이 연구 설계는 걷는 동안 스마트 폰을 사용하는 작업 전환 비용을 측정합니다. 참가자는 제어 조건 (걷기)과 멀티 태스킹 조건 (걷는 동안 문자 메시지)의 두 가지 실험 조건을 거칩니다. 참가자는 이러한 작업과 방향 결정 작업 사이를 전환합니다. EEG 데이터와 행동 측정이 기록됩니다.
이 논문은 걷는 동안 스마트 폰을 사용하는 작업 전환 비용을 측정하는 연구 프로토콜을 제시합니다. 이 방법은 참가자가 제어 조건 (즉, 단순히 걷기)과 멀티 태스킹 조건 (즉, 걷는 동안 문자 메시지)의 두 가지 실험 조건에서 러닝 머신을 걷게하는 것을 포함합니다. 이러한 조건에서 참가자는 실험 조건과 관련된 작업과 방향 결정 작업 사이를 전환해야합니다. 이 방향 작업은 참가자의 왼쪽 또는 오른쪽으로 걷는 것처럼 보이는 포인트 라이트 워커 그림으로 수행됩니다. 방향 작업의 성능은 참가자의 작업 전환 비용을 나타냅니다. 1) 방향의 정확한 식별과 2) 응답 시간의 두 가지 성능 측정이있었습니다. EEG 데이터는 작업 전환 중에 발생하는 알파 진동 및인지 참여를 측정하기 위해 기록됩니다. 이 방법은 생태 학적 타당성이 제한적입니다 : 보행자 환경에는 동시에 발생하고주의를 끌기 위해 경쟁하는 많은 자극이 있습니다. 그럼에도 불구하고 이 방법은 작업 전환 비용을 정확히 찾아내는 데 적합합니다. EEG 데이터를 통해 다양한 작업 전환 비용과 관련된 뇌의 기본 메커니즘을 연구 할 수 있습니다. 이 디자인을 사용하면 자극 프레젠테이션 전에 멀티태스킹할 때 작업 전환과 비교하여 한 번에 하나의 작업을 수행할 때 작업 전환을 비교할 수 있습니다. 이를 통해 이 두 가지 다른 작업 전환 조건의 행동 및 신경생리학적 영향을 이해하고 정확히 지적할 수 있습니다. 또한 작업 전환 비용을 뇌 활동과 연관시킴으로써 이러한 행동 효과의 원인에 대해 더 많이 알 수 있습니다. 이 프로토콜은 다양한 스마트폰 사용의 전환 비용을 연구하기 위한 적절한 기반입니다. 걷는 동안 스마트 폰 사용의 작업 전환 비용과 관련된 다양한 요소를 이해하기 위해 다양한 작업, 설문지 및 기타 조치를 추가 할 수 있습니다.
스마트폰 보급률과 멀티태스킹 경향이 모두 증가하고 있기 때문에 걷는 동안 스마트폰 사용이 주의력에 미치는 영향을 이해하는 것이 중요합니다. 문헌은 작업 전환에는 걷는 동안 스마트 폰 사용을 포함하여 비용1이 따른다는 것을 반복적으로 보여주었습니다. 연구에 따르면 걷는 동안 스마트 폰을 사용하면 산만하고 위험 할 수 있습니다 2,3,4. 이러한 위험은 그러한 작업을 수행하는 주의력 장애와 관련이 있습니다 3,4,5,6,7. 보행자 환경의 복잡한 특성으로 인해 생태 학적으로 유효한 실험적 맥락에서 연구하는 것은 문제가 될 수 있습니다. 그럼에도 불구하고 실제 보행자 환경에서 이러한 연구를 수행하는 것은 많은 외부 변수가 작용할 수 있고 산만 함으로 인해 참가자에게 해를 끼칠 위험이 있기 때문에 자체적으로 합병증을 겪을 수 있습니다. 가능한 한 현실적으로 유지되는 비교적 안전한 환경에서 이러한 현상을 연구 할 수 있어야합니다. 이 기사에서는 걷는 동안 문자 메시지의 작업 전환 비용을 연구하는 동시에 작업의 유효성을 높이고 관련된 잠재적 위험을 완화하는 연구 방법론을 설명합니다.
걷는 동안 스마트 폰을 사용할 때 개인은 스마트 폰 작업에서 걷기 및 환경 관련 작업으로 전환해야합니다. 따라서 이러한 현상을 연구하기 위해 우리는 특히 작업 전환 패러다임에 초점을 맞춘 멀티태스킹에 관한 문헌 내에서 이 방법을 구성하는 것이 적절하다는 것을 발견했습니다. 이를 위해 작업 전환 패러다임1을 사용하여 참가자가 사전 자극 작업과 사후 자극 작업 사이를 전환하도록 했습니다. 두 가지 사전 자극 작업 중 하나는 멀티 태스킹과 관련이 있지만 다른 하나는 그렇지 않았습니다. 자극 후 작업에서 참가자는 인식이 분할 주의의 영향을받는 자극에 반응해야했습니다8. 또한 가능한 한 생태 학적으로 유효하려고 노력하는 실험적 실험실 연구는 종종 가상 보행자 환경을 사용하여 걷는 동안 스마트 폰 사용의주의 영향을 이해했습니다 4,9. 그럼에도 불구하고 근본적인 신경 생리 학적 메커니즘을 포착하기 위해 우리는 참가자가 반응해야하는 자극의 수를 최소화하기 위해 하나의 자극에 대한 특정 작업 전환 반응에 초점을 맞추기로 결정했습니다. 이런 식으로 우리는 순전히 스마트폰에서 자극으로 주의를 전환하는 데서 오는 작업 전환 비용을 보다 정확하게 찾아낼 수 있습니다. 우리의 연구 설계에서는 행동 측정 (즉, 작업 전환 비용)과 신경 생리 학적 데이터를 사용하여 보행자 스마트 폰 사용 중에 발견 된 주의력 장애를 더 잘 이해합니다.
작업 전환 실험 중에 참가자는 일반적으로 일련의 자극과 관련된 최소 두 가지 간단한 작업을 수행했으며, 각 작업에는 “작업 세트”라고하는 다른인지 리소스 세트가 필요합니다 1. 개인이 작업 사이를 전환해야 할 때 정신 자원이 적응해야합니다 (즉, 이전 작업 세트의 억제 및 현재 작업 세트의 활성화). 이 “작업 세트 재구성” 프로세스는 작업전환 비용1의 원인으로 여겨집니다. 작업 전환 비용은 일반적으로 참가자가 작업 간에 전환하는 시행과 그렇지 않은 시도 간의 응답 시간 및/또는 오류율의 차이를 관찰하여 결정됩니다10. 우리의 실험에서, 우리는 세 가지 작업 세트를 가졌습니다 : 1) 포인트 라이트 워커 자극에 반응; 2) 걷는 동안 스마트 폰으로 문자 메시지; 3) 단순히 걷기. 우리는 두 가지 다른 조건 사이의 전환 비용을 비교했습니다 : 1) 자극에 반응하기 전에 단순히 걷기, 2) 응답하기 전에 문자 메시지를하면서 걷기. 이러한 방식으로 작업을 전환하기 전에 스마트 폰에서 멀티 태스킹 비용을 캡처하여 시각적 자극이 나타나기 전에 단순히 걷는 비 멀티 태스킹 스위치 비용과 직접 비교할 수있었습니다. 이 연구에 사용 된 스마트 폰은 특정 브랜드 였기 때문에 모든 참가자는 실험 전에 장치를 올바르게 사용하는 방법을 알고 있는지 확인하기 위해 선별되었습니다.
보행자 상황을 대표하는 사실적인 경험을 시뮬레이션하기 위해 포인트 라이트 워커 피규어를 시각적 자극으로 사용하여 참가자의 왼쪽 또는 오른쪽으로 3.5° 편차 각도로 걷는 인간의 형태를 나타내기로 결정했습니다. 이 그림은 흰색 배경에 15개의 검은색 점으로 구성되어 있으며 점은 사람의 머리, 어깨, 엉덩이, 팔꿈치, 손목, 무릎 및 발목을 나타냅니다(그림 1). 이 자극은 생물학적 운동을 기반으로하며, 이는 인간과 동물의 전형적인 움직임 패턴을 따른다는 것을 의미합니다11. 또한이 자극은 생태 학적으로 유효한 것 이상입니다. 성공적으로 분석되기 위해서는 복잡한 시각적 처리와주의가 필요합니다12,13. 흥미롭게도 Thornton et al.8은 점과 같은 보행기의 방향을 적절하게 식별하는 것이 분할 주의에 의해 크게 영향을 받아 멀티태스킹시 작업 전환 비용을 연구할 때 성능 측정으로 적합하다는 것을 발견했습니다. 참가자들은 그림이 걷고있는 방향을 구두로 진술하도록 요청 받았다. 보행기의 출현은 항상 화면에 나타나는 청각 신호에 선행되었습니다.
포인트 라이트 워커 작업과 신경 생리 학적 데이터에 대한 성능을 통해 우리는 두 조건의 주의력 영향을 결정하고 원인을 파악하는 데 도움을주었습니다. 성능은 포인트 라이트 워커 그림의 방향을 결정할 때 오류율과 응답 시간을 확인하여 측정되었습니다. 성능 측정에서 발견 한 주의력 장애와 관련된 기본적인인지 및 주의력 메커니즘을 이해하기 위해 32 개의 전극이있는 EEG actiCAP을 사용하여 참가자의 신경 생리 학적 데이터를 평가했습니다. EEG는 일시적인 정밀도 측면에서 적절한 도구이며, 움직임으로 인해 인공물이 데이터에 존재할 수 있지만 특정 순간(예: 포인트 라이트 워커 그림의 모양)에서 성능 저하의 원인을 확인하려고 할 때 중요합니다. EEG 데이터를 분석 할 때 두 가지 지수가 특히 관련이 있습니다 : 1) 알파 진동; 2)인지 적 참여. 연구에 따르면 알파 진동은 작업 기억 제어뿐만 아니라 작업과 관련이없는 뇌 회로14,15,16,17의 능동적 억제를 나타낼 수 있습니다. 기준선 수준의 알파 진동을 자극 발표18,19에서 발생하는 진동과 비교하여 알파 비율을 얻었습니다. 이 비율로 우리는 걷는 동안 문자 메시지를 보낼 때 관찰되는 주의력 장애의 근저가 될 수있는 이벤트 관련 변화를 결정했습니다. 인지 참여와 관련하여 Pope et al.20은 베타 활동이 각성과 주의력 증가를 나타내고 알파 및 세타 활동이 각성과 주의력 감소를 반영하는 지수를 개발했습니다21,22. 이 분석은 자극이 나타나기 전에 증가된 참여가 보행자 수치에 응답하기 위해 필요한 작업 세트 재구성을 복잡하게 하는지 여부를 결정하기 위해 수행되었습니다.
이 백서에 설명된 방법론을 통해 우리는 멀티태스킹 에피소드에 참여하는 참가자의 작업 전환 성능에 영향을 미치는 기본 메커니즘을 파악하려고 합니다. 보행 조건은 멀티태스킹 작업 전환 성능(즉, 걷는 동안 문자 메시지)과 비교되는 비멀티태스킹 작업 전환 성능을 나타냅니다. 작업 세트 억제 및 작업 세트 활성화의 역할을 측정함으로써 우리는 걷는 동안 문자 메시지를 보낼 때 발생하는 스위치 비용을 더 잘 이해하고자했습니다. 원래의 연구는 몰입형 가상 환경(23 )에서 수행되었지만 나중에 참가자 앞의 스크린에 보행기 그림을 표시하는 프로젝터를 사용하여 실험실( 그림 2 참조)에서 복제되었다는 점에 유의하는 것이 적절합니다. 이 가상 환경은 더 이상 사용할 수 없기 때문에 프로토콜은 현재 실험실 설계에 맞게 조정되었습니다.
프로토콜을 사용할 때 중요한 선택은 신경 생리 학적 데이터의 품질을 보장하는 것입니다. 과도한 움직임은 데이터에 많은 노이즈를 생성할 수 있기 때문에 이동 중에 EEG와 같은 도구를 사용하는 것은 본질적으로 복잡합니다. 따라서 데이터를 수집하기 전에 실제 신호를 수정하지 않고 가능한 한 많은 인공물을 제거하기 위해 데이터를 준비하는 방법을 고려하는 것이 중요합니다. 그럼에도 불구?…
The authors have nothing to disclose.
저자는 캐나다 사회 과학 및 인문학 연구위원회 (SSHERC)의 재정 지원을 인정합니다.
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 |