第二章、 文獻探討
2.2 健康信念模式與社會認知理論
2.2.3 社會認知理論
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
養知識、自我技能，並增加對健康飲食的自覺利益性(perceived benefits)。
2.2.3 社會認知理論
社會認知理論著重人際層面，強調個人行為是藉由社會互動、他人經驗的模 仿而成，因此在健康行為的研究上，社會認知理論是針對提高行為能力而建立的 理論模式，社會認知理論是源於 Miller 與 Dollard 在 1942 年提出的社會學習理論，
強調個人透過觀察以及模仿而發展出的。在 1997 年 Bandura 針對社會學習理論 進行擴充，而發展出社會學習理論(Social learning Throry, SLT)。而後 Bandura 針 對個人行為意象，例如：自我效能、控制等因素，將社會學習理論，改名為社會 認知理論(Social Cognitive Therory, SCT)。關於社會認知理論的架構請見圖。
‧
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
對個人的物理屬性被個別教導，則耗時費力成本可觀。為了解決這樣的問題，本 研究提出半自動的個人影像註釋方式，針對個人的飲食記錄，增強個體自我效能，
提高自身對營養並且讓個人方便管理。
2.3 影像內容描述與檢索機制
個人影像檢索機制主要可以分為兩種方法—基於內容之圖像檢索(Content-Based Image Retrieval, CBIR)、基於後設資料之圖像檢索(Metadata-Based Image Retrieval, MBIR)。
2.3.1 基於內容之影像檢索
基於內容之圖像檢索(CBIR)是對影像中的顏色、形狀、紋理等圖像的特徵作 為分析依據。對於影像擷取低階特徵後，利用影像處理演算法來達到影像內容的 比對分析。其中比較知名的演算法有1999年，David Lowe 的尺度不變特徵轉換 (Scale-invariant Feature Transform, SIFT)、在2006年Herbert Bay 等學者所發表的 加速穩健特徵(Speeded Up Robost Features, SURF)，他們的演算法能夠在不斷增 加的電腦設備下，達到快速、精準的匹配，進而達到影像索引的需求。而在個人 影像的檢索機制上主要見於人臉辨識領域，目前已經可以精準的分別不同人的臉
‧
式，是非常重要的。因此有不少描述數位內容的標準與機制，例如Exif、IPTC Core& Extensions、DIG35、Dublin Core、XMP以及MPEG-7等，都是在制定如何描述 多媒體內容，其中XMP和MPEG-7是奠基在可延伸標記式語言(XML)，擁有靈活 得描述方式，也提供高階的語意描述機制。
但是在大部分的狀況下，MBIR的問題在於繁複的註釋程序；一些正在進行數位 內容典藏的組織如國家地理協會( National Geographic Society )、或是國立故宮博 物館( National Palace Museum )皆投入大量的時間和成本在註釋影像上，因為對 照片進行手動註釋是相當辛苦的，因此東京大學的學者Kuo等人，設計了以 MPEG-7 為基礎的 DDDC 註釋架構[36-38]，來解決大部分個人數位影像中，語 意標註的困難，在MPEG的標準下，不但可以描述影像，更是可以針對影音多媒 體內容做描述，加上本身具有可擴充性，是為一套完整的多媒體內容描述機制。
而在2012年學者Y Chen更針對學者PJ Kuo等的研究進行更進一步的使用性研究，
建立iPARIS影像生活註釋系統， iPARIS為影像註釋管理系統，致力於讓使用者 有良好的註釋體驗而設計[39]，提中此系統利用POI資料庫，推薦使用者註記列 表，達到方便、效率的相片註釋，並且延伸時間空間的多媒體資訊內容；另外系
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
統是用使用性工程的方式，設計個人數位化系統之介面與流程。圖為Chen所提 出的註釋流程，透過拍攝、註釋頁面之設計，使用可以在拍攝完影像設後，選擇 地點或是物件，輕鬆完成註釋。
圖 10、iPAIRS 影像註釋流程 資料來源：[39]
2.2.3 小結
Chen學者提出影像生活註釋系統iPARIS，對應用程式之介面與流程進行使 用性工程之建構，以建議更好的行動註釋影像系統。夠透過方便註釋的方式，管 理我們的生活影像記錄；由於飲食與我們的生活息息相關，飲食的歷史毫無疑問
‧
年又有PlateMate、 Yumlog，揭示飲食記錄的發展已經逐漸有跳脫『系統準確性』框架的跡象； Toshiki Takeuchi 等學者於 2014 直接指出過去影像記錄辨識的局
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
第三章、研究方法
審視飲食記錄最原始的目的—促進個體健康。一般飲食管理所提供的方法大多僅 能提供記錄，飲食多樣性始終是記錄後的分析結果，然而，若是能讓使用者主動 攝取多樣性飲食，更能達到健康飲食之目的。因此，如何讓個體主動攝取健康飲 食，又能夠藉由影像記錄的方式，傳達更多的訊息並降低飲食管理的負擔，將是 本研究所要探討的議題。
3.1 促進飲食多樣性攝取系統
目前，廣泛被應用在健康領域的範疇上，『自我效能』幾乎已經在各個干預 實驗中，被視為最強而有力的變項，但是在一般的干預實驗中，僅一般信息被教 導，並不傳達個人特徵，例如個人的單獨物理屬性的訊息，並大多數的營養教育 課程強調適時性知識。若是要針對個人的物理屬性被個別教導，則耗時費力成本 可觀。
為了解決這樣的問題，本研究基於 iPARIS 影像註釋系統為基礎，設計出半自動 個人影像註釋的飲食管理方式。本系統以健康控制模式以及社會認知理論為基礎，
針對個體的飲食記錄，增強自我效能，藉由增加自我效能，提高對自身的營養狀
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
目的是讓此模型跳脫飲食多樣性攝取為飲食管理之結果，而是以飲食前呈現目前 的飲食狀態的方式，讓個體更能掌握自身的飲食狀態。使用者可以在不同的地點 條件下，在確定所在的餐廳時，依據每日的累積飲食，選擇餐點並記錄。
圖 11、促進飲食多樣性攝取概念圖 資料來源：本研究整理
3.2 場景說明
基於促進飲食多樣性攝取的模型下，本研究實作 iPARIS-Healthy 的飲食管理 系統，提供使用者實際操作使用，其操作流程如圖所示，系統情境使用狀況與說 明如圖 12。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
圖 12、系統操作流程 資料來源：本研究整理
使先，使用者必須開啟定位功能，進入到系統頁面後，可以看到近期累積的營養 攝取狀況，當使用者選擇所在的餐廳之後，系統會依據個別使用者的資訊以及所 在地，自動整理出以下資訊：
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
iPARIS-Helthy 也提供瀏覽的功能，我們希望使用者能夠透過瀏覽過去的紀錄以 及查詢營養狀況，更加了解自身的飲食習慣。
3.2.1 系統介面說明
使用者小英為使用本研究系統的受試者，而且使用本系統記錄飲食一段時間，
在打卡之前，系統會呈現飲食歷史紀錄的選擇器，我們可以在這裡瀏覽過去的歷 史紀錄，並選擇性的觀看自身歷史紀錄後，我們得以從右上角的地點選單中，選 擇所在地附近的餐廳(如圖 15)。
圖 13、歷史紀錄選擇器 圖 14、打開定位服務通知 圖 15、選擇所在的餐廳
資料來源：本系統截圖
在選擇餐廳之後，系統呈現當天的累積營養狀況，並且依據餐廳內的菜單，依據 餐點的食材內容，將菜單分為六大類別，例如魯肉飯便當有肉、飯，則魯肉飯便
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
當會同時在五榖根莖類以及豆蛋魚肉類中出現，在使用者點選圖上的類別後，顯 示並呈現該餐廳所屬類別的菜單資訊。例如，使用者選了今天還沒攝取到的五榖 根莖類，則菜單列表上會顯示在該餐廳的五榖根莖類餐點(圖18)。使用者小英可 以選擇想要飲食的餐點，開始進行影像註釋記錄。
圖 16、選擇所在餐廳 圖 17、呈現當日累積營養 圖 18、欲進食餐點 資料來源：本系統截圖
在選取餐點之後，使用者可以拍下這一餐的飲食，並點擊影像進行註釋(圖21)。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
圖 19、拍攝影像 圖 20、文字選取 資料來源：本系統截圖
系統會根據所註釋的餐點，累積到營養份量內，並反饋給使用者(圖)。
圖 21、註釋完成圖 圖 22、營養累積回饋圖 資料來源：本系統截圖
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
在應用程式中，使用者可以打開飲食記錄系統查看自己在過去在一段特定時間內 的飲食標準營養差異狀況，如圖 23 所示。為回顧、掌握飲食細節，小英可以根 據系統的照片瀏覽來幫助個人更了解自身的攝取實際狀況，在系統中，飲食照片 已經依據不同月份分類，方便藉此檢視自己在某月的飲食影像記錄、查看這段期 間的飲食。
圖 23、當月營養累積狀況 圖 24、每月飲食影像記錄 圖 25、每餐的飲食影像 資料來源：本系統截圖
‧
mini OS X 10.9.3 作為開發平台，手機應用程式平台是 iosa7.1.1，網頁應用框架 是 Django、食材資料庫為 Mongodb、資料庫對應系統為 Python、手機應用程式 使用語言為 Object-C。‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
3.4 飲食多樣性系統
為了計算與呈現可視化標準飲食營養差異圖，我們引入了供給率(式一)的概 念在系統中，依據台灣本地的每日標準攝取量為標準計算六大類個別的供給率作 為標準的營養攝取量；將使用者記錄的餐點除以每日標準所需攝取量。
供給率 ＝( 實際攝取量
標準攝取量) × 100% (式一、供給率)
在本研究中的每日標準所需攝取量以衛生署所提供的六類分類為評估基礎，
可以細分為全穀根莖、豆魚肉蛋類、低脂乳品類、蔬菜類、水果類、油脂與堅果 種子類。在衛生署公布的每日飲食指南中，標示有國人每天應該攝取的營養份量，
除此之外，衛生署更進一步的指出年齡與運動強度每日所花費的熱量，及在固定 的消耗熱量中所對應攝取的六大類需求量表；本實驗將這些衛生署提供的建議數 據，建構個人化模組的每日標準所需攝取量，傳入使用者年齡、性別以及活動強 度即可輸出相對應的六大類需求量。例如，25 歲的女性運動量適中，每天應該 攝取的奶類 2 份，則若當天攝取 1 份，則奶類攝取為 50%。有了各個類別的供給 率之後，本研究透過 Google Chart API 進行六大類別標準營養素攝取的可視化繪 製，其可視化製圖流程如下。
當日六大類
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
將使用者真正食物的食材與個人標準攝取量作為供給率的輸入，經過供給率的計 算後，得出六大類的比例，再利用 Google 提供的 API 繪製標準攝取差異雷達圖。
3.5 系統資料來源
本研究小節的系統資料來源介紹，分為三部分，個別是餐廳資料、餐點資料、以
本研究小節的系統資料來源介紹，分為三部分，個別是餐廳資料、餐點資料、以