この研究デザインは、歩行中にスマートフォンを使用する場合のタスク切り替えコストを測定します。参加者は、対照条件(歩行)とマルチタスク条件(歩行中のテキストメッセージ)の2つの実験条件を経験します。参加者は、これらのタスクと方向決定タスクを切り替えます。脳波データと行動測定が記録されます。
本稿では,歩行中にスマートフォンを使用する場合のタスク切り替えコストを測定するための研究プロトコルを提示する.この方法では、対照条件(すなわち、単に歩く)とマルチタスク条件(すなわち、歩行中のテキストメッセージ)の2つの実験条件下で参加者にトレッドミル上を歩かせる。これらの条件の間、参加者は実験条件に関連するタスクと方向決定タスクを切り替える必要があります。この方向タスクは、参加者の左または右に向かって歩いているように見えるポイントライトウォーカーフィギュアで行われます。方向タスクのパフォーマンスは、参加者のタスク切り替えコストを表します。2つのパフォーマンス指標がありました:1)方向の正しい識別と2)応答時間。EEGデータは、タスク切り替え中に発生するアルファ振動および認知的関与を測定するために記録される。この方法は生態学的妥当性において制限されている:歩行者環境は多くの刺激が同時に発生し、注意を奪い合う。それでも、この方法はタスク切り替えのコストを特定するのに適しています。EEGデータにより、さまざまなタスク切り替えコストに関連する脳の根底にあるメカニズムの研究が可能になります。この設計により、刺激呈示の前に、マルチタスク時のタスク切り替えと比較して、一度に1つのタスクを実行するときのタスク切り替えの比較が可能になります。これにより、これら2つの異なるタスク切り替え条件の行動的影響と神経生理学的影響の両方を理解し、特定することができます。さらに、タスク切り替えのコストを脳活動と相関させることで、これらの行動効果の原因についてさらに学ぶことができます。このプロトコルは、さまざまなスマートフォン使用のスイッチングコストを調査するための適切な基盤です。歩行中のスマートフォン使用のタスク切り替えコストに関連するさまざまな要因を理解するために、さまざまなタスク、アンケート、およびその他の対策を追加できます。
スマートフォンの普及率とマルチタスクの傾向の両方が高まっているため、歩行中のスマートフォンの使用が注意に与える影響を理解することが重要です。文献は、タスクの切り替えには、歩行中のスマートフォンの使用を含め、コスト1が伴うことを繰り返し示しています。研究によると、歩きながらスマートフォンを使用すると、気が散り、危険な場合があります2,3,4。これらの危険は、そのようなタスクを実行することの注意障害に関連しています3,4,5,6,7。歩行者環境の複雑な性質のために、生態学的に有効な実験的文脈でそれを研究することは問題になる可能性があります。それにもかかわらず、実際の歩行者環境でそのような研究を実施することは、多くの無関係な変数が作用する可能性があり、注意散漫のために参加者に害を及ぼすリスクがあるため、それ自体が複雑になる可能性があります。可能な限り現実的な比較的安全な環境でこのような現象を研究できることが重要です。この記事では、歩行中のテキストメッセージのタスク切り替えコストを調査しながら、タスクの有効性を高め、関連する潜在的なリスクを軽減する調査方法について説明します。
歩行中にスマートフォンを使用する場合、個人はスマートフォンのタスクから歩行および環境関連のタスクに切り替えることを余儀なくされます。したがって、このような現象を研究するためには、マルチタスクに関する文献の中でこの方法を組み立てることが適切であり、特にタスク切り替えパラダイムに焦点を当てていることがわかりました。これを行うために、タスク切り替えパラダイムが使用されました 1、参加者に刺激前のタスクと刺激後のタスクを切り替えるようにしました。2つの刺激前タスクのうちの1つはマルチタスクを含み、もう1つはそうではありませんでした。刺激後の課題では、参加者は、知覚が分割注意の影響を受ける刺激に反応しなければなりませんでした8。さらに、可能な限り生態学的に有効であろうとする実験実験室の研究では、歩行中のスマートフォン使用の注意の影響を理解するために、仮想歩行者環境を使用することがよくあります4,9。それにもかかわらず、根底にある神経生理学的メカニズムを捉えるために、参加者が反応しなければならない刺激の数を最小限に抑えるために、1つの刺激に対する特定のタスク切り替え反応に焦点を当てることを選択しました。このようにして、スマートフォンから刺激に注意を向けることから生じるタスク切り替えコストをより正確に特定できます。私たちの研究デザインでは、行動測定(つまり、タスク切り替えコスト)と神経生理学的データを使用して、歩行者のスマートフォン使用中に見られる注意障害をよりよく理解します。
タスク切り替え実験中、参加者は通常、一連の刺激に関連する少なくとも2つの単純なタスクを実行し、各タスクには「タスクセット」と呼ばれる異なる認知リソースのセットが必要です1。個人がタスク間の切り替えを余儀なくされた場合、彼らの精神的資源は適応する必要があります(すなわち、前のタスクセットの抑制と現在のタスクセットの活性化)。この「タスクセット再構成」処理が、タスク切替コスト1の原因であると考えられる。タスク切り替えコストは通常、参加者がタスクを切り替える試行と切り替えない試行間の応答時間および/またはエラー率のいずれかの違いを観察することによって決定されます10。私たちの実験では、3つのタスクセットがありました:1)ポイントライトウォーカー刺激に反応します。2)歩きながらスマートフォンでテキストメッセージを送る。3)単に歩く。1)刺激に反応する前に単に歩く、2)応答する前にテキストメッセージを送りながら歩くという2つの異なる条件の間で切り替えコストを比較した。このようにして、タスクを切り替える前にスマートフォンでマルチタスクのコストをキャプチャし、視覚刺激が現れる前に単に歩くという非マルチタスクのスイッチコストと直接比較することができました。この研究で使用されたスマートフォンは特定のブランドのものであったため、すべての参加者は実験前にスクリーニングされ、デバイスの適切な使用方法を知っていることを確認しました。
歩行者のコンテキストを代表するリアルな体験をシミュレートするために、参加者の左または右に向かって3.5°の偏差角度で歩く人間の形を表す視覚刺激としてポイントライトウォーカーフィギュアを使用することにしました。この図は、白い背景に15個の黒い点で構成されており、ドットは人間の頭、肩、腰、肘、手首、膝、足首を表しています(図1)。この刺激は生物学的運動に基づいており、これは人間および動物に典型的な運動のパターンに従うことを意味する11。さらに、この刺激は生態学的に有効以上のものです。正常に分析されるためには、複雑な視覚処理と注意が必要です12,13。興味深いことに、Thorntonら8は、点状の歩行者の方向の適切な識別は、分割注意によって大きく影響され、マルチタスク時のタスク切り替えコストを研究する際のパフォーマンス尺度として適していることを発見しました。参加者は、人物が歩いている方向を口頭で述べるように求められました。歩行者の出現の前には、常に画面上のその外観を知らせる聴覚的な合図がありました。
ポイントライトウォーカータスクと神経生理学的データのパフォーマンスにより、両方の状態の注意への影響を判断し、それらを引き起こした原因を特定するのに役立ちました。パフォーマンスは、ポイントライトウォーカーフィギュアの方向を決定する際のエラー率と応答時間を調べることによって測定されました。パフォーマンス測定で見つかった注意障害に関与する根本的な認知および注意メカニズムを理解するために、32個の電極を備えたEEG actiCAPを使用して参加者の神経生理学的データを評価しました。EEGは一時的な精度の観点から適切なツールであり、特定の瞬間(ポイントライトウォーカーフィギュアの外観など)でパフォーマンスが低下する原因を確認しようとするときに重要ですが、動きのためにアーティファクトがデータに存在する場合があります。EEGデータを分析する場合、2つの指標が特に重要です:1)アルファ振動;2)認知的関与。研究によると、アルファ振動は、ワーキングメモリ制御と、タスクに無関係な脳回路の能動的な阻害を表す可能性があります14,15,16,17。ベースラインレベルでのアルファ振動を刺激提示18,19で発生する振動と比較することにより、アルファ比を取得しました。この比率で、歩行中にテキストメッセージを送るときに観察される注意障害の根底にある可能性のあるイベント関連の変化を特定しました。認知的関与に関して、Pope et al.20は、ベータ活性が覚醒と注意の増加を表し、アルファとシータの活動が覚醒と注意の減少を反映する指標を開発しました21,22。この分析は、刺激の出現前のエンゲージメントの増加が、歩行者の姿に応答するために必要なタスクセットの再構成を複雑にするかどうかを判断するために行われました。
本稿で説明した方法論を用いて、マルチタスクエピソードに従事する参加者のタスク切り替えパフォーマンスに影響を与える根本的なメカニズムを把握しようとしています。歩行条件は、マルチタスクタスクスイッチ性能(すなわち、歩行中のテキストメッセージ)と比較される非マルチタスクタスクスイッチ性能を表す。タスクセットの抑制とタスクセットの活性化の役割を測定することにより、歩行中にテキストメッセージを送信するときに発生するスイッチコストをよりよく理解しようとしました。元の研究は没入型仮想環境で行われたが23 、後に実験室( 図2を参照)で複製され、参加者の前のスクリーンに歩行者の姿を表示するプロジェクターで再現されたことに注意することは重要です。この仮想環境は利用できなくなったため、プロトコルは現在の実験室の設計に適合しました。
プロトコルを使用する際の重要な選択は、神経生理学的データの品質を保証することです。過度の動きはデータに多くのノイズを生成する可能性があるため、移動中にEEGのようなツールを使用することには固有の複雑さがあります。したがって、データ収集の前に、実際の信号を変更せずにできるだけ多くのアーティファクトを削除するためにデータをどのように準備するかを検討すること?…
The authors have nothing to disclose.
著者らは、カナダ社会科学人文科学研究評議会(SSHERC)の財政的支援を認めています。
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 |