Summary

Misurazione del comportamento di commutazione della luce mediante un occupancy e Light Data Logger

Published: January 16, 2020
doi:

Summary

In questo articolo viene descritta una procedura per l’utilizzo e la distribuzione di un logger di occupazione e di dati leggeri che consente di raccogliere dati sul comportamento di commutazione della luce dei partecipanti nelle impostazioni del campo.

Abstract

A causa delle discrepanze tra il comportamento pro-ambientale auto-segnalato e osservato, i ricercatori suggeriscono l’uso di misure di comportamento più dirette. Anche se l’osservazione comportamentale diretta può aumentare la validità esterna e la generalizzabilità di uno studio, può richiedere molto tempo ed essere soggetta a sperimentatore o pregiudizio osservatore. Per affrontare questi problemi, l’uso di data logger come alternativa all’osservazione naturale può consentire ai ricercatori di condurre studi ampi senza interrompere i comportamenti naturali dei partecipanti. In questo articolo viene descritto uno di questi strumenti, ovvero il logger di occupazione e di dati leggeri, con la descrizione tecnica, il protocollo di distribuzione e le informazioni sulle possibili applicazioni negli esperimenti psicologici. I risultati della verifica dell’affidabilità del logger rispetto all’osservazione umana sono forniti insieme a un esempio dei dati raccolti durante una misurazione di 15 giorni in bagno pubblico (N – 1.148) che include: 1) cambiamenti di occupazione delle camere; 2) cambia la luce interna; e 3) tempo di occupazione della camera.

Introduction

Una delle misure più comunemente utilizzate di comportamento pro-ambientale in psicologia sono gli auto-report sotto forma di indagini, interviste o questionari1. Tra le ragioni indicate per questa tendenza c’è semplicemente la difficoltà di condurre esperimenti sul campo, che di solito richiedono una discreta quantità di risorse e una precisa operativizzazione2,3. Tuttavia, il compromesso è valsa la pena in quanto è ben consolidato che fare affidamento su misure di auto-segnalazione può essere fuorviante nella previsione del comportamento oggettivo4,5,6.

Mentre cercano di evitare questo problema, i ricercatori che si concentrano sullo studio del comportamento di conservazione dell’energia utilizzano generalmente dati osservazionali (categorizzazione nominale degli eventi osservati, ad esempio, accensioni/spente) o residui (evidenza quantificabile di un comportamento passato, ad esempio il consumo di energia in kWh) come misurazioni delle variabili dipendenti7. Sebbene entrambi i tipi di misurazioni siano preziosi, i dati osservazionali sono più comunemente utilizzati negli esperimenti sul campo2,3,8, in particolare quando le variabili dipendenti riguardano il comportamento di commutazione della luce.

Prima di ottenere dati osservazionali, i ricercatori dovrebbero considerare diverse questioni metodologiche, che sono: 1) rappresentatività del campione; 2) il numero di osservatori al fine di escludere eventuali errori umani; 3) accordo tra osservatori al fine di escludere la distorsione degli sperimentatori; 4) posizione dell’osservatore, che dovrebbe essere nascosta al fine di ridurre la possibilità di essere individuati dai partecipanti; 5) codifica di osservazione chiaramente e specificamente definita; 6) pretest delle misure di osservazione; 7) formazione degli osservatori; e 8) stabilire tempi sistematici di osservazione9. Anche se la maggior parte dei problemi menzionati sono già stati affrontati, ad esempio quelli che riguardano l’analisi dell’affidabilità10 o la codifica dei dati osservazionali11,sembra che non tutti ricevano molta attenzione negli articoli che descrivono gli esperimenti sul comportamento di commutazione della luce.

Un’analisi di quattro studi12,13,14,15 che sono stati scelti per la loro somiglianza in contesto sperimentale (tutti riguardavano il comportamento di commutazione della luce nei bagni pubblici /servizi igienici) ha mostrato che anche se i dettagli di localizzazione in ciascuno degli studi erano precisi, i dettagli di misurazione dell’osservazione variavano. Poiché ogni studio utilizzava l’osservazione naturalistica, raccogliere informazioni sul comportamento dei partecipanti che erano l’opposto sesso degli osservatori non era sempre possibile14 a causa di possibili interferenze o violazioni delle norme sociali (ad esempio, se uno sperimentatore maschio dovesse entrare in un bagno di donne o viceversa). In alcuni casi, i dati precisi dei sessi dei partecipanti non sono stati forniti15. Questo sembra essere una limitazione quando si tiene conto che il genere può essere un fattore importante nella previsione del comportamento pro-ambientale16.

Le differenze maggiori, tuttavia, sono emerse nella descrizione degli osservatori e dei tempi di misurazione. Anche se queste descrizioni saranno naturalmente diverse in base alla posizione sperimentale, il numero preciso di osservatori non è sempre stato fornito14. Inoltre, l’esatta posizione degli osservatori non era esplicita12,14,15 il che rende difficile condurre possibili repliche e garantire che i partecipanti non siano a conoscenza di essere osservati. In quattro articoli analizzati, solo uno ha fornito una descrizione dettagliata della posizione dell’osservatore13.

Inoltre, i tempi esatti degli intervalli di osservazione sono stati forniti solo da uno studio12, mentre altri studi hanno descritto i tempi di studio complessivi (con una descrizione generale di quante volte in ogni giorno di studio l’osservazione ha avuto luogo)13,15 o non lo descrivono affatto14. Ciò può ancora una volta impedire la replicazione e l’stabilire se la tempistica di osservazione sia stata sistematica e sufficiente ai fini dello studio.

I limiti di questi esperimenti sono presentati come linee guida e punti importanti che dovrebbero essere presi in considerazione nella ricerca futura. In nessun caso si intendeva minare l’importanza di questi studi. Le aree indicate dovrebbero essere prese in considerazione per massimizzare l’operativizzazione dello studio al fine di facilitare le repliche, che svolgono un ruolo importante nella psicologia17,18, e semplificare la conduzione degli esperimenti sul campo. Tuttavia, è discutibile se tutte le questioni menzionate possano essere affrontate migliorando i metodi di osservazione che in ultima analisi si basano su osservatori umani.

Per questi motivi, l’occupazione e logger di dati leggeri (vedi Tabella dei materiali) è uno strumento prezioso che può essere efficacemente utilizzato per raccogliere informazioni su un particolare tipo di comportamenti di risparmio energetico, la commutazione della luce, senza le limitazioni dell’utilizzo di osservatori o restrizioni etiche (il logger non raccoglie i dati audiovisivi). Nel complesso, lo scopo di questo articolo è quello di presentare la descrizione tecnica e le possibilità di un modello di occupazione e logger di dati leggeri. Per quanto riguarda la conoscenza degli autori, questo è il primo tentativo di presentare questo strumento a fondo nel contesto del suo uso negli esperimenti sul campo in psicologia.

Descrizione tecnica dei logger
Il modello di logger di dati di occupazione/luce (vedi Tabella dei materiali)utilizzato per questo articolo è stato dotato di una capacità di memoria standard di 128 kB. Il logger pesa 30 g e la sua dimensione è di 3,66 cm – 8,48 cm – 2,36 cm. Dettagli aggiuntivi e il manuale del prodotto possono essere trovati sul sito web del produttore19.

I pulsanti di controllo, il sensore di luce e il vassoio della batteria si trovano sul pannello superiore. Il pannello anteriore è costituito dal sensore di occupazione e da uno schermo LCD, mentre il pannello posteriore è dotato di magneti e loop di montaggio (Figura 1). La porta USB 2.0 si trova sul pannello inferiore, per consentire la connessione del logger al computer con un cavo USB al fine di abilitare la configurazione prima della distribuzione e successivamente ottenere letture utilizzando il pacchetto software di analisi dedicato a questo registratore di dati.

La soglia del sensore di luce integrato (fotocellula) è superiore a 65 lx, che funziona con diversi tipi di luce (LED, CFL, fluorescente, HID, incandescente, naturale) che si possono trovare nella maggior parte degli spazi pubblici. Nel complesso, il logger interpreta i cambiamenti di stato della luce (ON/OFF) a seconda della forza del segnale luminoso, più precisamente, se scende al di sotto o sale al di sopra dei livelli della soglia di calibrazione. Va anche notato che il sensore è fissato da falsi rilevamenti di stati ON e OFF da un livello di isteresi incorporato di circa il 12,5%19.

Un sensore di movimento determina se la stanza è occupata o non occupata. Con l’uso di un sensore a infrarossi piroelettrico (PIR), rileva il movimento delle persone dalla loro temperatura corporea (che differisce dalla temperatura dell’ambiente circostante). L’intervallo di rilevamento del logger discusso ha un massimo di 5 m e la versione estesa del logger ha un intervallo di 12 m. Le prestazioni di rilevamento orizzontale funzionano fino a 94 gradi e verticale fino a 82 gradi .

Il modello descritto di logger di occupazione/luce è stato convalidato insieme ai sensori open Source Building Science e sembra fornire una misurazione affidabile dell’intensità della luce e della frequenza di occupazione21. Inoltre, questi modelli di logger sono stati dimostrati utili nella ricerca sull’ambiente integrato, proprio nelle applicazioni di illuminazione22,23,24.

Protocol

Lo studio è stato approvato dal comitato etico della SWPS University of Social Science and Humanities di Varsavia (numero 46/2016). 1. Scelta di un sito sperimentale per la distribuzione del logger Scegliere un sito sperimentale interno che consenta di montare il logger in prossimità della sorgente luminosa (per un adeguato rilevamento dei cambiamenti di luce) nonché di raccogliere i dati sul comportamento relativo allo stato di occupazione della stanza (per un adeguato rilevament…

Representative Results

Test di affidabilità dei logger rispetto all’osservazione umanaAl fine di testare l’affidabilità del logger rispetto all’osservazione umana, è stato condotto un test di campo di 4 or in un bagno maschile a singola bancarella situato nel campus universitario. Due osservatori maschi hanno aspettato fuori dal bagno (circa 5 metri dalla porta d’ingresso) e hanno registrato in modo indipendente il comportamento dei visitatori in termini di tassi di occupazione/tempi e commutazione della luce (luci lasc…

Discussion

Quando si pianifica di utilizzare più di un sito (per la distribuzione del logger) contemporaneamente, è necessario assicurarsi che ogni sito abbia un layout architettonico identico per escludere la possibilità di verificarsi modelli comportamentali diversi dai partecipanti (ad esempio, derivanti da tempi di occupazione e possibilità di commutazione della luce). Un sito adatto deve essere dotato di una o più sorgenti luminose con un solo interruttore della luce corrispondente, visibile all’occupante. Se non altro, s…

Disclosures

The authors have nothing to disclose.

Acknowledgements

Nessuno.

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