Summary

Medindo o custo do interruptor do uso do smartphone durante a caminhada

Published: April 30, 2020
doi:

Summary

Este projeto de estudo mede o custo de troca de tarefas do uso de um smartphone enquanto caminha. Os participantes são submetidos a duas condições experimentais: uma condição de controle (caminhada) e uma condição multitarefa (mensagens de texto durante a caminhada). Os participantes alternam entre essas tarefas e uma tarefa que determina a direção. Dados de EEG, bem como medidas comportamentais são registrados.

Abstract

Este artigo apresenta um protocolo de estudo para medir o custo de troca de tarefas do uso de um smartphone durante a caminhada. Este método envolve fazer com que os participantes andem em uma esteira sob duas condições experimentais: uma condição de controle (ou seja, simplesmente caminhar) e uma condição multitarefa (ou seja, mensagens de texto enquanto caminha). Durante essas condições, os participantes devem alternar entre as tarefas relacionadas à condição experimental e uma tarefa determinante de direção. Esta tarefa de direção é feita com uma figura de caminhante de luz pontual, aparentemente caminhando para a esquerda ou para a direita do participante. O desempenho na tarefa de direção representa os custos de alternância de tarefas do participante. Houve duas medidas de desempenho: 1) identificação correta da direção e 2) tempo de resposta. Os dados de EEG são registrados para medir as oscilações alfa e o engajamento cognitivo que ocorrem durante a troca de tarefas. Este método é limitado em sua validade ecológica: ambientes de pedestres têm muitos estímulos ocorrendo simultaneamente e competindo por atenção. No entanto, esse método é apropriado para identificar os custos de alternância de tarefas. Os dados de EEG permitem o estudo dos mecanismos subjacentes no cérebro que estão relacionados a diferentes custos de troca de tarefas. Este design permite a comparação entre a troca de tarefas ao fazer uma tarefa de cada vez, em comparação com a troca de tarefas ao multitarefa, antes da apresentação do estímulo. Isso permite entender e identificar o impacto comportamental e neurofisiológico dessas duas condições diferentes de troca de tarefas. Além disso, correlacionando os custos de troca de tarefas com a atividade cerebral, podemos aprender mais sobre o que causa esses efeitos comportamentais. Este protocolo é uma base apropriada para estudar o custo de comutação de diferentes usos de smartphones. Diferentes tarefas, questionários e outras medidas podem ser adicionadas a ele para entender os diferentes fatores envolvidos no custo de troca de tarefas do uso do smartphone durante a caminhada.

Introduction

Como tanto a penetração do smartphone quanto a tendência à multitarefa estão aumentando, é importante entender o impacto que o uso do smartphone ao caminhar tem na atenção. A literatura demonstrou repetidamente que a troca de tarefas vem com um custo1, incluindo o uso de smartphones durante a caminhada. Estudos descobriram que o uso de um smartphone durante a caminhada pode ser perturbador e perigoso 2,3,4. Esses perigos têm sido associados aos prejuízos de atenção de realizar tal tarefa 3,4,5,6,7. Devido à natureza complexa do ambiente pedestre, estudá-lo em um contexto experimental ecologicamente válido pode ser problemático. No entanto, a realização de tais estudos em ambientes pedestres reais pode vir com complicações próprias, porque muitas variáveis estranhas podem entrar em jogo, e há um risco de danos ao participante devido a distrações. É importante ser capaz de estudar tal fenômeno em um ambiente relativamente seguro que permaneça o mais realista possível. Neste artigo, descrevemos uma metodologia de pesquisa que estuda o custo de troca de tarefas de mensagens de texto durante a caminhada, aumentando a validade da tarefa e mitigando os riscos potenciais envolvidos.

Ao usar um smartphone enquanto caminha, os indivíduos são forçados a mudar das tarefas do smartphone para tarefas de caminhada e relacionadas ao meio ambiente. Assim, para estudar tal fenômeno, achamos pertinente enquadrar esse método na literatura sobre multitarefa, especificamente focada no paradigma da troca de tarefas. Para isso, utilizou-se o paradigma de troca de tarefas1, fazendo com que os participantes alternassem entre uma tarefa pré-estímulo e uma tarefa pós-estímulo. Uma das duas tarefas pré-estímulo envolvia multitarefa, enquanto a outra não. Na tarefa pós-estímulo, os participantes tiveram que responder a um estímulo cuja percepção é influenciada pela atenção dividida8. Além disso, estudos experimentais de laboratório que tentam ser o mais ecologicamente válidos possível têm frequentemente utilizado ambientes virtuais de pedestres para entender o impacto atencional do uso de smartphones durante a caminhada 4,9. No entanto, a fim de capturar os mecanismos neurofisiológicos subjacentes, optamos por nos concentrar na reação específica de troca de tarefas a um estímulo para minimizar o número de estímulos aos quais os participantes tiveram que reagir. Desta forma, podemos identificar com mais precisão o custo de troca de tarefas proveniente puramente da mudança de atenção para longe do smartphone e para o estímulo. Com o desenho do nosso estudo, usamos medidas comportamentais (ou seja, custo de troca de tarefas) e dados neurofisiológicos para entender melhor os prejuízos de atenção encontrados durante o uso de smartphones para pedestres.

Durante um experimento de troca de tarefas, os participantes geralmente realizavam pelo menos duas tarefas simples pertencentes a um conjunto de estímulos, com cada tarefa exigindo um conjunto diferente de recursos cognitivos referidos como um “conjunto de tarefas”1. Quando os indivíduos são forçados a alternar entre tarefas, seus recursos mentais precisam se adaptar (ou seja, inibição do conjunto de tarefas anteriores e ativação do conjunto de tarefas atual). Acredita-se que esse processo de “reconfiguração do conjunto de tarefas” seja a causa do custo de alternância de tarefas1. O custo de troca de tarefas é geralmente determinado observando as diferenças no tempo de resposta e / ou na taxa de erro entre as tentativas em que os participantes alternam entre tarefas e aquelas em que não alternam10. Em nosso experimento, tivemos três conjuntos de tarefas: 1) responder a um estímulo de andador pontual-leve; 2) mensagens de texto em um smartphone enquanto caminha; e 3) simplesmente caminhar. Comparamos o custo da troca entre duas condições diferentes: 1) simplesmente andar antes de responder ao estímulo e 2) andar enquanto enviava mensagens de texto antes de responder. Dessa forma, capturamos o custo da multitarefa em um smartphone antes de alternar a tarefa e fomos capazes de compará-lo diretamente com o custo do interruptor não multitarefa de simplesmente caminhar antes do aparecimento do estímulo visual. Como o smartphone usado neste estudo era de uma marca específica, todos os participantes foram examinados antes do experimento para ter certeza de que sabiam como usar corretamente o dispositivo.

Para simular uma experiência realista representativa do contexto do pedestre, optou-se por utilizar uma figura de caminhante ponto-luz como estímulo visual, representando uma forma humana caminhando com um ângulo de desvio de 3,5° para a esquerda ou para a direita do participante. Essa figura é composta por 15 pontos pretos sobre fundo branco, com os pontos representando a cabeça, ombros, quadris, cotovelos, punhos, joelhos e tornozelos de um ser humano (Figura 1). Esse estímulo é baseado no movimento biológico, o que significa que segue o padrão de movimento típico de humanos e animais11. Além disso, esse estímulo é mais do que ecologicamente válido; requer processamento visual complexo e atenção para ser analisada com sucesso12,13. Curiosamente, Thornton et al.8 descobriram que a identificação adequada da direção do andador em forma de ponto é muito impactada pela atenção dividida, tornando-a adequada como uma medida de desempenho ao estudar os custos de troca de tarefas ao multitarefa. Os participantes foram convidados a declarar verbalmente a direção em que a figura estava andando. A aparência do andador era sempre precedida por uma sugestão auditiva que sinalizava sua aparência na tela.

O desempenho na tarefa de andador ponto-luz e os dados neurofisiológicos nos permitiram determinar o impacto atencional de ambas as condições e ajudar a determinar o que as causou. O desempenho foi medido observando as taxas de erro e os tempos de resposta ao determinar a direção da figura do andador ponto-luz. A fim de compreender os mecanismos cognitivos e atencionais subjacentes envolvidos nos comprometimentos de atenção que encontramos com a medida de desempenho, avaliamos os dados neurofisiológicos dos participantes usando o EEG actiCAP com 32 eletrodos. O EEG é uma ferramenta apropriada em termos de precisão temporária, o que é importante ao tentar ver o que causa um desempenho ruim em momentos específicos no tempo (por exemplo, a aparência da figura do andador com luz pontual), embora artefatos possam estar presentes nos dados devido a movimentos. Ao analisar os dados do EEG, dois índices são particularmente relevantes: 1) oscilações alfa; e 2) engajamento cognitivo. Pesquisas descobriram que as oscilações alfa podem representar o controle da memória de trabalho, bem como a inibição ativa de circuitos cerebrais irrelevantes para a tarefa14,15,16,17. Comparando-se as oscilações alfa nos níveis basais com as que ocorrem com a apresentação do estímulo 18,19, obteve-se a razão alfa. Com essa proporção, determinamos as mudanças relacionadas ao evento que poderiam estar subjacentes ao comprometimento da atenção observado ao enviar mensagens de texto durante a caminhada. Com relação ao engajamento cognitivo, Pope et al.20 desenvolveram um índice em que a atividade beta representa aumento da excitação e da atenção, e a atividade alfa e refletem diminuições na excitação e atenção21,22. Esta análise foi feita para determinar se o aumento do engajamento antes do aparecimento do estímulo complicaria a reconfiguração do conjunto de tarefas necessária para responder à figura do andador.

Com a metodologia descrita neste artigo, buscamos apreender os mecanismos subjacentes que afetam o desempenho da troca de tarefas em participantes envolvidos em episódios multitarefas. A condição de andar representa um desempenho de alternador de tarefas não multitarefa que é comparado a um desempenho de comutador de tarefa multitarefa (ou seja, mensagens de texto durante a caminhada). Ao medir os papéis da inibição do conjunto de tarefas e da ativação do conjunto de tarefas, procuramos entender melhor os custos de troca que ocorrem ao enviar mensagens de texto durante a caminhada. É relevante notar que o estudo original foi realizado em um ambiente virtual imersivo23 , mas posteriormente replicado em uma sala experimental (ver Figura 2) com um projetor exibindo a figura do andador em uma tela na frente do participante. Como esse ambiente virtual não está mais disponível, o protocolo foi adaptado ao desenho atual da sala experimental.

Protocol

Antes de iniciar a coleta de dados, é importante receber toda a aprovação de pesquisa ética necessária para participantes humanos. Isso deve ser feito por meio dos conselhos de revisão apropriados e / ou comitês de revisão de participantes humanos. Este protocolo foi aprovado e certificado pelo conselho de ética da HEC Montréal para a instalação de pesquisa Tech3Lab. 1. Preparação do estímulo visual Crie o modelo experimental para o estímul…

Representative Results

Este protocolo de estudo foi originalmente conduzido com 54 participantes, cada um respondendo a 88 ensaios de direção. Metade desses ensaios ocorreu quando os participantes estavam simplesmente andando antes da apresentação do estímulo; a outra metade ocorreu quando os participantes estavam enviando mensagens de texto enquanto caminhavam antes da apresentação do estímulo. Resultados comportamentaisO desempenho na direção do andador de luz pontual representa cust…

Discussion

Uma escolha crítica ao usar o protocolo seria garantir a qualidade dos dados neurofisiológicos. Há uma complicação inerente ao uso de uma ferramenta como o EEG durante o movimento, porque o movimento excessivo pode criar muito ruído nos dados. Portanto, é importante considerar, antes da coleta de dados, como os dados serão preparados para remover o maior número possível de artefatos sem modificar o sinal real. No entanto, ainda é bastante provável que haja taxas mais altas de exclusão de dados porque os part…

Offenlegungen

The authors have nothing to disclose.

Acknowledgements

Os autores reconhecem o apoio financeiro do Conselho de Pesquisa em Ciências Sociais e Humanas do Canadá (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

Referenzen

  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).

Play Video

Diesen Artikel zitieren
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