Özet

Medición del costo del interruptor del uso del teléfono inteligente mientras camina

Published: April 30, 2020
doi:

Özet

Este diseño de estudio mide el costo de cambio de tareas de usar un teléfono inteligente mientras camina. Los participantes se someten a dos condiciones experimentales: una condición de control (caminar) y una condición multitarea (enviar mensajes de texto mientras caminan). Los participantes cambian entre estas tareas y una tarea de determinación de dirección. Se registran los datos de EEG, así como las medidas de comportamiento.

Abstract

Este documento presenta un protocolo de estudio para medir el costo de cambio de tareas de usar un teléfono inteligente mientras camina. Este método implica que los participantes caminen en una cinta de correr bajo dos condiciones experimentales: una condición de control (es decir, simplemente caminar) y una condición multitarea (es decir, enviar mensajes de texto mientras caminan). Durante estas condiciones, los participantes deben cambiar entre las tareas relacionadas con la condición experimental y una tarea de determinación de dirección. Esta tarea de dirección se realiza con una figura de caminante de luz puntual, aparentemente caminando hacia la izquierda o la derecha del participante. El rendimiento en la tarea de dirección representa los costos de cambio de tareas del participante. Hubo dos medidas de desempeño: 1) identificación correcta de la dirección y 2) tiempo de respuesta. Los datos del EEG se registran para medir las oscilaciones alfa y el compromiso cognitivo que se producen durante el cambio de tarea. Este método es limitado en su validez ecológica: los entornos peatonales tienen muchos estímulos que ocurren simultáneamente y compiten por la atención. No obstante, este método es apropiado para identificar los costos de cambio de tareas. Los datos del EEG permiten el estudio de los mecanismos subyacentes en el cerebro que están relacionados con los diferentes costos de cambio de tareas. Este diseño permite la comparación entre el cambio de tareas cuando se realiza una tarea a la vez, en comparación con el cambio de tareas cuando se realizan múltiples tareas, antes de la presentación del estímulo. Esto permite comprender e identificar tanto el impacto conductual como neurofisiológico de estas dos condiciones diferentes de cambio de tareas. Además, al correlacionar los costos de cambio de tareas con la actividad cerebral, podemos aprender más sobre qué causa estos efectos conductuales. Este protocolo es una base apropiada para estudiar el costo de conmutación de diferentes usos de teléfonos inteligentes. Se pueden agregar diferentes tareas, cuestionarios y otras medidas para comprender los diferentes factores involucrados en el costo de cambio de tareas del uso de teléfonos inteligentes mientras camina.

Introduction

Debido a que tanto la penetración de teléfonos inteligentes como la tendencia a realizar múltiples tareas están aumentando, es importante comprender el impacto que el uso de teléfonos inteligentes mientras camina tiene en la atención. La literatura ha demostrado repetidamente que el cambio de tareas tiene un costo1, incluido el uso de teléfonos inteligentes mientras camina. Los estudios han encontrado que usar un teléfono inteligente mientras camina puede distraer y ser peligroso 2,3,4. Estos peligros se han relacionado con las deficiencias atencionales de realizar tal tarea 3,4,5,6,7. Debido a la naturaleza compleja del entorno peatonal, estudiarlo en un contexto experimental que sea ecológicamente válido puede ser problemático. No obstante, la realización de tales estudios en entornos peatonales reales puede conllevar complicaciones propias porque pueden entrar en juego muchas variables extrañas y existe el riesgo de daño al participante debido a las distracciones. Es importante poder estudiar tal fenómeno en un entorno relativamente seguro que siga siendo lo más realista posible. En este artículo, describimos una metodología de investigación que estudia el costo de cambio de tareas de enviar mensajes de texto mientras camina, al tiempo que aumenta la validez de la tarea y mitiga los riesgos potenciales involucrados.

Al usar un teléfono inteligente mientras camina, las personas se ven obligadas a cambiar de las tareas del teléfono inteligente a caminar y las tareas relacionadas con el medio ambiente. Por lo tanto, para estudiar tal fenómeno, encontramos pertinente enmarcar este método dentro de la literatura sobre multitarea, específicamente centrada en el paradigma de cambio de tareas. Para ello, se utilizó el paradigma de cambio de tarea1, haciendo que los participantes cambiaran entre una tarea pre-estímulo y una tarea post-estímulo. Una de las dos tareas previas al estímulo implicaba la multitarea, mientras que la otra no. En la tarea post-estímulo, los participantes tuvieron que responder a un estímulo cuya percepción está influenciada por la atención dividida8. Además, los estudios experimentales de laboratorio que intentan ser lo más ecológicamente válidos posible a menudo han utilizado entornos peatonales virtuales para comprender el impacto atencional del uso de teléfonos inteligentes mientras se camina 4,9. No obstante, para capturar los mecanismos neurofisiológicos subyacentes, elegimos centrarnos en la reacción específica de cambio de tareas a un estímulo para minimizar el número de estímulos a los que los participantes tenían que reaccionar. De esta manera, podemos identificar con mayor precisión el costo de cambio de tareas que proviene puramente de desviar la atención del teléfono inteligente hacia el estímulo. Con el diseño de nuestro estudio, utilizamos medidas de comportamiento (es decir, el costo de cambio de tareas) y datos neurofisiológicos para comprender mejor las deficiencias de atención encontradas durante el uso de teléfonos inteligentes peatonales.

Durante un experimento de cambio de tareas, los participantes generalmente realizaban al menos dos tareas simples relacionadas con un conjunto de estímulos, y cada tarea requería un conjunto diferente de recursos cognitivos denominado “conjunto de tareas”1. Cuando los individuos se ven obligados a cambiar entre tareas, sus recursos mentales necesitan adaptarse (es decir, la inhibición del conjunto de tareas anterior y la activación del conjunto de tareas actual). Se cree que este proceso de “reconfiguración del conjunto de tareas” es la causa del costo de cambio de tareas1. El costo de cambio de tareas generalmente se determina observando las diferencias en el tiempo de respuesta y / o la tasa de error entre los ensayos en los que los participantes cambian entre tareas y aquellos en los que nolo hacen 10. En nuestro experimento, tuvimos tres conjuntos de tareas: 1) responder a un estímulo de caminante de luz puntual; 2) enviar mensajes de texto en un teléfono inteligente mientras camina; y 3) simplemente caminar. Comparamos el costo del cambio entre dos condiciones diferentes: 1) simplemente caminar antes de responder al estímulo, y 2) caminar mientras se envían mensajes de texto antes de responder. De esta manera, capturamos el costo de la multitarea en un teléfono inteligente antes de cambiar la tarea y pudimos compararlo directamente con el costo del interruptor no multitarea de simplemente caminar antes de la aparición del estímulo visual. Debido a que el teléfono inteligente utilizado en este estudio era de una marca específica, todos los participantes fueron examinados antes del experimento para asegurarse de que sabían cómo usar correctamente el dispositivo.

Para simular una experiencia realista representativa del contexto peatonal, decidimos utilizar una figura de caminante de luz puntual como estímulo visual, representando una forma humana caminando con un ángulo de desviación de 3.5 ° hacia la izquierda o la derecha del participante. Esta figura se compone de 15 puntos negros sobre un fondo blanco, con los puntos que representan la cabeza, los hombros, las caderas, los codos, las muñecas, las rodillas y los tobillos de un ser humano (Figura 1). Este estímulo se basa en el movimiento biológico, lo que significa que sigue el patrón de movimiento que es típico de humanos y animales11. Además, este estímulo es más que ecológicamente válido; Requiere un procesamiento visual complejo y atención para ser analizado con éxito12,13. Curiosamente, Thornton et al.8 encontraron que la identificación adecuada de la dirección del caminante en forma de punto se ve muy afectada por la atención dividida, lo que la hace adecuada como una medida de rendimiento cuando se estudian los costos de cambio de tareas cuando se realizan múltiples tareas. Se pidió a los participantes que indicaran verbalmente la dirección en la que caminaba la figura. La aparición del caminante siempre estaba precedida por una señal auditiva que señalaba su aparición en la pantalla.

El rendimiento en la tarea del caminante de luz puntual y los datos neurofisiológicos nos permitieron determinar el impacto atencional de ambas afecciones y ayudar a determinar qué las causó. El rendimiento se midió observando las tasas de error y los tiempos de respuesta al determinar la dirección de la figura del caminante de luz puntual. Para comprender los mecanismos cognitivos y atencionales subyacentes involucrados en las deficiencias atencionales que encontramos con la medida de rendimiento, evaluamos los datos neurofisiológicos de los participantes utilizando el EEG actiCAP con 32 electrodos. El EEG es una herramienta apropiada en términos de precisión temporal, lo cual es importante cuando se trata de ver qué causa un rendimiento deficiente en momentos específicos en el tiempo (por ejemplo, la apariencia de la figura del caminante de luz puntual), aunque los artefactos pueden estar presentes en los datos debido a los movimientos. Al analizar los datos del EEG, dos índices son particularmente relevantes: 1) oscilaciones alfa; y 2) compromiso cognitivo. La investigación ha encontrado que las oscilaciones alfa pueden representar el control de la memoria de trabajo, así como la inhibición activa de los circuitos cerebrales irrelevantes para la tarea14,15,16,17. Al comparar las oscilaciones alfa a niveles basales con las que ocurren con la presentación del estímulo18,19, obtuvimos la razón alfa. Con esta proporción, determinamos los cambios relacionados con el evento que podrían estar subyacentes al deterioro atencional observado al enviar mensajes de texto mientras camina. Con respecto al compromiso cognitivo, Pope et al.20 desarrollaron un índice donde la actividad beta representa el aumento de la excitación y la atención, y la actividad alfa y theta reflejan disminuciones en la excitación y la atención21,22. Este análisis se realizó para determinar si un mayor compromiso antes de la aparición del estímulo complicaría la reconfiguración del conjunto de tareas requerida para responder a la figura del caminante.

Con la metodología descrita en este documento, buscamos comprender los mecanismos subyacentes que afectan el rendimiento del cambio de tareas en los participantes que participan en episodios multitarea. La condición de caminar representa un rendimiento de cambio de tarea no multitarea que se compara con un rendimiento de cambio de tarea multitarea (es decir, enviar mensajes de texto mientras se camina). Al medir los roles de la inhibición del conjunto de tareas y la activación del conjunto de tareas, buscamos comprender mejor los costos de cambio que ocurren al enviar mensajes de texto mientras caminamos. Es relevante señalar que el estudio original se realizó en un entorno virtual inmersivo23 , pero luego se replicó en una sala experimental (ver Figura 2) con un proyector que muestra la figura del caminante en una pantalla frente al participante. Debido a que este entorno virtual ya no está disponible, el protocolo se adaptó al diseño actual de la sala experimental.

Protocol

Antes de comenzar la recopilación de datos, es importante recibir toda la aprobación de investigación ética necesaria para los participantes humanos. Esto debe hacerse a través de las juntas de revisión apropiadas y / o comités de revisión de participantes humanos. Este protocolo fue aprobado y certificado por la junta de ética de HEC Montréal para el centro de investigación Tech3Lab. 1. Preparación del estímulo visual Cree la plantilla experi…

Representative Results

Este protocolo de estudio se realizó originalmente con 54 participantes, cada uno respondiendo a 88 ensayos de dirección. La mitad de esos ensayos ocurrieron cuando los participantes simplemente caminaban antes de la presentación del estímulo; La otra mitad ocurrió cuando los participantes estaban enviando mensajes de texto mientras caminaban antes de la presentación del estímulo. Resultados conductualesEl rendimiento en la dirección del caminante de luz puntual re…

Discussion

Una elección crítica al usar el protocolo sería garantizar la calidad de los datos neurofisiológicos. Existe una complicación inherente al uso de una herramienta como EEG durante el movimiento, porque el movimiento excesivo puede crear mucho ruido en los datos. Por lo tanto, es importante considerar, antes de la recopilación de datos, cómo se prepararán los datos para eliminar tantos artefactos como sea posible sin modificar la señal real. No obstante, todavía es bastante probable que haya tasas más altas de e…

Açıklamalar

The authors have nothing to disclose.

Acknowledgements

Los autores reconocen el apoyo financiero del Consejo de Investigación de Ciencias Sociales y Humanidades de Canadá (SSHERC).

Materials

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

Referanslar

  1. Monsell, S. Task switching. Trends in Cognitive Sciences. 7 (3), 134-140 (2003).
  2. Haga, S., et al. Effects of using a Smart Phone on Pedestrians’ Attention and Walking. Procedia Manufacturing. 3, 2574-2580 (2015).
  3. Hatfield, J., Murphy, S. The effects of mobile phone use on pedestrian crossing behaviour at signalised and unsignalised intersections. Accident Analysis, Prevention. 39 (1), (2007).
  4. Stavrinos, D., Byington, K. W., Schwebel, D. C. Distracted walking: Cell phones increase injury risk for college pedestrians. Journal of Safety Research. 42 (2), 101-107 (2011).
  5. Nasar, J., Hecht, P., Wener, R. Mobile telephones, distracted attention, and pedestrian safety. Accident Analysis, Prevention. 40 (1), 69-75 (2008).
  6. Hyman, I. E., Boss, S. M., Wise, B. M., McKenzie, K. E., Caggiano, J. M. Did you see the unicycling clown? Inattentional blindness while walking and talking on a cell phone. Applied Cognitive Psychology. 24 (5), 597-607 (2010).
  7. Pourchon, R., et al. Is augmented reality leading to more risky behaviors? An experiment with pokémon go. Proceedings of the International Conference on HCI in Business, Government, and Organizations. , 354-361 (2017).
  8. Thornton, I. M., Rensink, R. A., Shiffrar, M. Active versus Passive Processing of Biological Motion. Perception. 31 (7), 837-853 (2002).
  9. Neider, M. B., McCarley, J. S., Crowell, J. A., Kaczmarski, H., Kramer, A. F. Pedestrians, vehicles, and cell phones. Accident Analysis, Prevention. 42, 589-594 (2010).
  10. Wylie, G., Allport, A. Task switching and the measurement of “switch costs”. Psychological Research. 63 (3-4), 212-233 (2000).
  11. Johansson, G. Visual perception of biological motion and a model for its analysis. Perception, Psychophysics. 14 (2), 201-211 (1973).
  12. Cavanagh, P., Labianca, A. T., Thornton, I. M. Attention-based visual routines: Sprites. Cognition. 80 (1-2), 47-60 (2001).
  13. Troje, N. F. Retrieving Information from Human Movement Patterns. Understanding Events. , 308-334 (2008).
  14. Klimesch, W. EEG alpha and theta oscillations reflect cognitive and memory performance: A review and analysis. Brain Research Reviews. 29 (2-3), 169-195 (1999).
  15. Jensen, O., Gelfand, J., Kounios, J., Lisman, J. E. Oscillations in the Alpha Band (9-12 Hz) Increase with Memory Load during Retention in a Short-term Memory Task. Cerebral Cortex. 12 (8), 877-882 (2002).
  16. Busch, N. A., Herrmann, C. S. Object-load and feature-load modulate EEG in a short-term memory task. NeuroReport. 14 (13), 1721-1724 (2003).
  17. Herrmann, C. S., Senkowski, D., Röttger, S. Phase-Locking and Amplitude Modulations of EEG Alpha. Experimental Psychology. 51 (4), 311-318 (2004).
  18. Pfurtscheller, G., Aranibar, A. Event-related cortical desynchronization detected by power measurements of scalp EEG. Electroencephalography and Clinical Neurophysiology. 42 (6), 817-826 (1977).
  19. Sauseng, P., et al. EEG alpha synchronization and functional coupling during top-down processing in a working memory task. Human Brain Mapping. 26 (2), 148-155 (2005).
  20. Pope, A. T., Bogart, E. H., Bartolome, D. S. Biocybernetic system evaluates indices of operator engagement in automated task. Biological Psychology. 40 (1-2), 187-195 (1995).
  21. Scerbo, M. W., Freeman, F. G., Mikulka, P. J. A brain-based system for adaptive automation. Theoretical Issues in Ergonomics Science. 4 (1-2), 200-219 (2003).
  22. Charland, P., et al. Assessing the Multiple Dimensions of Engagement to Characterize Learning: A Neurophysiological Perspective. Journal of Visualized Experiments. (101), e52627 (2015).
  23. Courtemanche, F., et al. Texting while walking: An expensive switch cost. Accident Analysis, Prevention. 127, 1-8 (2019).
  24. Townsend, J. T., Ashby, F. G. . The stochastic modeling of elementary psychological processes. , (1983).
  25. Jung, T., et al. Removal of eye activity artifacts from visual event-related potentials in normal and clinical subjects. Clinical Neurophysiology. 111, 1745-1758 (2000).
  26. Luck, S. J. . An Introduction to the Event-related Potential Technique (Cognitive Neuroscience). , (2005).
  27. Steiger, J. H. Tests for comparing elements of a correlation matrix. Psychological Bulletin. 87 (2), 245-251 (1980).
  28. Léger, P. -. M., Davis, F., Riedl, R., vom Brocke, J., Léger, P. -. M., Randolph, A., Fischer, T. H., et al. Task Switching and Visual Discrimination in Pedestrian Mobile Multitasking: Influence of IT Mobile Task Type. Information Systems and Neuroscience: Vienna Retreat on NeuroIs 2019. , 245-251 (2020).
  29. Mourra, G. N. . Addicted to my smartphone: what factors influence the task-switching cost that occurs when using a smartphone while walking. , (2019).
  30. Schabrun, S. M., van den Hoorn, W., Moorcroft, A., Greenland, C., Hodges, P. W. Texting and walking: strategies for postural control and implications for safety. PloS One. 9 (1), 84312 (2014).

Play Video

Bu Makaleden Alıntı Yapın
Mourra, G. N., Brieugne, D., Rucco, E., Labonté-Lemoyne, É., Courtemanche, F., Sénécal, S., Fredette, M., Cameron, A., Faubert, J., Lepore, F., Bellavance, F., Léger, P. Measuring the Switch Cost of Smartphone Use While Walking. J. Vis. Exp. (158), e60555, doi:10.3791/60555 (2020).

View Video