Summary

Messen des Lichtschaltverhaltens mit einem Belegungs- und Lichtdatenlogger

Published: January 16, 2020
doi:

Summary

Dieser Artikel beschreibt ein Verfahren zum Verwenden und Bereitstellen eines Belegungs- und Lichtdatenloggers, mit dem Daten über das Lichtschaltverhalten von Teilnehmern in Feldeinstellungen gesammelt werden können.

Abstract

Aufgrund von Diskrepanzen zwischen selbst gemeldetem und beobachtetem Pro-Umwelt-Verhalten schlagen die Forscher die Verwendung direkterer Verhaltensmessungen vor. Obwohl direkte Verhaltensbeobachtung die externe Gültigkeit und Verallgemeinerbarkeit einer Studie erhöhen kann, kann sie zeitaufwändig sein und einer Voreingenommenheit von Experimentieren oder Beobachtern unterliegen. Um diese Probleme anzugehen, kann die Verwendung von Datenloggern als Alternative zur natürlichen Beobachtung es Forschern ermöglichen, umfassende Studien durchzuführen, ohne das natürlich vorkommende Verhalten der Teilnehmer zu unterbrechen. Dieser Artikel beschreibt eines dieser Tools – den Belegungs- und Lichtdatenlogger – mit seiner technischen Beschreibung, dem Bereitstellungsprotokoll und Informationen über seine möglichen Anwendungen in psychologischen Experimenten. Die Ergebnisse der Prüfung der Zuverlässigkeit des Loggers im Vergleich zur menschlichen Beobachtung werden neben einem Beispiel für die gesammelten Daten während einer 15-tägigen Messung in öffentlichen Toiletten (N = 1.148) bereitgestellt, die Folgendes umfasst: 1) Änderungen der Raumbelegung; 2) Lichtwechsel im Innenbereich; und 3) Zimmerbelegungszeit.

Introduction

Eines der am häufigsten verwendeten Messgrößen für umweltfreundliches Verhalten in der Psychologie sind Selbstberichte in Form von Umfragen, Interviews oder Fragebögen1. Zu den Gründen für diesen Trend wird lediglich die Schwierigkeit bei der Durchführung von Feldexperimenten genannt, die in der Regel eine angemessene Menge an Ressourcen und eine präzise Operationalisierung erfordern2,3. Der Kompromiss lohnt sich jedoch, da es sich gut etabliert hat, dass die Berufung auf Selbstanzeigemaßnahmen bei der Vorhersage desobjektivenVerhaltens 4,5,6irreführend sein kann.

Bei der Vermeidung dieses Problems verwenden Forscher, die sich auf die Untersuchung des Energiesparverhaltens konzentrieren, im Allgemeinen Beobachtungsdaten (nominale Kategorisierung beobachteter Ereignisse, z. B. Ein-/Ausschalten von Lichtern) oder Restdaten (quantifizierbare Belege für ein vergangenes Verhalten, z. B. Energieverbrauch in kWh) als Messungen abhängiger Variablen7. Obwohl beide Arten von Messungen wertvoll sind, werden Beobachtungsdaten am häufigsten in Feldversuchen2,3,8verwendet, insbesondere wenn ihre abhängigen Variablen das Lichtschaltverhalten betreffen.

Vor der Beschaffung von Beobachtungsdaten sollten die Forscher mehrere methodische Fragen berücksichtigen, die: 1) Die Repräsentativität der Stichprobe sind; 2) die Anzahl der Beobachter, um mögliche menschliche Fehler auszuschließen; 3) Vereinbarung zwischen Beobachtern, um die Voreingenommenheit der Experimentatoren auszuschließen; 4) Beobachterort, der verborgen bleiben sollte, um die Möglichkeit zu verringern, von den Teilnehmern entdeckt zu werden; 5) klar und spezifisch definierte Beobachtungscodierung; 6) Vortest von Beobachtungsmaßnahmen; 7) Beobachterausbildung; und 8) Festlegung eines systematischen Zeitpunkts der Beobachtung9. Obwohl die meisten der genannten Probleme bereits angesprochen wurden – z. B. solche, die Zuverlässigkeitsanalyse10 oder Kodierungsbeobachtungsdaten11betreffen –, scheint es, dass nicht alle von ihnen in Artikeln, die Experimente zum Lichtschaltverhalten beschreiben, viel Aufmerksamkeit erhalten.

Eine Analyse von vier Studien12,13,14,15, die aufgrund ihrer Ähnlichkeit im experimentellen Kontext ausgewählt wurden (alle betrafen lichtschaltendes Verhalten in öffentlichen Bädern/Toiletten), zeigte, dass, obwohl die Standortdetails in jeder der Studien präzise waren, die Beobachtungsmessdetails variierten. Da jede Studie naturalistische Beobachtungen ansetzte, war das Sammeln von Informationen über das Verhalten der Teilnehmer, die das andere Geschlecht der Beobachter waren, nicht immer möglich14 aufgrund möglicher Einmischung oder Verletzung sozialer Normen (z. B. wenn ein männlicher Experimentator eine Damentoilette betreten sollte oder umgekehrt). In einigen Fällen wurden die genauen Daten der Geschlechter der Teilnehmer nicht15angegeben. Dies scheint eine Einschränkung zu sein, wenn man berücksichtigt, dass Geschlecht ein wichtiger Faktor bei der Vorhersage von pro-ökologischem Verhalten sein kann16.

Die größten Unterschiede zeigten sich jedoch in der Beschreibung von Beobachtern und Messzeiten. Auch wenn sich diese Beschreibungen natürlich je nach Versuchsort unterscheiden werden, wurde die genaue Zahl der Beobachter nicht immerangegeben 14. Darüber hinaus war der genaue Standort der Beobachter nicht explizit12,14,15, was es schwierig macht, mögliche Replikationen durchzuführen und sicherzustellen, dass die Teilnehmer nicht bewusst sind, beobachtet zu werden. In vier analysierten Artikeln lieferte nur einer eine detaillierte Beschreibung des Standorts des Beobachters13.

Darüber hinaus wurden die genauen Zeiten der Beobachtungsintervalle nur durch eine Studie12 angegeben, während andere Studien entweder die Gesamtstudienzeiten beschrieben (mit einer allgemeinen Beschreibung, wie oft an jedem Studientag die Beobachtung stattfand)13,15 oder nicht überhaupt14beschrieben. Dies kann wiederum die Replikation und Feststellung behindern, ob der Beobachtungszeitpunkt systematisch und für die Zwecke der Studienziele ausreichend war.

Die Grenzen dieser Experimente werden als Leitlinien und wichtige Punkte dargestellt, die in der zukünftigen Forschung berücksichtigt werden sollten. Auf keinen Fall war beabsichtigt, die Bedeutung dieser Studien zu untergraben. Die angegebenen Bereiche sollten für die Maximierung der Studienoperationalisierung in Betracht gezogen werden, um Replikationen zu erleichtern, die eine wichtige Rolle in der Psychologie17,18spielen und die Durchführung von Feldexperimenten vereinfachen. Es ist jedoch fraglich, ob alle genannten Fragen durch eine Verbesserung der Beobachtungsmethoden gelöst werden können, die letztlich auf menschliche Beobachter angewiesen sind.

Aus diesen Gründen ist der Belegungs- und Lichtdatenlogger (siehe Tabelle der Materialien) ein wertvolles Werkzeug, das effektiv verwendet werden kann, um Informationen über eine bestimmte Art von Energiesparverhalten, Lichtschalten, ohne die Einschränkungen der Verwendung von Beobachtern oder ethische norden (der Logger sammelt nicht die audiovisuellen Daten). Insgesamt ist es das Ziel dieses Artikels, die technische Beschreibung und die Möglichkeiten eines Modells des Belegungs- und Lichtdatenloggers zu präsentieren. Nach dem Wissen der Autoren ist dies der erste Versuch, dieses Instrument im Kontext seiner Verwendung in Feldexperimenten in der Psychologie gründlich darzustellen.

Technische Beschreibung der Logger
Das für diesen Artikel verwendete Modell des Belegungs-/Lichtdatenloggers (siehe Materialtabelle), das für diesen Artikel verwendet wurde, war mit einer Standardspeicherkapazität von 128 kB ausgestattet. Der Logger wiegt 30 g und hat eine Größe von 3,66 cm x 8,48 cm x 2,36 cm. Weitere Details und das Produkthandbuch finden Sie auf der Website des Herstellers19.

Die Bedientasten, der Lichtsensor und das Batteriefach befinden sich auf dem oberen Panel. Die Frontplatte besteht aus dem Belegungssensor und einem LCD-Bildschirm, während die Rückseite mit Montagemagneten und Schlaufen ausgestattet ist (Abbildung 1). Der USB 2.0-Anschluss befindet sich auf dem unteren Bildschirm, um den Anschluss des Loggers an den Computer mit einem USB-Kabel zu ermöglichen, um die Einrichtung vor der Bereitstellung zu ermöglichen und später Auslesungen mit einem Analysesoftwarepaket zu erhalten, das diesem Datenlogger gewidmet ist.

Der integrierte Lichtsensor (Photocell) liegt über 65 lx, der mit verschiedenen Lichttypen (LED, CFL, Fluoreszenz, HID, Glühlampen, Natur) arbeitet, die in den meisten öffentlichen Räumen zu finden sind. Insgesamt interpretiert der Logger Lichtstatusänderungen (ON/OFF) in Abhängigkeit von der Stärke des Lichtsignals, genauer gesagt, ob es unter die Kalibrierschwelle fällt oder über das Niveau steigt. Es sollte auch beachtet werden, dass der Sensor durch eine eingebaute Hysterese von ca. 12,5 %19vor falscher Erkennung von ON- und OFF-Zuständen geschützt ist.

Ein Bewegungssensor bestimmt, ob der Raum belegt oder unbesetzt ist. Mit einem pyroelektrischen Infrarotsensor (PIR) erkennt er die Bewegung von Menschen anhand ihrer Körpertemperatur (die sich von der Temperatur der Umgebung unterscheidet). Der Erfassungsbereich des diskutierten Loggers hat maximal 5 m und die erweiterte Version des Loggers einen Bereich von 12 m. Die horizontale Detektionsleistung arbeitet bis zu 94° (ca. 47°) und vertikal bis zu 82° (ca. 41°).

Das beschriebene Modell des Belegungs-/Lichtdatenloggers wurde zusammen mit Open Source Building Science Sensors validiert und scheint eine zuverlässige Messung der Lichtintensität und der Belegungsfrequenz21zu liefern. Darüber hinaus haben sich diese Modelle von Loggern in der baulich erforschten Forschung, gerade in Beleuchtungsanwendungen22,23,24,als nützlich erwiesen.

Protocol

Die Studie wurde von der Ethikkommission der SWPS Universität für Sozial- und Geisteswissenschaften in Warschau (Nummer 46/2016) genehmigt. 1. Auswahl einer experimentellen Site für die Protokollierung Wählen Sie einen Indoor-Experimentierplatz, der die Montage des Loggers in unmittelbarer Nähe zur Lichtquelle (für eine angemessene Lichtänderungserkennung) ermöglicht, sowie die Daten über das Verhalten bezüglich des Raumbelegungsstatus (für eine angemessene Bewegungserkenn…

Representative Results

Zuverlässigkeitstest von Loggern im Vergleich zur menschlichen BeobachtungUm die Zuverlässigkeit des Loggers im Vergleich zur menschlichen Beobachtung zu testen, wurde ein 4 h Feldtest in einer einstöckigen männlichen Toilette auf dem Universitätscampus durchgeführt. Zwei männliche Beobachter warteten vor der Toilette (ca. 5 m von der Haustür entfernt) und zeichneten unabhängig voneinander das Verhalten der Besucher in Bezug auf Belegungsraten/Zeiten und Lichtwechsel auf (Lichter, die beim V…

Discussion

Bei der gleichzeitigen Planung der Nutzung mehrerer Standorte (für die Protokollierung) sollte sichergestellt werden, dass jeder Standort über ein identisches Architekturlayout verfügt, um das Auftreten unterschiedlicher Verhaltensmuster von Teilnehmern auszuschließen (d. h. aufgrund von Belegungszeiten und Lichtwechselmöglichkeiten). Ein geeigneter Standort sollte mit einer oder mehreren Lichtquellen mit nur einem entsprechenden Lichtschalter ausgestattet sein, der für den Insassen sichtbar ist. Wenn sonst, sollte…

Disclosures

The authors have nothing to disclose.

Acknowledgements

nichts.

Materials

HOBO Occupancy/Light (5m Range) Data Logger ONSET UX90-005 As advertised by Onset – The HOBO UX90-005 Room Occupancy/Light Data Logger is available in a standard 128 KB memory model (UX90-005) capable of 84,650 measurements and an expanded 512KB memory version (UX90-005M) capable of over 346,795 measurements. For details and other products visit: https://www.onsetcomp.com/products/data-loggers/ux90-005
HOBO Light Pipe ONSET UX90-LIGHT-PIPE-1 An optional fiber optic attachment or light pipe that eliminates effects of ambient light to ensure the most accurate readings. For details visit: https://www.onsetcomp.com/support/manuals/17522-using-ux90-light-pipe-1
HOBOware ONSET Setup, graphing and analysis software for Windows and Mac. There are two versions of HOBOware: HOBOware (available for free) and HOBOware Pro (paid version which allows for additional analysis with different loggers). Each of them are dedicated to HOBO loggers. For details visit: https://www.onsetcomp.com/products/software/hoboware

References

  1. Steg, L., Vlek, C. Encouraging pro-environmental behaviour: An integrative review and research agenda. Journal of Environmental Psychology. 29 (3), 309-317 (2009).
  2. Doliński, D. Is psychology still a science of behaviour. Social Psychological Bulletin. 13, 25025 (2018).
  3. Grzyb, T. Why can’t we just ask? The influence of research methods on results. The case of the “bystander effect”. Polish Psychological Bulletin. 47 (2), 233-235 (2016).
  4. Kormos, C., Gifford, R. The validity of self-report measures of proenvironmental behavior: A meta-analytic review. Journal of Environmental Psychology. 40, 359-371 (2014).
  5. Lange, F., Steinke, A., Dewitte, S. The Pro-Environmental Behavior Task: A laboratory measure of actual pro-environmental behavior. Journal of Environmental Psychology. 56, 46-54 (2018).
  6. Lucidi, A., Thevenot, C. Do not count on me to imagine how I act: behavior contradicts questionnaire responses in the assessment of finger counting habits. Behavior research methods. 46 (4), 1079-1087 (2014).
  7. Abrahamse, W., Schultz, P. W., Steg, L., Gifford, R. Research Designs for Environmental Issues. Research Methods for Environmental Psychology. , 53-71 (2016).
  8. Blasko, D. G., Kazmerski, V. A., Corty, E. W., Kallgren, C. A. Courseware for observational research (COR): A new approach to teaching naturalistic observation. Behavior Research Methods, Instruments, & Computers. 30 (2), 217-222 (1998).
  9. Sussman, R., Gifford, R. Observational Methods. Research Methods for Environmental Psychology. , 9-28 (2016).
  10. Jansen, R. G., Wiertz, L. F., Meyer, E. S., Noldus, L. P. Reliability analysis of observational data: Problems, solutions, and software implementation. Behavior Research Methods, Instruments, & Computers. 35 (3), 391-399 (2003).
  11. Maclin, O. H., Maclin, M. K. Coding observational data: A software solution. Behavior Research Methods. 37 (2), 224-231 (2005).
  12. Bergquist, M., Nilsson, A. I saw the sign: promoting energy conservation via normative prompts. Journal of Environmental Psychology. 46, 23-31 (2016).
  13. Dwyer, P. C., Maki, A., Rothman, A. J. Promoting energy conservation behavior in public settings: The influence of social norms and personal responsibility. Journal of Environmental Psychology. 41, 30-34 (2015).
  14. Oceja, L., Berenguer, J. Putting text in context: The conflict between pro-ecological messages and anti-ecological descriptive norms. The Spanish Journal of Psychology. 12 (2), 657-666 (2009).
  15. Sussman, R., Gifford, R. Please turn off the lights: The effectiveness of visual prompts. Applied ergonomics. 43 (3), 596-603 (2012).
  16. Gifford, R., Nilsson, A. Personal and social factors that influence pro-environmental concern and behaviour: A review. International Journal of Psychology. 49 (3), 141-157 (2014).
  17. Earp, B. D., Trafimow, D. Replication, falsification, and the crisis of confidence in social psychology. Frontiers in Psychology. 6, 1-11 (2015).
  18. van Aert, R. C., van Assen, M. A. Examining reproducibility in psychology: A hybrid method for combining a statistically significant original study and a replication. Behavior research methods. 50 (4), 1515-1539 (2018).
  19. Mehl, M. R., et al. The Electronically Activated Recorder (EAR): A device for sampling naturalistic daily activities and conversations. Behavior Research Methods, Instruments, & Computers. 33 (4), 517-523 (2001).
  20. Ali, A. S., Zanzinger, Z., Debose, D., Stephens, B. Open Source Building Science Sensors (OSBSS): A low-cost Arduino-based platform for long-term indoor environmental data collection. Building and Environment. 100, 114-126 (2016).
  21. Popoola, O., Munda, J., Mpanda, A. Comparative analysis and assessment of ANFIS-based domestic lighting profile modelling. Energy and Buildings. 107, 294-306 (2015).
  22. Tetlow, R. M., Beaman, C. P., Elmualim, A. A., Couling, K. Simple prompts reduce inadvertent energy consumption from lighting in office buildings. Building and Environment. 81, 234-242 (2014).
  23. van Someren, K., Beaman, P., Shao, L. Calculating the lighting performance gap in higher education classrooms. International Journal of Low-Carbon Technologies. 13 (1), 15-22 (2017).
  24. Landis, J. R., Koch, G. G. The measurement of observer agreement for categorical data. Biometrics. 33 (1), 159-174 (1977).
  25. McGraw, K. O., Wong, S. P. Forming inferences about some intraclass correlation coefficients. Psychological methods. 1 (1), 30 (1996).
  26. Hallgren, K. A. Computing inter-rater reliability for observational data: an overview and tutorial. Tutorials in quantitative methods for psychology. 8 (1), 23 (2012).
  27. Cialdini, R. B., Kallgren, C. A., Reno, R. R. A focus theory of normative conduct: A theoretical refinement and reevaluation of the role of norms in human behavior. Advances in experimental social psychology. 24, 201-234 (1991).

Play Video

Cite This Article
Leoniak, K. J., Cwalina, W. Measuring Light-Switching Behavior Using an Occupancy and Light Data Logger. J. Vis. Exp. (155), e60771, doi:10.3791/60771 (2020).

View Video