Summary

Måling af kontaktomkostningerne ved smartphone-brug, mens du går

Published: April 30, 2020
doi:

Summary

Dette undersøgelsesdesign måler omkostningerne ved at skifte opgave ved at bruge en smartphone, mens du går. Deltagerne gennemgår to eksperimentelle betingelser: en kontroltilstand (gå) og en multitasking-tilstand (sms’er, mens de går). Deltagerne skifter mellem disse opgaver og en retningsbestemmende opgave. EEG-data samt adfærdsmæssige foranstaltninger registreres.

Abstract

Dette papir præsenterer en undersøgelsesprotokol til måling af omkostningerne ved opgaveskift ved at bruge en smartphone, mens du går. Denne metode indebærer, at deltagerne går på et løbebånd under to eksperimentelle betingelser: en kontroltilstand (dvs. simpelthen at gå) og en multitasking-tilstand (dvs. sms’er, mens de går). Under disse forhold skal deltagerne skifte mellem opgaverne relateret til den eksperimentelle tilstand og en retningsbestemmende opgave. Denne retningsopgave udføres med en punkt-lys walker figur, tilsyneladende gå mod venstre eller højre for deltageren. Præstation på retningsopgaven repræsenterer deltagerens omkostninger til opgaveskift. Der var to præstationsmål: 1) korrekt identifikation af retningen og 2) responstid. EEG-data registreres for at måle alfa-svingninger og kognitivt engagement, der opstår under opgaveskiftet. Denne metode er begrænset i sin økologiske gyldighed: fodgængermiljøer har mange stimuli, der forekommer samtidigt og konkurrerer om opmærksomhed. Ikke desto mindre er denne metode velegnet til at fastslå omkostningerne ved opgaveskift. EEG-dataene gør det muligt at studere de underliggende mekanismer i hjernen, der er relateret til forskellige omkostninger til opgaveskift. Dette design gør det muligt at sammenligne opgaveskift, når du udfører en opgave ad gangen, sammenlignet med opgaveskift ved multitasking forud for stimuluspræsentationen. Dette gør det muligt at forstå og lokalisere både den adfærdsmæssige og neurofysiologiske virkning af disse to forskellige opgaveskifteforhold. Desuden kan vi ved at korrelere omkostningerne ved opgaveskift med hjerneaktiviteten lære mere om, hvad der forårsager disse adfærdsmæssige virkninger. Denne protokol er en passende base for at studere skifteomkostningerne ved forskellige smartphone-anvendelser. Forskellige opgaver, spørgeskemaer og andre foranstaltninger kan tilføjes til det for at forstå de forskellige faktorer, der er involveret i omkostningerne ved at skifte opgave ved smartphone-brug, mens du går.

Introduction

Fordi både smartphone-penetration og tendensen til at multitaske er stigende, er det vigtigt at forstå den indvirkning, smartphone-brug, mens du går, har på opmærksomheden. Litteraturen har gentagne gange vist, at opgaveskift kommer med en pris1, inklusive smartphone-brug, mens du går. Undersøgelser har vist, at brug af en smartphone, mens du går, kan være distraherende og farligt 2,3,4. Disse farer har været forbundet med opmærksomhedsforringelsen ved at udføre en sådan opgave 3,4,5,6,7. På grund af fodgængermiljøets komplekse karakter kan det være problematisk at studere det i en eksperimentel sammenhæng, der er økologisk gyldig. Ikke desto mindre kan gennemførelse af sådanne undersøgelser i faktiske fodgængermiljøer komme med komplikationer i sig selv, fordi mange fremmede variabler kan komme i spil, og der er risiko for skade på deltageren på grund af distraktioner. Det er vigtigt at kunne studere et sådant fænomen i et relativt sikkert miljø, der forbliver så realistisk som muligt. I denne artikel beskriver vi en forskningsmetode, der studerer omkostningerne ved opgaveskift ved sms’er, mens du går, samtidig med at du øger opgavens gyldighed og mindsker de potentielle risici, der er involveret.

Når du bruger en smartphone, mens du går, er enkeltpersoner tvunget til at skifte fra smartphone-opgaverne til at gå og miljørelaterede opgaver. For at studere et sådant fænomen fandt vi det derfor relevant at indramme denne metode inden for litteraturen om multitasking, specifikt fokuseret på paradigmet for opgaveskift. For at gøre dette blev opgaveskifteparadigmetbrugt 1, hvor deltagerne skiftede mellem en pre-stimulus opgave og en post-stimulus opgave. En af de to præ-stimulusopgaver involverede multitasking, mens den anden ikke gjorde det. I post-stimulus-opgaven måtte deltagerne reagere på en stimulus, hvis opfattelse er påvirket af delt opmærksomhed8. Desuden har eksperimentelle laboratorieundersøgelser, der forsøger at være så økologisk gyldige som muligt, ofte brugt virtuelle fodgængermiljøer til at forstå den opmærksomme virkning af smartphone-brug, mens du går 4,9. Ikke desto mindre, for at fange de underliggende neurofysiologiske mekanismer, valgte vi at fokusere på den specifikke opgaveskiftereaktion på en stimulus for at minimere antallet af stimuli, deltagerne skulle reagere på. På denne måde kan vi mere præcist lokalisere omkostningerne ved opgaveskift, der udelukkende kommer fra at skifte opmærksomhed væk fra smartphonen og mod stimulus. Med vores undersøgelsesdesign bruger vi adfærdsmæssige foranstaltninger (dvs. omkostninger til opgaveskift) og neurofysiologiske data for bedre at forstå de opmærksomhedsforstyrrelser, der findes under fodgængerens smartphone-brug.

Under et opgaveskifteeksperiment udførte deltagerne normalt mindst to enkle opgaver vedrørende et sæt stimuli, hvor hver opgave krævede et andet sæt kognitive ressourcer kaldet et “opgavesæt”1. Når enkeltpersoner tvinges til at skifte mellem opgaver, skal deres mentale ressourcer tilpasse sig (dvs. hæmning af tidligere opgavesæt og aktivering af det aktuelle opgavesæt). Denne “omkonfiguration af opgavesæt” menes at være årsagen til omkostningerne ved opgaveskift1. Omkostningerne ved opgaveskift bestemmes normalt ved at observere forskellene i enten svartiden og/eller fejlprocenten mellem forsøg, hvor deltagerne skifter mellem opgaver, og forsøg, hvor de ikkegør 10. I vores eksperiment havde vi tre opgavesæt: 1) at reagere på en punkt-lys walker stimulus; 2) sms’er på en smartphone, mens du går; og 3) simpelthen gå. Vi sammenlignede skifteomkostningerne mellem to forskellige forhold: 1) simpelthen at gå, før vi reagerede på stimulus, og 2) gå, mens du sms’ede, før vi svarede. På denne måde fangede vi omkostningerne ved multitasking på en smartphone, før vi skiftede opgaven, og var i stand til direkte at sammenligne dem med omkostningerne ved ikke-multitasking-switch ved blot at gå før udseendet af den visuelle stimulus. Fordi smartphonen, der blev brugt i denne undersøgelse, var af et bestemt mærke, blev alle deltagere screenet før eksperimentet for at være sikre på, at de vidste, hvordan de skulle bruge enheden korrekt.

For at simulere en realistisk oplevelse, der er repræsentativ for fodgængerkonteksten, besluttede vi at bruge en punkt-lys walker-figur som en visuel stimulus, der repræsenterer en menneskelig form, der går med en afvigelsesvinkel på 3,5 ° mod venstre eller højre for deltageren. Denne figur består af 15 sorte prikker på en hvid baggrund, hvor prikkerne repræsenterer et menneskes hoved, skuldre, hofter, albuer, håndled, knæ og ankler (figur 1). Denne stimulus er baseret på biologisk bevægelse, hvilket betyder, at den følger det bevægelsesmønster, der er typisk for mennesker og dyr11. Desuden er denne stimulus mere end økologisk gyldig; Det kræver kompleks visuel behandling og opmærksomhed for at blive analyseret med succes12,13. Interessant nok fandt Thornton et al.8, at korrekt identifikation af den punktlignende rollatorens retning i høj grad påvirkes af delt opmærksomhed, hvilket gør den velegnet som et præstationsmål, når man studerer omkostninger til opgaveskift ved multitasking. Deltagerne blev bedt om mundtligt at angive den retning, figuren gik. Udseendet af rullatoren blev altid forud for et auditivt signal, der signalerede dets udseende på skærmen.

Ydeevne på punkt-lys walker-opgaven og neurofysiologiske data gjorde det muligt for os at bestemme den opmærksomme virkning af begge tilstande og hjælpe med at bestemme, hvad der forårsagede dem. Ydeevnen blev målt ved at se på fejlprocenterne og responstiderne, når retningen af punktlysrullatorfiguren blev bestemt. For at forstå de underliggende kognitive og opmærksomhedsmekanismer, der er involveret i de opmærksomhedsforstyrrelser, vi fandt med præstationsmålet, vurderede vi deltagernes neurofysiologiske data ved hjælp af EEG actiCAP med 32 elektroder. EEG er et passende værktøj med hensyn til midlertidig præcision, hvilket er vigtigt, når man forsøger at se, hvad der forårsager dårlig ydeevne på bestemte tidspunkter (f.eks. udseendet af punkt-lys walker-figuren), selvom artefakter kan være til stede i dataene på grund af bevægelser. Ved analyse af EEG-data er to indekser særligt relevante: 1) alfa-oscillationer; og 2) kognitivt engagement. Forskning har vist, at alfa-oscillationer kan repræsentere arbejdshukommelseskontrol såvel som aktiv hæmning af opgave-irrelevante hjernekredsløb14,15,16,17. Ved at sammenligne alfa-oscillationerne ved baseline-niveauerne med dem, der forekommer med stimuluspræsentationen18,19, opnåede vi alfa-forholdet. Med dette forhold bestemte vi de hændelsesrelaterede ændringer, der kunne ligge til grund for den opmærksomhedssvækkelse, der observeres, når du sms’er, mens du går. Med hensyn til kognitivt engagement udviklede Pope et al.20 et indeks, hvor betaaktivitet repræsenterer øget ophidselse og opmærksomhed, og alfa- og thetaaktivitet afspejler fald i ophidselse og opmærksomhed21,22. Denne analyse blev udført for at afgøre, om øget engagement forud for stimulusens udseende ville komplicere den omkonfiguration af opgavesættet, der kræves for at reagere på rollatorfiguren.

Med den metode, der er beskrevet i dette papir, søger vi at forstå de underliggende mekanismer, der påvirker opgaveskiftepræstationen hos deltagere, der er involveret i multitasking-episoder. Gangtilstanden repræsenterer en ikke-multitasking opgave-switch ydeevne, der sammenlignes med en multitasking opgave-switch ydeevne (dvs. sms’er, mens du går). Ved at måle rollerne for hæmning af opgavesæt og aktivering af opgavesæt søgte vi bedre at forstå de switchomkostninger, der opstår, når du sender sms’er, mens du går. Det er relevant at bemærke, at den oprindelige undersøgelse blev udført i et fordybende virtuelt miljø23 , men senere blev replikeret i et eksperimentelt rum (se figur 2) med en projektor, der viste rollatorfiguren på en skærm foran deltageren. Da dette virtuelle miljø ikke længere er tilgængeligt, blev protokollen tilpasset det nuværende eksperimentelle rumdesign.

Protocol

Før dataindsamlingen påbegyndes, er det vigtigt at modtage al den nødvendige etiske forskningsgodkendelse for menneskelige deltagere. Dette bør ske gennem de relevante bedømmelsesudvalg og/eller bedømmelsesudvalg for menneskelige deltagere. Denne protokol blev godkendt og certificeret af det etiske råd fra HEC Montréal til Tech3Lab-forskningsfaciliteten. 1. Forberedelse af den visuelle stimulus Opret den eksperimentelle skabelon til den visuelle st…

Representative Results

Denne undersøgelsesprotokol blev oprindeligt udført med 54 deltagere, der hver reagerede på 88 retningsforsøg. Halvdelen af disse forsøg fandt sted, når deltagerne simpelthen gik forud for stimuluspræsentationen; Den anden halvdel opstod, da deltagerne sms’ede, mens de gik forud for stimuluspræsentationen. Adfærdsmæssige resultaterYdeevne i punktlysrollatorens retning repræsenterer omkostninger til opgaveskift, hvor lavere ydeevne repræsenterer højere omkostni…

Discussion

Et kritisk valg ved brug af protokollen ville være at sikre kvaliteten af de neurofysiologiske data. Der er en iboende komplikation ved at bruge et værktøj som EEG under bevægelse, fordi overdreven bevægelse kan skabe meget støj i dataene. Det er derfor vigtigt forud for dataindsamlingen at overveje, hvordan dataene vil blive forberedt til at fjerne så mange artefakter som muligt uden at ændre det faktiske signal. Ikke desto mindre er det stadig meget sandsynligt, at der vil være højere satser for dataudelukkel…

Disclosures

The authors have nothing to disclose.

Acknowledgements

Forfatterne anerkender den økonomiske støtte fra Social Sciences and Humanities Research Council of Canada (SSHERC).

Materials

The Observer XT Noldus Integration and synchronization software: The Noldus Observer XT (Noldus Information Technology) is used to synchronize all behavioral, emotional and cognitive engagement data.
MediaRecorder Noldus Audio and video recording software
FaceReader Noldus Software for automatic analysis of the 6 basic facial expressions
E-Prime Psychology Software Tools, Inc. Software for computerized experiment design, data collection, and analysis
BrainVision Recorder Brain Vision Software used for recording neuro-/electrophysiological signals (EEG in this case)
Analyzer EEG signal processing software
Qualtrics Qualtrics Online survey environment
Tapis Roulant ThermoTread GT Office Treadmill
Syncbox Noldus Syncbox start the co-registration of EEG and gaze data by sending a Transistor-Transistor Logic (TTL) signal to the EGI amplifier and a keystroke signal to the Tobii Studio v 3.2.
Move2actiCAP Brain Vision Add-on for a digital wireless system for EEG
iPhone 6s Apple
iMessage Apple
iPad Apple

References

  1. Monsell, S. Task switching. Trends in Cognitive Sciences. 7 (3), 134-140 (2003).
  2. Haga, S., et al. Effects of using a Smart Phone on Pedestrians’ Attention and Walking. Procedia Manufacturing. 3, 2574-2580 (2015).
  3. Hatfield, J., Murphy, S. The effects of mobile phone use on pedestrian crossing behaviour at signalised and unsignalised intersections. Accident Analysis, Prevention. 39 (1), (2007).
  4. Stavrinos, D., Byington, K. W., Schwebel, D. C. Distracted walking: Cell phones increase injury risk for college pedestrians. Journal of Safety Research. 42 (2), 101-107 (2011).
  5. Nasar, J., Hecht, P., Wener, R. Mobile telephones, distracted attention, and pedestrian safety. Accident Analysis, Prevention. 40 (1), 69-75 (2008).
  6. Hyman, I. E., Boss, S. M., Wise, B. M., McKenzie, K. E., Caggiano, J. M. Did you see the unicycling clown? Inattentional blindness while walking and talking on a cell phone. Applied Cognitive Psychology. 24 (5), 597-607 (2010).
  7. Pourchon, R., et al. Is augmented reality leading to more risky behaviors? An experiment with pokémon go. Proceedings of the International Conference on HCI in Business, Government, and Organizations. , 354-361 (2017).
  8. Thornton, I. M., Rensink, R. A., Shiffrar, M. Active versus Passive Processing of Biological Motion. Perception. 31 (7), 837-853 (2002).
  9. Neider, M. B., McCarley, J. S., Crowell, J. A., Kaczmarski, H., Kramer, A. F. Pedestrians, vehicles, and cell phones. Accident Analysis, Prevention. 42, 589-594 (2010).
  10. Wylie, G., Allport, A. Task switching and the measurement of “switch costs”. Psychological Research. 63 (3-4), 212-233 (2000).
  11. Johansson, G. Visual perception of biological motion and a model for its analysis. Perception, Psychophysics. 14 (2), 201-211 (1973).
  12. Cavanagh, P., Labianca, A. T., Thornton, I. M. Attention-based visual routines: Sprites. Cognition. 80 (1-2), 47-60 (2001).
  13. Troje, N. F. Retrieving Information from Human Movement Patterns. Understanding Events. , 308-334 (2008).
  14. Klimesch, W. EEG alpha and theta oscillations reflect cognitive and memory performance: A review and analysis. Brain Research Reviews. 29 (2-3), 169-195 (1999).
  15. Jensen, O., Gelfand, J., Kounios, J., Lisman, J. E. Oscillations in the Alpha Band (9-12 Hz) Increase with Memory Load during Retention in a Short-term Memory Task. Cerebral Cortex. 12 (8), 877-882 (2002).
  16. Busch, N. A., Herrmann, C. S. Object-load and feature-load modulate EEG in a short-term memory task. NeuroReport. 14 (13), 1721-1724 (2003).
  17. Herrmann, C. S., Senkowski, D., Röttger, S. Phase-Locking and Amplitude Modulations of EEG Alpha. Experimental Psychology. 51 (4), 311-318 (2004).
  18. Pfurtscheller, G., Aranibar, A. Event-related cortical desynchronization detected by power measurements of scalp EEG. Electroencephalography and Clinical Neurophysiology. 42 (6), 817-826 (1977).
  19. Sauseng, P., et al. EEG alpha synchronization and functional coupling during top-down processing in a working memory task. Human Brain Mapping. 26 (2), 148-155 (2005).
  20. Pope, A. T., Bogart, E. H., Bartolome, D. S. Biocybernetic system evaluates indices of operator engagement in automated task. Biological Psychology. 40 (1-2), 187-195 (1995).
  21. Scerbo, M. W., Freeman, F. G., Mikulka, P. J. A brain-based system for adaptive automation. Theoretical Issues in Ergonomics Science. 4 (1-2), 200-219 (2003).
  22. Charland, P., et al. Assessing the Multiple Dimensions of Engagement to Characterize Learning: A Neurophysiological Perspective. Journal of Visualized Experiments. (101), e52627 (2015).
  23. Courtemanche, F., et al. Texting while walking: An expensive switch cost. Accident Analysis, Prevention. 127, 1-8 (2019).
  24. Townsend, J. T., Ashby, F. G. . The stochastic modeling of elementary psychological processes. , (1983).
  25. Jung, T., et al. Removal of eye activity artifacts from visual event-related potentials in normal and clinical subjects. Clinical Neurophysiology. 111, 1745-1758 (2000).
  26. Luck, S. J. . An Introduction to the Event-related Potential Technique (Cognitive Neuroscience). , (2005).
  27. Steiger, J. H. Tests for comparing elements of a correlation matrix. Psychological Bulletin. 87 (2), 245-251 (1980).
  28. Léger, P. -. M., Davis, F., Riedl, R., vom Brocke, J., Léger, P. -. M., Randolph, A., Fischer, T. H., et al. Task Switching and Visual Discrimination in Pedestrian Mobile Multitasking: Influence of IT Mobile Task Type. Information Systems and Neuroscience: Vienna Retreat on NeuroIs 2019. , 245-251 (2020).
  29. Mourra, G. N. . Addicted to my smartphone: what factors influence the task-switching cost that occurs when using a smartphone while walking. , (2019).
  30. Schabrun, S. M., van den Hoorn, W., Moorcroft, A., Greenland, C., Hodges, P. W. Texting and walking: strategies for postural control and implications for safety. PloS One. 9 (1), 84312 (2014).
check_url/cn/60555?article_type=t

Play Video

Cite This Article
Mourra, G. N., Brieugne, D., Rucco, E., Labonté-Lemoyne, É., Courtemanche, F., Sénécal, S., Fredette, M., Cameron, A., Faubert, J., Lepore, F., Bellavance, F., Léger, P. Measuring the Switch Cost of Smartphone Use While Walking. J. Vis. Exp. (158), e60555, doi:10.3791/60555 (2020).

View Video