一項針對美國連鎖健身房逾6萬名會員開展的超大型研究（大規模現場試驗）顯示，一些時長4周、鼓勵健身的數字化項目能將人們去健身房的次數提高9%至27%。
這項12月9日發表在《自然》上的研究，報道了該超大型研究的實驗設計如何在大型人群中嚴格測試了54種行為干預措施的效力。
越來越多的政策制定者開始從行為科學中尋找改善市民決策和結果的方式。想要全面評估各種行為干預的效果，就必須對這些干預進行現場測試，并與其他干預進行對比。個體干預通常會在獨立小組中進行測試，但這種測試方法不便于開展同類比較。因此，研究人員很難確定各不相同的研究結果究竟是來自研究群體的差異，還是來自不同干預方式的效力差異。
為解決這些問題，美國賓夕法尼亞大學的Katherine Milkman、Angela Duckworth和同事引入了超大型研究的概念，提出對同一人群使用不同的干預方式。
來自美國15所大學的30名研究人員組成了多個小型獨立團隊，設計了54種為期4周的不同數字化項目，從而鼓勵美國一家連鎖健身房的61293名會員按時鍛煉。
這些干預包括數字化體驗、文字提醒、每周郵件和獎勵措施。研究人員發現，其中45%的干預措施能在這4周內顯著提高人們每周去健身房的次數（提高9%至27%）。表現最好的干預措施是在錯過一次鍛煉后，為重新回到健身房的人提供少量現金獎勵。只有8%的干預措施能帶來4周后還能測量出的行為改變。
這個超大型研究模型讓研究人員能在幾十種改變行為的不同干預措施之間進行比較——所有這些干預措施都由一個獨立科研團隊進行設計。
研究人員認為，這個模型能促使科學家提出和檢驗關于人類行為的新見解，并確保這些見解與公共政策的相關性。