這本書是MIT Essential Knowledge Series的其中一本，這一系列大都是請一兩位相關領域的教授，針對目前重要的科技，談論一些入門的知識和想法，而這本Self-Tracking則是談論如今所謂各種使用感測器來量測人體的現象，由牛津大學教授Gina Neff和Intel的人類學家Dawn Nafus所寫，觀點特別，蠻適合細細品讀的。

這本書總共有六個章節：

1. An Introduction to Self-Tracking
2. What Is at Stake? The Personal Gets Political
3. Making Sense of Data
4. Self-Tracking and the Technology Industry
5. Self-Tracking and Medicine
6. Future Directions for Self-Tracking

第一個章節，這本書介紹了圍繞"量化自我（Quantify Self）"的定義、概念、社群、量化的工具和相關會議。從偏向醫療需求，以病友為核心的社群到純粹自我興趣的社群，範圍很廣。如病友網站如Patients Like Me (中文介紹) 、Cure Together（已被23andme買下來）。面向健康群體的Coached.me  。專業人士的社群則有TEDMed, Stanford’s Medicine X, O’Reilly Health Foo, HIMSS, Health2.0，關於這類的學門，偏向電腦科學的則有Ubicomp, Persuasive Computing, Computer-Human Interaction, Ubiquitous Computing. 當然最著名的就是QS社群 。

Trackers focused on their health want to ensure that their medical practitioners don’t miss the particulars of their condition; trackers who record their mental states are often trying to find their own way to personal fulfillment amid the seductions of marketing and the errors of common opinion; fitness trackers are trying to tune their training regimes to their own body types and competitive goals, but they are also looking to understand their strengths and weaknesses, to uncover potential they didn’t know they had. Self-tracking, in this way, is not really a tool of optimization but of discovery.      

Gary Wolf, “The Data-Driven Life“ New York Times, Dec 14, 2015

量化自我下的議題：

1. 正常與否
如何判斷某項量測值是所謂的正常值？這樣的數值由誰決定？如何決定？
2. 大眾參與，問問題的方式
數據可以用來回答問題，而傳統的數據來自於嚴謹的實驗設計和提問，而如今這類型的自我量化，能也達到此類似的效果？

如何讓這些資料有意義？

這些量化產生的資料，常用來做下面五類的事情（當然實際上有無限種應用可能，這只是大致的分類）：

監測和評估（Monitoring and evaluating）

自我量化用來作為評估和監測，是最常見的應用，不一定需要非常數值化，比如書中提到一位QS愛好者Amelia Greenhall，其在QS 大會分享其紀錄的方式，每天只要有慢跑，就在佈告欄上貼上一顆星星，當觀察星星的數量就可以知道自己總共跑了幾點，即使這方式對某些人來說，不夠精確，但其實就足夠作為Amelia Greenhall她作為監督自己運動量的方式了，換句話說，重點可以不在“多精準精細”，而在能否讓你用這些資訊來做評估。

而這部分比較有趣的一個議題就是想要監測和評估的活動，最難的可以說是進食了，跟隨目的不同，會稍稍有記錄角度的差異，比如想要減重的話，對於熱量的飲食估計，變得很困難，有的人就簡單用進食前拍照的方式來記錄飲食狀況，所以從這可發現同樣一個行為的監測，可以有百百種辦法來做量測，重點是能否讓資訊給使用者使用。

Many self-trackers think of this process as a kind of feedback loop, a term from computer science for a system that generates information and then adjusts in response to that information

另外一個有趣的角度便是當量測的行為成為習慣，有時自動化紀錄的工具沒有攜帶，便會讓量測出現誤差，而造成自我量化者的抱怨，因為他們會覺得因為沒有記錄到，所以就沒有做過這件事情的感覺，所以他們也常倡議說這類自我量測的機器應該要能讓使用者保有自由輸入的彈性。

產生新覺知（Eliciting sensations）

這角度蠻有趣的，藉由量測某些自我的數值，在感受自己身體的變化和觀測相關的數據時，讓自己產生某些新的感知能力。社會學家Whitney Boesel 談到他的一個女性被觀察者，當他反覆的使用居家排卵監測器時，慢慢能具有對於身體即將排卵的強烈感受能力，而另外一位在美國的男性則是頻繁地使用血糖計，量測自己對於各種食物和事件後的血糖反應，逐漸地其開始能有能力去感受自己可能的血糖反應。

The data becomes a “prosthetic of feeling," something to help us sense our bodies or the world around us.

試誤性地調整(trial and error)的方式往往是這類型量化的風格，因為往往隨者追蹤的時間越多，對於感受到的情緒變化，會更加的精細(nuanced)，此時通常可以利用標籤式來解決此類問題，比如此時同時感受到“開心”、“驚喜”，且另一方面，要保持較開放的態度，避免過早判斷(keep at bay the urge to judge)，相對於醫療診斷的聚焦可能性，產生新覺知類型的自我量化更偏向於形成假說，盡量地發展各種情緒/感知可能的存在或記錄方式。

找出問題（Debugging a problem）

除蟲(Debugging)這字彙是資訊工程中，用來描述尋找程序中錯誤的行為，而自我量化的工具在醫療診斷上，同樣可以作為這樣的目的而存在，這邊可以分享Anne Wright的故事，Anne Wright本身是NASA機器人工程師，其有些腸胃問題，但在拜訪許多醫師後，都沒有找到很好的解釋，於事他開始自己收集各式各樣自己的身體資訊和飲食紀錄，後來發現有三樣食物會讓他腸胃道不舒適，於是Anne Wright開啟了一個項目稱作BodyTrackBodyTrack，用來幫助人們理解自己的數值。Anne Wright的故事提醒我們醫學上的知識常常是去看鐘形曲線的中間，而偏離這類鐘形曲線中間的現象，往往沒有很好的方式去尋找可能的問題，或許自我量化可以提供每個人一個找尋自己身體狀況的因果關係之工具或做法。

The purpose of debugging is often to figure out how to solve a problem or what brings relief, not necessarily to find the underlying biomedical cause.

培養習慣（Cultivating a habit）

習慣培養這件事情，一直是各類社會科學、臨床醫學中很難的一個題目，而自我量化的一個很重要的目的，便是希望能培養或者說改變習慣。史丹佛大學的B.J Fogg教授便是這方面行為設計的大師，這裡有些他在Ted的演講 忘掉大改變，從微習慣開始，蠻有趣的。

Self-trackers sometimes talk about “chaining" habits together by timing a new  habit like doing sit-ups just after a preexisting habit, like drinking coffee, so that they effectively become one long gesture – a morning routing, say. Pyschologists call this ‘triggering’ the behavior, or creating the reminder for an action in the routine.