Self-Tracking Para Fertilidade: Apoio Colaborativo para um problema altamente personalizado

  • Mayara Costa Figueiredo University of California, Irvine, United States of America
  • Clara Caldeira University of California, Irvine, United States of America
  • Tera L. Reynolds University of California, Irvine, United States of America
  • Sean Victory University of California, Irvine, United States of America
  • Kai Zheng University of California, Irvine, United States of America
  • Yunan Chen University of California, Irvine, United States of America

Resumo


Infertilidade é um problema de saúde global que afeta muitos casais. Tratamentos de fertilidade requerem monitoramento contínuo de múltiplos indicadores de saúde através de selftracking. Esse processo de coletar e interpretar dados de fertilidade é complexo e costuma afetar as mulheres mais intensamente. Nesse estudo, nós analisamos conteúdo gerado por pacientes em uma comunidade online focada em fertilidade com o objetivo de entender os desafios enfrentados por mulheres que realizam atividades de selftracking objetivando engravidar. Nós discutimos como um contexto complexo e altamente personalizado aumenta a responsabilidade, a pressão, e a carga emocional, assim como o papel da colaboração na criação das soluções individualizadas. Finalmente, nós sugerimos implicações para as tecnologias que visam apoiar mulheres que enfrentam problemas de fertilidade.
Publicado
22/10/2018
Como Citar

Selecione um Formato
COSTA FIGUEIREDO, Mayara; CALDEIRA, Clara; L. REYNOLDS, Tera; VICTORY, Sean; ZHENG, Kai; CHEN, Yunan. Self-Tracking Para Fertilidade: Apoio Colaborativo para um problema altamente personalizado. In: ARTIGOS INTERNACIONAIS - SIMPÓSIO BRASILEIRO DE FATORES HUMANOS EM SISTEMAS COMPUTACIONAIS (IHC), 17. , 2018, Belém. Anais [...]. Porto Alegre: Sociedade Brasileira de Computação, 2018 . ISSN 2177-9384. DOI: https://doi.org/10.5753/ihc.2018.4230.