人，2020; Yang等人， 2019年）。此外，体积估计对于计算食物营养价值是必不可少的，这是免疫应答的重要预测因子（Chandra，1997）。一些研究侧重于使用人工智能从食物图像中估计营养价值（Boland和Bronlund，2019年; Kirk等人，2021; Meyers等人，2015;Michel和Burbidge，2019; Pouladzadeh等人，2014; Zhang 例 如 ，2015年）。研究（Boland和Bronlund，2019; Liu等人，2021; Meyers等人，Mezgec和Koro us i'cSeljak，2017）表明，识别食物、估计其体积和营养价值的最先进技术是从图像中自动检测。自动检测被认为对这三个方面都有好处。因此，在我们修改后的评分量表中，5分是给那些可以识别食物，从图像中自动估计其体积和营养价值的应用程序，并为用户提供灵活性，使应用程序手动识别食物。 在这个评级量表中，手动食物识别意味着用户必须手动输入食物的名称，并从相应的应用程序数据库中搜索它。评级4给予那些可以通过自动图像识别提供这些功能的应用程序。此外，条形码已经广泛应用于工业和商业领域，例如运输、技术、食品生产等（Sriram等人，1996年）。因此，该功能对于食品识别的评级为3，其中用户未包装的食物）。此外，在分量和营养评估的情况下，条形码扫描功能也被评为3。此外，条形码扫描有一些缺点-食品不是以包装的方式消费的。煮熟后，营养价值会发生变化。是S. Samad等人智能系统与应用15（2022）2001036不可能准确地估计食物体积，因为用户可能不会消耗包装中存在的确切食物量另一方面，条形码功能使用户不必手动输入食物数据。因此，3级的评分对这一特征是公正的。在手动系统中，应用程序支持这些功能的唯一方式是通过用户输入，应用程序的评级为2。如果应用程序无法支持这些功能，则将其评级为1。增加一个人此外，数据可视化可用于确定饮食和行为方面之间的相关性（Hingle等人，2013年）。这就是为什么消费历史的可视化是衡量功能的它可以帮助用户在图表或图形中可视化他们的食物该功能有助于用户查看他们正在消费的内容并改善他们的饮食习惯。如果任何用户需要向营养师展示他们的食物消费习惯，这个功能将是最大的优势。如果一个应用程序可以让用户以三种以上的方式查看他们的食物消费历史，比如每年、每月、每周、每天等等，我们将其评为5。如果一个应用程序可以以三种方式（每天、每月、每周）查看他们的食物消费历史，我们将其评为4。最后，具有单向可视化功能的应用程序被评为2，具有双向可视化功能的应用程序被评为3。食品 建议是 一个 优秀 方式 到 建议 用户吃健康食品（Wang等人，2021年）。推荐系统使用来自用户简档的信息，并将其进行比较以得出相关建议的列表（Vivek等人，2018年）。当用户想知道他们根据目前的健康状况应该吃什么时，食物推荐也是强制性的。如果一个应用程序可以建议适当的食物名称，它会有很大的帮助。出于这个原因，我们认为食物推荐选项是食物消费跟踪和推荐应用程序的另一个特定功能。对于用户来说，知道他们需要消耗哪种类型的食物来满足他们身体的营养需求是非常有益的因此，任何可以基于营养自动建议食物的应用程序都被评为5，因为营养成分是平衡饮食和良好健康的最重要因素（Elsweiler et al.，2015年）。在另一项工作中，基于卡路里计数做出推荐（Ge等人，2015年）。卡路里是能量，卡路里的数量很少告诉我们一道菜的营养成分，无论是宏观营养素（蛋白质，碳水化合物和脂肪）还是微观营养素（维生素，矿物质和植物营养素，如抗氧化剂）。这就是为什么，评级为4的应用程序可以根据卡路里估计向用户推荐食物。根据用户偏好推荐食物的应用程序的评级为3。如果用户更喜欢肉类或水果，应用程序会建议来自这些首选领域的食物，在这种情况下，健康问题不会被考虑。最后，可以推荐通常有益于健康的食物的应用程序人体并且不考虑任何特定因素（例如推荐水果、蔬菜、牛奶、鸡蛋等）的食物推荐功能被评为A2。全世界有各种各样的食物。创建一个包含所有食物名称及其营养价值的数据库是极具挑战性的。因此，应该有一个选项，让用户添加新的食物项目到应用程序我们确定，在食物消费跟踪和推荐应用程序中应该提供向数据库添加新食物的功能，因为这一选项可以使应用程序的未来用户受益。允许用户从其用户的社区讨论中自动添加新食品5.由于此功能，这些应用程序的数据库可以通过大量的食品条目来丰富。允许用户手动添加食品的应用程序，即，在设备数据库中手动输入食品的详细信息，被评为3级。我们发现许多应用程序不允许用户向其数据库中添加新的食物项目，我们将这些应用程序在此功能类别中评为1。2.4.8. 透明度大多数移动应用程序依赖于社交和个人信息才能正常工作。从定制服务中获利的各种企业通常将此信息作为目标（Brug等人，1995年）。通常，应用程序开发商或发布商在未经用户许可的情况下将私人信息出售给第三方，这侵犯了用户这些应用程序必须遵守严格而精确的数据保护和监管法律，例如询问用户是否同意访问他们的私人数据。应用程序应明确说明收集用户数据的方式和原因，即使用户不知道此类行为的直接影响。在食品消费跟踪和推荐应用程序的情况下，应遵守“不共享私人数据”、“在共享的情况下考虑用户同意”和“开发者的验证”等约束，这将有助于用户确定应用程序的来源是否可信。此外，这是一个调查的问题，看看软件是否可以满足商店描述中指出的目标。2.4.9. 主观质量应用程序主观质量是指用户对应用程序的看法（Kabir等人，2021年）。我们使用了几个指标来评估单个应用程序的主观质量，包括评估个人应用程序得分，根据其功能更愿意为应用程序付费，更愿意推荐应用程序，以及审查有关应用程序的正面和负面反馈。可以通过查看下载和使用该应用程序的用户的反应来概述该应用程序然而，这是一个主观的观点，这种在下载之前评估应用性能的方法对于在应用商店中很少或没有用户评论或评级的如今，用户倾向于在应用商店中评论更多细节和关键点，让新用户更容易找到有用的应用。因此，应用程序的主观质量是一个可选但有效的标准，以找到有效的和优选的应用程序。2.4.10. 应用程序对用户使用应用程序后对用户感知的影响可用于评估应用程序的潜力。有某些特征，如意识，态度和行为的变化，寻求帮助的态度，等等，以检查这种潜力。识别应用程序是否可以在用户中传播意识至关重要。我们想要的应用程序应该能够提醒人们健康问题或不良饮食习惯的影响。另一个方面是知识增强行为。应用程序应该增加用户对食品的了解。例如，食物的营养价值，食物对健康和身体的积极影响。此外，用户还可以通过应用程序收集知识，了解更多关于他们需要避免的食物或任何食物的有害影响。食物消费跟踪应用程序的主要影响是它是否可以改变用户对改善饮食的态度。该应用程序可以在鼓励用户消费健康食品和保持良好的饮食习惯方面发挥重要作用。此外，用户 我们的研究还评估了应用程序对用户的影响，以了解应用程序对用户的感知影响，以及这些功能是否存在于应用程序中。3. 结果3.1. 评分者间和评分者内信度评分员间可靠性是一种量化两个或多个评分员之间的一致性水平的方法，他们根据一组标准独立地对一个项目（在这种情况下，一个应用程序）进行评分（Lange，2011）。我们使用类内相关（ICC）方法来评估评分者间的信度。如果一项研究包括两名或多名评估者，则ICC是用于 评 估评 估 者 间 可 靠性 的 最 广 泛 使用 的 统 计 数 据之 一 （Sawa 和Morikawa，2007）。在我们的研究中，所有应用程序都由相同的三位评分员进行评分。因此，我们使用了ICC双向混合模型，因为它是推荐的，S. Samad等人智能系统与应用15（2022）2001037≤≤≤≤≤表3评级量表的内部一致性。Cronbach图形和适当性方面，超过90%的应用程序在5分中的评分超过4分，81.25%（65/80）的应用程序在视觉吸引力方面的评分超过4分。在美学方面，18款应用（22.5%）获得了最高分，美学0.94EX cellent即，5分中的5分，最低分是1.5分（性能0.78可接受可用性0.71可接受v2”）。一般特征子量表使用社交等项目进行测量主观0.92EX cellent共享，登录/注册，数据导出，通知，订阅，教程，透明度0.76可接受和定制，如第2.4.4节所述。在我们审查的应用程序中，影响0.95EX cellent70%（56/80）没有任何社交分享功能。30%至总体0.93 EX出色评分员是固定的，每个应用程序都由所有评分员进行评分（Koo和Li，2016）。根据ICC估计的95%置信区间，小于0.5、在0.5和0.75之间、在0.75和0.9之间以及高于0.90的值分别表示可靠性差、中等、良好和极好（Koo和Li，2016）。我们的80个应用程序的ICC评分计算为0.90（95% CI范围为0.89至0.91），显示出良好的评分者间可靠性水平。评估者内部信度是用来衡量个体在衡量一组标准时的一致性。这是一种可靠性估计，其中同一评估者在多个场合进行相同的评估。为了衡量这三位评分员的评分员内部可靠性，我们从80个应用程序中随机选择了三个应用程序。选定的三个应用程序分为三个质量级别（根据其总体评 分 ） ： 低 ， 平 均 和 高 。 这 三 个 应 用 程 序 是 ： “ 卡 路 里 计 数 器 -MyNetDiary，食物日记跟踪器”，“愚蠢的简单马科斯IIFYM跟踪器”和“营养跟踪器”。三位评分员在两个月内对这三个应用程序进行了两次评估。三位评分者的两个评分之间的评分者内信度均达到了显著的良好水平 ， 他们 的 双 向混 合ICC 值 分 别 为0.89 （ 95%CI 0.85-0.93） 、 0.8（95%CI 0.85- 0.930.723.2. 修正量表的内部一致性内部一致性衡量的是测试项目之间的相互关系或同质性程度（在我们的情况下，是子量表/评估标准中使用的问题/项目），这样项目彼此一致，测量相同的东西（Christmann和Van Aelst，2006）。我们使用了CronbachCronbach’s alpha（α）信度系数表明内部一致性。范围在0和1之间的事件，其中0。9α为优秀，0。8α<0。9好，0。7α<0。8可以接受，0。6α<0。7、有疑问，0。5 α<0。6为差，α<0。5不可接受（Gliem和Gliem，2003年）。值越接近1，内部一致性越高我们我随机选择了三个应用程序&-“ 减肥教练卡路里计数器-营养” ，“Foodzilla！营养助理，食物日记，食谱“和“Fitatu卡路里计数器免费减肥跟踪器“来计算内部一致性。表3报告了我们设计的评级量表的子量表的内部一致性-我们排除了两个分量表我们修改的量表的整体内部一致性在α 0.93处很高，这被先前的研究认为是极好的（Ursachi等人， 2015年）。3.3. 对应用程序表4报告了所有80个应用程