Summary

Mäta switchkostnaden för smartphoneanvändning när du går

Published: April 30, 2020
doi:

Summary

Denna studiedesign mäter uppgiftsväxlingskostnaden för att använda en smartphone medan du går. Deltagarna genomgår två experimentella förhållanden: ett kontrollvillkor (promenader) och ett multitasking-tillstånd (textning medan de går). Deltagarna växlar mellan dessa uppgifter och en riktningsbestämmande uppgift. EEG-data samt beteendeåtgärder registreras.

Abstract

Detta dokument presenterar ett studieprotokoll för att mäta uppgiftsväxlingskostnaden för att använda en smartphone medan du går. Denna metod innebär att deltagarna går på ett löpband under två experimentella förhållanden: ett kontrollvillkor (dvs helt enkelt promenader) och ett multitasking-tillstånd (dvs. textning medan du går). Under dessa förhållanden måste deltagarna växla mellan de uppgifter som är relaterade till experimenttillståndet och en riktningsbestämmande uppgift. Denna riktningsuppgift görs med en pekljusvandrare, som till synes går mot vänster eller höger om deltagaren. Prestanda för riktningsuppgiften representerar deltagarens kostnader för uppgiftsbyte. Det fanns två prestandamått: 1) korrekt identifiering av riktningen och 2) svarstid. EEG-data registreras för att mäta alfaoscillationer och kognitivt engagemang som uppstår under uppgiftsomkopplaren. Denna metod är begränsad i sin ekologiska validitet: fotgängarmiljöer har många stimuli som uppträder samtidigt och konkurrerar om uppmärksamhet. Icke desto mindre är denna metod lämplig för att fastställa kostnader för uppgiftsbyte. EEG-data gör det möjligt att studera de underliggande mekanismerna i hjärnan som är relaterade till olika uppgiftsväxlingskostnader. Denna design gör det möjligt att jämföra mellan uppgiftsväxling när du gör en uppgift i taget, jämfört med uppgiftsväxling vid multitasking, före stimulanspresentationen. Detta gör det möjligt att förstå och fastställa både beteendemässiga och neurofysiologiska effekterna av dessa två olika uppgiftsväxlingsförhållanden. Genom att korrelera uppgiftsväxlingskostnaderna med hjärnaktiviteten kan vi dessutom lära oss mer om vad som orsakar dessa beteendeeffekter. Detta protokoll är en lämplig bas för att studera växlingskostnaden för olika smartphone-användningar. Olika uppgifter, frågeformulär och andra åtgärder kan läggas till för att förstå de olika faktorer som är involverade i uppgiftsväxlingskostnaden för smartphoneanvändning när du går.

Introduction

Eftersom både smartphone-penetration och tendensen till multitasking ökar är det viktigt att förstå vilken inverkan smartphone-användning när du går har på uppmärksamhet. Litteraturen har upprepade gånger visat att uppgiftsväxling kostar1, inklusive smartphoneanvändning när du går. Studier har visat att det kan vara distraherande och farligtatt använda en smartphone medan du går, 2,3,4. Dessa faror har kopplats till uppmärksamhetsskadorna för att göra en sådan uppgift 3,4,5,6,7. På grund av fotgängarmiljöns komplexa natur kan det vara problematiskt att studera den i ett experimentellt sammanhang som är ekologiskt giltigt. Att genomföra sådana studier i faktiska fotgängarmiljöer kan dock medföra egna komplikationer eftersom många främmande variabler kan spela in och det finns risk för skada för deltagaren på grund av distraktioner. Det är viktigt att kunna studera ett sådant fenomen i en relativt säker miljö som förblir så realistisk som möjligt. I den här artikeln beskriver vi en forskningsmetod som studerar uppgiftsväxlingskostnaden för textning medan du går, samtidigt som du ökar uppgiftens giltighet och mildrar de potentiella riskerna.

När du använder en smartphone medan du går, tvingas individer att byta från smartphone-uppgifterna till promenader och miljörelaterade uppgifter. För att studera ett sådant fenomen fann vi det därför relevant att rama in denna metod inom litteraturen om multitasking, särskilt fokuserad på uppgiftsväxlingsparadigmet. För att göra detta användes uppgiftsväxlingsparadigmet1, där deltagarna växlade mellan en pre-stimulansuppgift och en poststimulansuppgift. En av de två uppgifterna före stimulans involverade multitasking, medan den andra inte gjorde det. I uppgiften efter stimulans var deltagarna tvungna att svara på en stimulans vars uppfattning påverkas av delad uppmärksamhet8. Dessutom har experimentella laboratoriestudier som försöker vara så ekologiskt giltiga som möjligt ofta använt virtuella fotgängarmiljöer för att förstå uppmärksamhetseffekten av smartphoneanvändning när man går 4,9. För att fånga de underliggande neurofysiologiska mekanismerna valde vi dock att fokusera på den specifika uppgiftsväxlingsreaktionen på en stimulans för att minimera antalet stimuli som deltagarna var tvungna att reagera på. På detta sätt kan vi mer exakt fastställa uppgiftsväxlingskostnaden som enbart kommer från att flytta uppmärksamheten från smarttelefonen och mot stimulansen. Med vår studiedesign använder vi beteendeåtgärder (dvs. uppgiftsväxlingskostnad) och neurofysiologiska data för att bättre förstå de uppmärksamhetsskador som finns vid användning av fotgängare.

Under ett uppgiftsväxlingsexperiment utförde deltagarna vanligtvis minst två enkla uppgifter som hänför sig till en uppsättning stimuli, där varje uppgift kräver en annan uppsättning kognitiva resurser som kallas en “uppgiftsuppsättning”1. När individer tvingas växla mellan uppgifter måste deras mentala resurser anpassas (dvs. hämning av tidigare uppgiftsuppsättning och aktivering av den aktuella uppgiftsuppsättningen). Denna “omkonfigurering av uppgiftsuppsättningar” -processen tros vara orsaken till kostnaden för uppgiftsväxling1. Kostnaden för uppgiftsbyte bestäms vanligtvis genom att observera skillnaderna i antingen svarstid och/eller felprocent mellan försök där deltagarna växlar mellan uppgifter och de där de inte gördet 10. I vårt experiment hade vi tre uppgiftsuppsättningar: 1) svara på en stimulans för punktljusvandrare; 2) textning på en smartphone medan du går; och 3) helt enkelt gå. Vi jämförde växlingskostnaden mellan två olika förhållanden: 1) helt enkelt gå innan du svarade på stimulansen och 2) gå medan du smsar innan du svarar. På detta sätt fångade vi kostnaden för multitasking på en smartphone innan vi bytte uppgift och kunde direkt jämföra den med kostnaden för icke-multitasking-omkopplare för att helt enkelt gå före utseendet på den visuella stimulansen. Eftersom smarttelefonen som användes i denna studie var av ett specifikt märke, screenades alla deltagare före experimentet för att vara säkra på att de visste hur man korrekt använder enheten.

För att simulera en realistisk upplevelse som är representativ för fotgängarkontexten bestämde vi oss för att använda en rullatorfigur som en visuell stimulans, som representerar en mänsklig form som går med en avvikelsevinkel på 3,5 ° mot vänster eller höger om deltagaren. Denna figur består av 15 svarta prickar på en vit bakgrund, med prickarna som representerar huvudet, axlarna, höfterna, armbågarna, handlederna, knäna och anklarna hos en människa (figur 1). Denna stimulans är baserad på biologisk rörelse, vilket innebär att den följer det rörelsemönster som är typiskt för människor och djur11. Dessutom är denna stimulans mer än ekologiskt giltig; Det kräver komplex visuell bearbetning och uppmärksamhet för att kunna analyseras framgångsrikt12,13. Intressant nog fann Thornton et al.8 att korrekt identifiering av den punktliknande vandrarens riktning påverkas starkt av delad uppmärksamhet, vilket gör den lämplig som ett prestationsmått när man studerar uppgiftsväxlingskostnader vid multitasking. Deltagarna ombads att muntligt ange riktningen figuren gick. Utseendet på vandraren föregicks alltid av en hörselsignal som signalerade sitt utseende på skärmen.

Prestanda på punktljusvandraruppgiften och neurofysiologiska data gjorde det möjligt för oss att bestämma uppmärksamhetseffekten av båda tillstånden och hjälpa till att bestämma vad som orsakade dem. Prestanda mättes genom att titta på felfrekvenser och svarstider när man bestämde riktningen för punktljusvandraren. För att förstå de underliggande kognitiva och uppmärksamhetsmekanismerna som är involverade i de uppmärksamhetsskador vi hittade med prestationsmåttet bedömde vi deltagarnas neurofysiologiska data med hjälp av EEG actiCAP med 32 elektroder. EEG är ett lämpligt verktyg när det gäller tillfällig precision, vilket är viktigt när man försöker se vad som orsakar dålig prestanda vid specifika tidpunkter (t.ex. utseendet på pekljusvandraren), även om artefakter kan finnas i data på grund av rörelser. Vid analys av EEG-data är två index särskilt relevanta: 1) alfaoscillationer; och 2) kognitivt engagemang. Forskning har visat att alfa-svängningar kan representera arbetsminneskontroll samt aktiv hämning av uppgiftsirrelevanta hjärnkretsar14,15,16,17. Genom att jämföra alfaoscillationerna vid baslinjenivåer med de som inträffade med stimulanspresentationen18,19 erhöll vi alfaförhållandet. Med detta förhållande bestämde vi de händelserelaterade förändringarna som kan ligga bakom den uppmärksamhetsskada som observerats vid textning medan du går. När det gäller kognitivt engagemang utvecklade Pope et al.20 ett index där betaaktivitet representerar ökad upphetsning och uppmärksamhet, och alfa- och thetaaktivitet återspeglar minskningar i upphetsning och uppmärksamhet21,22. Denna analys gjordes för att avgöra om ökat engagemang före stimulansens utseende skulle komplicera den omkonfigurering av uppgiftsuppsättningen som krävs för att svara på rullatorfiguren.

Med den metod som beskrivs i detta dokument försöker vi förstå de underliggande mekanismerna som påverkar uppgiftsväxlingsprestanda hos deltagare som deltar i multitasking-episoder. Gångvillkoret representerar en icke-multitasking-uppgiftsväxlingsprestanda som jämförs med en multitasking-uppgiftsväxlingsprestanda (dvs. textning medan du går). Genom att mäta rollerna för uppgiftsuppsättningshämning och aktivering av uppgiftsuppsättningar försökte vi bättre förstå de växelkostnader som uppstår när du skickar sms medan du går. Det är relevant att notera att den ursprungliga studien gjordes i en uppslukande virtuell miljö23 men senare replikerades i ett experimentrum (se figur 2) med en projektor som visar rollatorfiguren på en skärm framför deltagaren. Eftersom den här virtuella miljön inte längre är tillgänglig anpassades protokollet till den nuvarande experimentella rumsdesignen.

Protocol

Innan datainsamlingen påbörjas är det viktigt att få allt nödvändigt etiskt forskningsgodkännande för mänskliga deltagare. Detta bör göras genom lämpliga granskningsnämnder och/eller granskningskommittéer för mänskliga deltagare. Detta protokoll godkändes och certifierades av etiknämnden från HEC Montréal för Tech3Labs forskningsanläggning. 1. Förberedelse av den visuella stimulansen Skapa experimentmallen för den visuella stimulans…

Representative Results

Detta studieprotokoll genomfördes ursprungligen med 54 deltagare, var och en svarade på 88 riktningsförsök. Hälften av dessa försök inträffade när deltagarna helt enkelt gick före stimulanspresentationen; Den andra hälften inträffade när deltagarna textade medan de gick före stimulanspresentationen. Beteendemässiga resultatPrestanda i punktljusvandrarens riktning representerar kostnader för uppgiftsväxling, med lägre prestanda som representerar högre kos…

Discussion

Ett kritiskt val när man använder protokollet skulle vara att säkerställa kvaliteten på neurofysiologiska data. Det finns en inneboende komplikation med att använda ett verktyg som EEG under rörelse, eftersom överdriven rörelse kan skapa mycket brus i data. Det är därför viktigt att före datainsamlingen överväga hur data kommer att förberedas för att ta bort så många artefakter som möjligt utan att ändra den faktiska signalen. Ändå är det fortfarande ganska troligt att det kommer att finnas högre…

Disclosures

The authors have nothing to disclose.

Acknowledgements

Författarna erkänner det ekonomiska stödet från 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