Summary

Het meten van de switchkosten van smartphonegebruik tijdens het lopen

Published: April 30, 2020
doi:

Summary

Dit onderzoeksontwerp meet de taakwisselingskosten van het gebruik van een smartphone tijdens het lopen. Deelnemers ondergaan twee experimentele condities: een controleconditie (lopen) en een multitasking conditie (sms’en tijdens het lopen). Deelnemers schakelen tussen deze taken en een richting bepalende taak. EEG-gegevens en gedragsmaatregelen worden geregistreerd.

Abstract

Dit artikel presenteert een studieprotocol om de kosten voor het wisselen van taken van het gebruik van een smartphone tijdens het lopen te meten. Deze methode houdt in dat deelnemers op een loopband lopen onder twee experimentele omstandigheden: een controleconditie (d.w.z. gewoon lopen) en een multitasking-conditie (d.w.z. sms’en tijdens het lopen). Tijdens deze omstandigheden moeten de deelnemers schakelen tussen de taken met betrekking tot de experimentele toestand en een richtingsbepalende taak. Deze richtingstaak wordt gedaan met een lichtvoetige wandelfiguur, die schijnbaar naar links of rechts van de deelnemer loopt. De prestaties van de richtingstaak vertegenwoordigen de kosten van de deelnemer voor het schakelen tussen taken. Er waren twee prestatiemetingen: 1) correcte identificatie van de richting en 2) responstijd. EEG-gegevens worden geregistreerd om de alfa-oscillaties en cognitieve betrokkenheid te meten die optreden tijdens de taakwisseling. Deze methode is beperkt in zijn ecologische geldigheid: voetgangersomgevingen hebben veel stimuli die tegelijkertijd plaatsvinden en concurreren om aandacht. Niettemin is deze methode geschikt voor het vaststellen van de kosten voor het schakelen tussen taken. De EEG-gegevens maken de studie mogelijk van de onderliggende mechanismen in de hersenen die verband houden met verschillende kosten voor het schakelen tussen taken. Dit ontwerp maakt het mogelijk om te vergelijken tussen taakwisselingen bij het uitvoeren van één taak tegelijk, in vergelijking met taakwisseling bij multitasking, voorafgaand aan de stimuluspresentatie. Dit maakt het mogelijk om zowel de gedragsmatige als neurofysiologische impact van deze twee verschillende taakwisselingscondities te begrijpen en te lokaliseren. Bovendien, door de kosten van taakwisseling te correleren met de hersenactiviteit, kunnen we meer te weten komen over wat deze gedragseffecten veroorzaakt. Dit protocol is een geschikte basis voor het bestuderen van de overstapkosten van verschillende smartphonegebruiken. Verschillende taken, vragenlijsten en andere maatregelen kunnen eraan worden toegevoegd om de verschillende factoren te begrijpen die betrokken zijn bij de taakwisselingskosten van smartphonegebruik tijdens het lopen.

Introduction

Omdat zowel de penetratie van smartphones als de neiging tot multitasken toenemen, is het belangrijk om de impact van smartphonegebruik tijdens het lopen op de aandacht te begrijpen. De literatuur heeft herhaaldelijk aangetoond dat taakwisseling kosten met zich meebrengt1, inclusief smartphonegebruik tijdens het lopen. Studies hebben aangetoond dat het gebruik van een smartphone tijdens het lopen afleidend en gevaarlijk kan zijn 2,3,4. Deze gevaren zijn in verband gebracht met de aandachtsstoornissen van het uitvoeren van een dergelijke taak 3,4,5,6,7. Vanwege de complexe aard van de voetgangersomgeving kan het bestuderen ervan in een experimentele context die ecologisch geldig is, problematisch zijn. Niettemin kan het uitvoeren van dergelijke studies in echte voetgangersomgevingen zelf complicaties met zich meebrengen, omdat veel externe variabelen een rol kunnen spelen en er een risico is op schade aan de deelnemer als gevolg van afleiding. Het is belangrijk om zo’n fenomeen te kunnen bestuderen in een relatief veilige omgeving die zo realistisch mogelijk blijft. In dit artikel beschrijven we een onderzoeksmethodologie die de kosten van het wisselen van taken van sms’en tijdens het lopen bestudeert, terwijl zowel de geldigheid van de taak wordt verhoogd als de potentiële risico’s worden beperkt.

Bij het gebruik van een smartphone tijdens het lopen, worden individuen gedwongen om over te schakelen van de smartphonetaken naar wandel- en omgevingsgerelateerde taken. Om een dergelijk fenomeen te bestuderen, vonden we het daarom relevant om deze methode te kaderen in de literatuur over multitasking, specifiek gericht op het taakwisselingsparadigma. Om dit te doen, werd het taakwisselingsparadigma gebruikt1, waarbij deelnemers moesten schakelen tussen een pre-stimulustaak en een post-stimulustaak. Een van de twee pre-stimulustaken betrof multitasking, terwijl de andere dat niet deed. In de post-stimulus taak moesten deelnemers reageren op een stimulus waarvan de perceptie wordt beïnvloed door verdeelde aandacht8. Bovendien hebben experimentele laboratoriumstudies die proberen zo ecologisch geldig mogelijk te zijn, vaak virtuele voetgangersomgevingen gebruikt om de aandachtsimpact van smartphonegebruik tijdens het lopen te begrijpen 4,9. Niettemin, om de onderliggende neurofysiologische mechanismen vast te leggen, kozen we ervoor om ons te concentreren op de specifieke taak-schakelende reactie op één stimulus om het aantal stimuli waarop deelnemers moesten reageren te minimaliseren. Op deze manier kunnen we nauwkeuriger de kosten voor het schakelen van taken vaststellen die puur afkomstig zijn van het verschuiven van de aandacht weg van de smartphone naar de stimulus. Met onze onderzoeksopzet gebruiken we gedragsmetingen (d.w.z. kosten voor het wisselen van taken) en neurofysiologische gegevens om de aandachtsstoornissen die worden gevonden tijdens het gebruik van voetgangers smartphones beter te begrijpen.

Tijdens een taakwisselingsexperiment voerden deelnemers meestal ten minste twee eenvoudige taken uit met betrekking tot een reeks stimuli, waarbij elke taak een andere set cognitieve bronnen vereist die een “takenset” wordt genoemd 1. Wanneer individuen gedwongen worden om tussen taken te schakelen, moeten hun mentale middelen zich aanpassen (d.w.z. remming van eerdere takenset en activering van de huidige takenset). Dit “task-set herconfiguratie” proces wordt verondersteld de oorzaak te zijn van de taak-switching kosten1. De kosten voor het wisselen van taken worden meestal bepaald door de verschillen in de responstijd en/of het foutenpercentage tussen onderzoeken waarbij deelnemers schakelen tussen taken en die waar ze dat niet doen10. In ons experiment hadden we drie takensets: 1) reageren op een stimulus van een point-light walker; 2) sms’en op een smartphone tijdens het lopen; en 3) gewoon lopen. We vergeleken de schakelkosten tussen twee verschillende omstandigheden: 1) gewoon lopen voordat je op de stimulus reageert, en 2) lopen tijdens het sms’en voordat je reageert. Op deze manier legden we de kosten van multitasking op een smartphone vast voordat we de taak overschakelden en konden we deze direct vergelijken met de niet-multitasking-switchkosten van gewoon lopen vóór het verschijnen van de visuele stimulus. Omdat de smartphone die in dit onderzoek werd gebruikt van een specifiek merk was, werden alle deelnemers voorafgaand aan het experiment gescreend om er zeker van te zijn dat ze wisten hoe ze het apparaat op de juiste manier moesten gebruiken.

Om een realistische ervaring te simuleren die representatief is voor de voetgangerscontext, hebben we besloten om een point-light walker-figuur te gebruiken als een visuele stimulus, die een menselijke vorm vertegenwoordigt die loopt met een afwijkingshoek van 3,5 ° naar links of rechts van de deelnemer. Deze figuur bestaat uit 15 zwarte stippen op een witte achtergrond, waarbij de stippen het hoofd, de schouders, heupen, ellebogen, polsen, knieën en enkels van een mens vertegenwoordigen (figuur 1). Deze stimulus is gebaseerd op biologische beweging, wat betekent dat het het bewegingspatroon volgt dat typisch is voor mens en dier11. Bovendien is deze prikkel meer dan ecologisch geldig; het vereist complexe visuele verwerking en aandacht om succesvol te worden geanalyseerd12,13. Interessant is dat Thornton et al.8 ontdekten dat een goede identificatie van de richting van de puntachtige wandelaar sterk wordt beïnvloed door verdeelde aandacht, waardoor het geschikt is als prestatiemaatstaf bij het bestuderen van taakwisselingskosten bij multitasking. Deelnemers werd gevraagd om mondeling aan te geven in welke richting de figuur liep. Het uiterlijk van de wandelaar werd altijd voorafgegaan door een auditieve aanwijzing die zijn verschijning op het scherm aangaf.

Prestaties op de point-light walker-taak en neurofysiologische gegevens stelden ons in staat om de aandachtsimpact van beide aandoeningen te bepalen en te helpen bepalen wat ze veroorzaakte. De prestaties werden gemeten door te kijken naar de foutpercentages en responstijden bij het bepalen van de richting van de point-light walker-figuur. Om de onderliggende cognitieve en aandachtsmechanismen te begrijpen die betrokken zijn bij de aandachtsstoornissen die we vonden met de prestatiemaatstaf, beoordeelden we de neurofysiologische gegevens van de deelnemers met behulp van de EEG-actiCAP met 32 elektroden. EEG is een geschikt hulpmiddel in termen van tijdelijke precisie, wat belangrijk is bij het proberen te zien wat slechte prestaties op specifieke momenten in de tijd veroorzaakt (bijvoorbeeld het uiterlijk van de point-light walker-figuur), hoewel artefacten in de gegevens aanwezig kunnen zijn als gevolg van bewegingen. Bij het analyseren van de EEG-gegevens zijn twee indexen bijzonder relevant: 1) alfa-oscillaties; en 2) cognitieve betrokkenheid. Onderzoek heeft aangetoond dat alfa-oscillaties zowel werkgeheugencontrole als actieve remming van taak-irrelevante hersencircuits kunnen vertegenwoordigen 14,15,16,17. Door de alfa-oscillaties op basisniveau te vergelijken met die met de stimuluspresentatie18,19, verkregen we de alfa-ratio. Met deze ratio bepaalden we de gebeurtenisgerelateerde veranderingen die ten grondslag kunnen liggen aan de aandachtsstoornis die wordt waargenomen tijdens het sms’en tijdens het lopen. Met betrekking tot cognitieve betrokkenheid ontwikkelden Pope et al.20 een index waarbij bèta-activiteit verhoogde opwinding en aandacht vertegenwoordigt, en alfa- en theta-activiteit een afname van opwinding en aandacht weerspiegelen21,22. Deze analyse werd uitgevoerd om te bepalen of verhoogde betrokkenheid voorafgaand aan het verschijnen van de stimulus de herconfiguratie van de takenset zou bemoeilijken die nodig is om te reageren op het walker-figuur.

Met de methodologie die in dit artikel wordt beschreven, proberen we de onderliggende mechanismen te begrijpen die van invloed zijn op de prestaties van taakwisseling bij deelnemers die zich bezighouden met multitasking-episodes. De loopconditie vertegenwoordigt een niet-multitaskingtaakschakelaarprestatie die wordt vergeleken met een multitaskingtaakschakelaar (d.w.z. sms’en tijdens het lopen). Door de rollen van remming van takensets en activering van takensets te meten, probeerden we de schakelkosten die optreden bij het sms’en tijdens het lopen beter te begrijpen. Het is relevant om op te merken dat de oorspronkelijke studie werd uitgevoerd in een meeslepende virtuele omgeving23 , maar later werd gerepliceerd in een experimentele ruimte (zie figuur 2) met een projector die de walker-figuur op een scherm voor de deelnemer weergeeft. Omdat deze virtuele omgeving niet meer beschikbaar is, is het protocol aangepast aan het huidige experimentele ruimteontwerp.

Protocol

Voordat u met de gegevensverzameling begint, is het belangrijk om alle noodzakelijke ethische onderzoeksgoedkeuring voor menselijke deelnemers te ontvangen. Dit moet gebeuren via de juiste toetsingscommissies en/of beoordelingscommissies voor menselijke deelnemers. Dit protocol is goedgekeurd en gecertificeerd door de ethische commissie van HEC Montréal voor de Tech3Lab onderzoeksfaciliteit. 1. Voorbereiding van de visuele stimulus Maak de experimentele s…

Representative Results

Dit onderzoeksprotocol werd oorspronkelijk uitgevoerd met 54 deelnemers, die elk reageerden op 88 richtingsproeven. De helft van die onderzoeken vond plaats wanneer deelnemers gewoon liepen voorafgaand aan de stimuluspresentatie; de andere helft deed zich voor wanneer de deelnemers aan het sms’en waren tijdens het lopen voorafgaand aan de stimuluspresentatie. GedragsresultatenPrestaties op de richting van de point-light walker vertegenwoordigen de kosten voor het schakelen…

Discussion

Een cruciale keuze bij het gebruik van het protocol zou het waarborgen van de kwaliteit van de neurofysiologische gegevens zijn. Er is een inherente complicatie aan het gebruik van een hulpmiddel zoals EEG tijdens beweging, omdat overmatige beweging veel ruis in de gegevens kan veroorzaken. Het is daarom belangrijk om voorafgaand aan de gegevensverzameling te overwegen hoe de gegevens worden voorbereid om zoveel mogelijk artefacten te verwijderen zonder het werkelijke signaal te wijzigen. Niettemin is het nog steeds vrij…

Disclosures

The authors have nothing to disclose.

Acknowledgements

De auteurs erkennen de financiële steun van de 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