Måling av bryterkostnaden for smarttelefonbruk mens du går

Summary

Denne studiedesignen måler oppgavebyttekostnaden ved å bruke en smarttelefon mens du går. Deltakerne gjennomgår to eksperimentelle forhold: en kontrolltilstand (gå) og en multitasking-tilstand (teksting mens du går). Deltakerne veksler mellom disse oppgavene og en retningsbestemmende oppgave. EEG-data samt atferdsmessige tiltak registreres.

Abstract

Dette papiret presenterer en studieprotokoll for å måle kostnadene for oppgaveveksling ved bruk av en smarttelefon mens du går. Denne metoden innebærer at deltakerne går på tredemølle under to eksperimentelle forhold: en kontrolltilstand (dvs. bare å gå) og en multitasking-tilstand (dvs. teksting mens de går). Under disse forholdene må deltakerne veksle mellom oppgavene knyttet til eksperimentell tilstand og en retningsbestemmende oppgave. Denne retningsoppgaven gjøres med en punktlysrullatorfigur, som tilsynelatende går mot venstre eller høyre for deltakeren. Ytelse for retningsoppgaven representerer deltakerens kostnader for oppgaveveksling. Det var to resultatmål: 1) korrekt identifisering av retningen og 2) responstid. EEG-data registreres for å måle alfa-svingninger og kognitive engasjement som oppstår under oppgavebryteren. Denne metoden er begrenset i sin økologiske gyldighet: fotgjengermiljøer har mange stimuli som forekommer samtidig og konkurrerer om oppmerksomhet. Ikke desto mindre er denne metoden egnet for å identifisere kostnader for oppgaveveksling. EEG-dataene tillater studier av de underliggende mekanismene i hjernen som er relatert til ulike oppgavebyttekostnader. Denne utformingen gjør det mulig å sammenligne oppgaveveksling når du gjør en oppgave om gangen, sammenlignet med oppgaveveksling når du multitasker, før stimuluspresentasjonen. Dette gjør det mulig å forstå og finne både den atferdsmessige og nevrofysiologiske effekten av disse to forskjellige oppgavebytteforholdene. Videre, ved å korrelere kostnadene for oppgaveveksling med hjerneaktiviteten, kan vi lære mer om hva som forårsaker disse atferdseffektene. Denne protokollen er en passende base for å studere byttekostnaden for forskjellige smarttelefonbruk. Ulike oppgaver, spørreskjemaer og andre tiltak kan legges til det for å forstå de ulike faktorene som er involvert i oppgavebyttekostnaden for smarttelefonbruk mens du går.

Introduction

Fordi både smarttelefonpenetrasjon og tendensen til multitasking øker, er det viktig å forstå hvilken innvirkning smarttelefonbruk mens du går, har på oppmerksomheten. Litteraturen har gjentatte ganger vist at oppgavebytte kommer med en kostnad¹, inkludert smarttelefonbruk mens du går. Studier har funnet ut at bruk av en smarttelefon mens du går kan være distraherende og farlig ^2,3,4. Disse farene har vært knyttet til oppmerksomhetsnedsettelsene ved å gjøre en slik oppgave 3,4,5,6,7. På grunn av fotgjengermiljøets komplekse natur kan det være problematisk å studere det i en eksperimentell kontekst som er økologisk gyldig. Ikke desto mindre kan gjennomføring av slike studier i faktiske fotgjengermiljøer komme med egne komplikasjoner fordi mange fremmede variabler kan spille inn, og det er fare for skade på deltakeren på grunn av distraksjoner. Det er viktig å kunne studere et slikt fenomen i et relativt trygt miljø som forblir så realistisk som mulig. I denne artikkelen beskriver vi en forskningsmetodikk som studerer oppgavebyttekostnaden ved teksting mens du går, samtidig som du både øker gyldigheten av oppgaven og reduserer de potensielle risikoene som er involvert.

Når du bruker en smarttelefon mens du går, blir enkeltpersoner tvunget til å bytte fra smarttelefonoppgaver til å gå og miljørelaterte oppgaver. Derfor, for å studere et slikt fenomen, fant vi det relevant å ramme denne metoden innenfor litteraturen om multitasking, spesielt fokusert på oppgavebytteparadigmet. For å gjøre dette ble oppgavebytteparadigmet brukt¹, slik at deltakerne byttet mellom en pre-stimulusoppgave og en post-stimulusoppgave. En av de to pre-stimulus oppgavene involverte multitasking, mens den andre ikke gjorde det. I post-stimulusoppgaven måtte deltakerne svare på en stimulus hvis oppfatning påvirkes av delt oppmerksomhet⁸. Videre har eksperimentelle laboratoriestudier som prøver å være så økologisk gyldige som mulig, ofte brukt virtuelle fotgjengermiljøer for å forstå oppmerksomhetseffekten av smarttelefonbruk mens du går ^4,9. Likevel, for å fange opp de underliggende nevrofysiologiske mekanismene, valgte vi å fokusere på den spesifikke oppgavebyttende reaksjonen på en stimulus for å minimere antall stimuli deltakerne måtte reagere på. På denne måten kan vi finne mer presist kostnadene for oppgaveveksling som kommer rent fra å bytte oppmerksomhet bort fra smarttelefonen og mot stimulansen. Med vår studiedesign bruker vi atferdsmessige tiltak (dvs. oppgavebyttekostnader) og nevrofysiologiske data for bedre å forstå oppmerksomhetsforstyrrelsene som er funnet under fotgjengerbruk av smarttelefoner.

Under et eksperiment med oppgaveveksling utførte deltakerne vanligvis minst to enkle oppgaver knyttet til et sett med stimuli, der hver oppgave krevde et annet sett med kognitive ressurser referert til som et “oppgavesett”¹. Når individer blir tvunget til å bytte mellom oppgaver, må deres mentale ressurser tilpasse seg (dvs. hemming av tidligere oppgavesett og aktivering av gjeldende oppgavesett). Denne “rekonfigurering av oppgavesett”-prosessen antas å være årsaken til kostnaden for oppgavebytte¹. Kostnaden for oppgaveveksling bestemmes vanligvis ved å observere forskjellene i enten responstid og/eller feilrate mellom forsøk der deltakerne bytter mellom oppgaver og de der de ikke gjør^det. I vårt eksperiment hadde vi tre oppgavesett: 1) å svare på en punktlys-walker-stimulus; 2) teksting på en smarttelefon mens du går; og 3) bare å gå. Vi sammenlignet byttekostnaden mellom to forskjellige forhold: 1) bare å gå før du reagerer på stimulansen, og 2) gå mens du sender tekstmeldinger før du svarer. På denne måten fanget vi kostnadene ved multitasking på en smarttelefon før vi byttet oppgaven, og kunne direkte sammenligne den med ikke-multitasking-bryterkostnaden ved å bare gå før utseendet til den visuelle stimulansen. Fordi smarttelefonen som ble brukt i denne studien, var av et bestemt merke, ble alle deltakerne screenet før eksperimentet for å være sikre på at de visste hvordan de skulle bruke enheten riktig.

For å simulere en realistisk opplevelse som er representativ for fotgjengerkonteksten, bestemte vi oss for å bruke en punktlysrullatorfigur som en visuell stimulus, som representerer en menneskelig form som går med en 3,5° avviksvinkel mot venstre eller høyre for deltakeren. Denne figuren består av 15 svarte prikker på hvit bakgrunn, der prikkene representerer hodet, skuldrene, hoftene, albuene, håndleddene, knærne og anklene til et menneske (figur 1). Denne stimulansen er basert på biologisk bevegelse, noe som betyr at den følger bevegelsesmønsteret som er typisk for mennesker og dyr¹¹. Videre er denne stimulansen mer enn økologisk gyldig; Det krever kompleks visuell behandling og oppmerksomhet for å kunne analyseres vellykket^12,13. Interessant nok fant Thornton et ^al.8 at riktig identifisering av den punktlignende rullatorens retning er sterkt påvirket av delt oppmerksomhet, noe som gjør den egnet som et ytelsesmål når man studerer kostnader for oppgaveveksling ved multitasking. Deltakerne ble bedt om å muntlig oppgi retningen figuren gikk. Utseendet til rullatoren ble alltid ført av et auditivt signal som signaliserte utseendet på skjermen.

Ytelse på punktlysrullatoroppgaven og nevrofysiologiske data tillot oss å bestemme oppmerksomhetseffekten av begge forholdene og bidra til å bestemme hva som forårsaket dem. Ytelsen ble målt ved å se på feilratene og responstidene ved bestemmelse av retningen til punktlysrullatorfiguren. For å forstå de underliggende kognitive og oppmerksomhetsmekanismene som var involvert i oppmerksomhetsvanskene vi fant med resultatmålet, vurderte vi deltakernes nevrofysiologiske data ved hjelp av EEG actiCAP med 32 elektroder. EEG er et passende verktøy når det gjelder midlertidig presisjon, noe som er viktig når du prøver å se hva som forårsaker dårlig ytelse på bestemte øyeblikk i tid (f.eks. utseendet til punktlysrullatorfiguren), selv om gjenstander kan være til stede i dataene på grunn av bevegelser. Ved analyse av EEG-dataene er to indekser spesielt relevante: 1) alfa-svingninger; og 2) kognitivt engasjement. Forskning har funnet at alfa-svingninger kan representere fungerende minnekontroll så vel som aktiv inhibering av oppgave-irrelevante hjernekretser^14,15,16,17. Ved å sammenligne alfasvingningene ved baselinenivå med de som forekommer med stimuluspresentasjonen^18,19, oppnådde vi alfa-ratioen. Med dette forholdet bestemte vi de hendelsesrelaterte endringene som kunne ligge til grunn for oppmerksomhetssvikten som ble observert når du tekstet mens du gikk. Med hensyn til kognitivt engasjement utviklet Pope et al.20 en indeks der betaaktivitet representerer økt opphisselse og oppmerksomhet, og alfa- og thetaaktivitet reflekterer nedgang i opphisselse og oppmerksomhet^21,22. Denne analysen ble gjort for å avgjøre om økt engasjement før stimulansens utseende ville komplisere rekonfigureringen av oppgavesettet som kreves for å svare på rullatorfiguren.

Med metodikken beskrevet i denne artikkelen, søker vi å forstå de underliggende mekanismene som påvirker oppgavebytteytelsen hos deltakere som er engasjert i multitasking-episoder. Gangtilstanden representerer en ikke-multitasking oppgavebryterytelse som sammenlignes med en multitasking-oppgavebryterytelse (dvs. teksting mens du går). Ved å måle rollene til oppgavesettinhibering og oppgavesettaktivering, forsøkte vi å bedre forstå bryterkostnadene som oppstår når du sender tekstmeldinger mens du går. Det er relevant å merke seg at den opprinnelige studien ble gjort i et oppslukende virtuelt miljø²³ , men ble senere replikert i et eksperimentelt rom (se figur 2) med en projektor som viser rullatorfiguren på en skjerm foran deltakeren. Fordi dette virtuelle miljøet ikke lenger er tilgjengelig, ble protokollen tilpasset den nåværende eksperimentelle romdesignen.

Protocol

Før du begynner datainnsamlingen, er det viktig å motta all nødvendig etisk forskningsgodkjenning for menneskelige deltakere. Dette bør gjøres gjennom de aktuelle nemndene og/eller komiteene for gjennomgang av menneskelige deltakere. Denne protokollen ble godkjent og sertifisert av etisk styre fra HEC Montréal for Tech3Lab forskningsanlegg. 1. Forberedelse av visuell stimulans Opprett den eksperimentelle malen for den visuelle stimulansen med en visu…

Representative Results

Denne studieprotokollen ble opprinnelig gjennomført med 54 deltakere, som hver responderte på 88 retningsstudier. Halvparten av disse forsøkene skjedde når deltakerne bare gikk før stimuluspresentasjonen; Den andre halvparten skjedde da deltakerne tekstet mens de gikk før stimuluspresentasjonen. Atferdsmessige resultaterYtelse på punktlysrullatorens retning representerer kostnader for oppgaveveksling, med lavere ytelse som gir høyere kostnader for oppgaveveksling. …

Discussion

Et kritisk valg ved bruk av protokollen ville være å sikre kvaliteten på de nevrofysiologiske dataene. Det er en iboende komplikasjon ved å bruke et verktøy som EEG under bevegelse, fordi overdreven bevegelse kan skape mye støy i dataene. Det er derfor viktig å vurdere, i forkant av datainnsamlingen, hvordan dataene vil bli forberedt på å fjerne så mange gjenstander som mulig uten å endre det faktiske signalet. Likevel er det fortsatt ganske sannsynlig at det vil være høyere nivåer av dataekskludering fordi…

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