Mesurer le coût de commutation de l’utilisation d’un smartphone en marchant

Parce que la pénétration des smartphones et la tendance à effectuer plusieurs tâches à la fois augmentent, il est important de comprendre l’impact de l’utilisation du smartphone en marchant sur l’attention. La littérature a démontré à maintes reprises que le changement de tâche a un coût^{de 1}, y compris l’utilisation d’un smartphone en marchant. Des études ont montré que l’utilisation d’un smartphone en marchant peut être distrayante et dangereuse ^2,3,4. Ces dangers ont été liés aux déficiences attentionnelles de faire une telle tâche 3,4,5,6,7. En raison de la nature complexe de l’environnement piétonnier, l’étudier dans un contexte expérimental écologiquement valide peut être problématique. Néanmoins, la réalisation de telles études dans des environnements piétonniers réels peut entraîner des complications qui leur sont propres, car de nombreuses variables étrangères peuvent entrer en jeu et il existe un risque de préjudice pour le participant en raison des distractions. Il est important de pouvoir étudier un tel phénomène dans un environnement relativement sûr qui reste le plus réaliste possible. Dans cet article, nous décrivons une méthodologie de recherche qui étudie le coût du changement de tâche de textos en marchant, tout en augmentant la validité de la tâche et en atténuant les risques potentiels impliqués.

Lorsqu’ils utilisent un smartphone en marchant, les individus sont obligés de passer des tâches du smartphone à la marche et aux tâches liées à l’environnement. Par conséquent, afin d’étudier un tel phénomène, nous avons trouvé pertinent d’encadrer cette méthode dans la littérature sur le multitâche, spécifiquement axée sur le paradigme de la commutation de tâche. Pour ce faire, le paradigme de changement de tâche a été utilisé¹, permettant aux participants de basculer entre une tâche pré-stimulus et une tâche post-stimulus. L’une des deux tâches préalables à la relance impliquait le multitâche, tandis que l’autre ne l’était pas. Dans la tâche post-stimulation, les participants devaient répondre à un stimulus dont la perception est influencée par une attention partagée⁸. De plus, des études expérimentales en laboratoire qui tentent d’être aussi écologiquement valides que possible ont souvent utilisé des environnements piétonniers virtuels pour comprendre l’impact attentionnel de l’utilisation du smartphone en marchant ^4,9. Néanmoins, afin de saisir les mécanismes neurophysiologiques sous-jacents, nous avons choisi de nous concentrer sur la réaction spécifique de changement de tâche à un stimulus afin de minimiser le nombre de stimuli auxquels les participants devaient réagir. De cette façon, nous pouvons identifier plus précisément le coût du changement de tâche provenant uniquement du détournement de l’attention du smartphone vers le stimulus. Avec notre plan d’étude, nous utilisons des mesures comportementales (c’est-à-dire le coût du changement de tâche) et des données neurophysiologiques pour mieux comprendre les déficiences attentionnelles trouvées lors de l’utilisation d’un smartphone piéton.

Au cours d’une expérience de changement de tâche, les participants effectuaient généralement au moins deux tâches simples relatives à un ensemble de stimuli, chaque tâche nécessitant un ensemble différent de ressources cognitives appelées « ensemble de tâches »¹. Lorsque les individus sont forcés de passer d’une tâche à l’autre, leurs ressources mentales doivent s’adapter (c.-à-d. inhibition de l’ensemble de tâches précédent et activation de l’ensemble de tâches actuel). Ce processus de « reconfiguration de l’ensemble des tâches » est considéré comme la cause du coût du changement de tâche¹. Le coût du changement de tâche est généralement déterminé en observant les différences dans le temps de réponse et/ou le taux d’erreur entre les essais où les participants passent d’une tâche à l’autre et ceux où ils ne le font pas¹⁰. Dans notre expérience, nous avions trois ensembles de tâches: 1) répondre à un stimulus de marcheur ponctuel; 2) envoyer des SMS sur un smartphone en marchant; et 3) simplement marcher. Nous avons comparé le coût du changement entre deux conditions différentes: 1) simplement marcher avant de répondre au stimulus, et 2) marcher en envoyant des SMS avant de répondre. De cette façon, nous avons capturé le coût du multitâche sur un smartphone avant de changer de tâche et avons pu le comparer directement au coût de l’interrupteur non multitâche de simplement marcher avant l’apparition du stimulus visuel. Parce que le smartphone utilisé dans cette étude était d’une marque spécifique, tous les participants ont été sélectionnés avant l’expérience pour s’assurer qu’ils savaient comment utiliser correctement l’appareil.

Afin de simuler une expérience réaliste représentative du contexte piétonnier, nous avons décidé d’utiliser une figure de marcheur à lumière ponctuelle comme stimulus visuel, représentant une forme humaine marchant avec un angle de déviation de 3,5° vers la gauche ou la droite du participant. Cette figure est composée de 15 points noirs sur fond blanc, les points représentant la tête, les épaules, les hanches, les coudes, les poignets, les genoux et les chevilles d’un humain (Figure 1). Ce stimulus est basé sur le mouvement biologique, ce qui signifie qu’il suit le schéma de mouvement typique des humains et des animaux¹¹. De plus, ce stimulus est plus que valable sur le plan écologique; Il nécessite un traitement visuel complexe et une attention particulière pour être analysé avec succès^12,13. Fait intéressant, Thornton et ^al.8 ont constaté que l’identification correcte de la direction du marcheur en forme de point est grandement influencée par l’attention divisée, ce qui la rend appropriée comme mesure de performance lors de l’étude des coûts de commutation de tâches lors du multitâche. On a demandé aux participants d’indiquer verbalement la direction dans laquelle la silhouette marchait. L’apparition du marcheur était toujours précédée d’un signal auditif qui signalait son apparition à l’écran.

La performance sur la tâche du marcheur à lumière ponctuelle et les données neurophysiologiques nous ont permis de déterminer l’impact attentionnel des deux conditions et d’aider à déterminer ce qui les a causées. La performance a été mesurée en examinant les taux d’erreur et les temps de réponse lors de la détermination de la direction de la figure du marcheur à lumière ponctuelle. Afin de comprendre les mécanismes cognitifs et attentionnels sous-jacents impliqués dans les déficiences attentionnelles que nous avons trouvées avec la mesure de performance, nous avons évalué les données neurophysiologiques des participants en utilisant l’EEG actiCAP avec 32 électrodes. L’EEG est un outil approprié en termes de précision temporaire, ce qui est important lorsque vous essayez de voir ce qui cause une mauvaise performance à des moments précis (par exemple, l’apparition de la figure du marcheur à lumière ponctuelle), bien que des artefacts puissent être présents dans les données en raison de mouvements. Lors de l’analyse des données EEG, deux indices sont particulièrement pertinents : 1) les oscillations alpha ; et 2) l’engagement cognitif. La recherche a montré que les oscillations alpha peuvent représenter le contrôle de la mémoire de travail ainsi que l’inhibition active des circuits cérébraux non pertinents pour la tâche^14,15,16,17. En comparant les oscillations alpha aux niveaux de base avec celles qui se produisent avec la présentation du stimulus^18,19, nous avons obtenu le rapport alpha. Avec ce ratio, nous avons déterminé les changements liés à l’événement qui pourraient être sous-jacents à la déficience attentionnelle observée lors de l’envoi de SMS en marchant. En ce qui concerne l’engagement cognitif, Pope et al.20 ont développé un indice où l’activité bêta représente une augmentation de l’excitation et de l’attention, et l’activité alpha et thêta reflète une diminution de l’excitation et de l’attention^21,22. Cette analyse a été effectuée pour déterminer si un engagement accru avant l’apparition du stimulus compliquerait la reconfiguration de l’ensemble de tâches requise pour répondre à la figure du marcheur.

Avec la méthodologie décrite dans cet article, nous cherchons à saisir les mécanismes sous-jacents qui ont un impact sur les performances de commutation de tâches chez les participants engagés dans des épisodes multitâches. La condition de marche représente une performance de changement de tâche non multitâche qui est comparée à une performance de changement de tâche multitâche (c’est-à-dire envoyer des SMS en marchant). En mesurant les rôles de l’inhibition et de l’activation des ensembles de tâches, nous avons cherché à mieux comprendre les coûts de commutation qui se produisent lors de l’envoi de SMS en marchant. Il est pertinent de noter que l’étude originale a été réalisée dans un environnement virtuel immersif²³ , mais a ensuite été reproduite dans une salle expérimentale (voir la figure 2) avec un projecteur affichant la figure du marcheur sur un écran devant le participant. Comme cet environnement virtuel n’est plus disponible, le protocole a été adapté à la conception actuelle de la salle expérimentale.