Summary

Medición del comportamiento de conmutación de luz mediante un registrador de datos ligero y de ocupación

Published: January 16, 2020
doi:

Summary

En este artículo se describe un procedimiento para usar e implementar un registrador de datos ligero y de ocupación que permite recopilar datos sobre el comportamiento de conmutación de luz de los participantes en la configuración de campo.

Abstract

Debido a las discrepancias entre el comportamiento proambiental autoinformado y observado, los investigadores sugieren el uso de medidas de comportamiento más directas. Aunque la observación directa del comportamiento puede aumentar la validez externa y la generalización de un estudio, puede llevar mucho tiempo y estar sujeta a un sesgo de experimentador u observador. Para abordar estos problemas, el uso de registradores de datos como alternativa a la observación natural puede permitir a los investigadores realizar estudios amplios sin interrumpir los comportamientos naturales de los participantes. Este artículo describe una de estas herramientas, el registrador de datos ligero y de ocupación, con su descripción técnica, protocolo de implementación e información sobre sus posibles aplicaciones en experimentos psicológicos. Los resultados de la prueba de la fiabilidad del registrador en comparación con la observación humana se proporcionan junto con un ejemplo de los datos recopilados durante una medición de 15 días en el baño público (N 1.148) que incluye: 1) cambios de ocupación de la habitación; 2) cambios de luz en interiores; y 3) tiempo de ocupación de la habitación.

Introduction

Una de las medidas más utilizadas de comportamiento proambiental en psicología son los autoinformes en forma de encuestas, entrevistas o cuestionarios1. Entre las razones indicadas para esta tendencia se encuentra simplemente la dificultad para llevar a cabo experimentos de campo, que normalmente requieren una cantidad justa de recursos y una operacionalización precisa2,3. Sin embargo, la compensación vale la pena el esfuerzo ya que está bien establecido que confiar en medidas de auto-informe puede ser engañoso en la predicción del comportamiento objetivo4,5,6.

Al tratar de evitar este problema, los investigadores que se centran en el estudio del comportamiento de conservación de energía generalmente utilizan datos observacionales (categorización nominal de eventos observados, por ejemplo, encendido/apagado de luces) o residuales (evidencia cuantificable de un comportamiento pasado, por ejemplo, consumo de energía en kWh) como mediciones de variables dependientes7. Aunque ambos tipos de mediciones son valiosos, los datos observacionales se utilizan con mayor frecuencia en los experimentos de campo2,3,8, especialmente cuando sus variables dependientes se refieren al comportamiento de conmutación de luz.

Antes de obtener datos observacionales, los investigadores deben considerar varias cuestiones metodológicas, que son: 1) representatividad de la muestra; 2) el número de observadores para excluir posibles errores humanos; 3) acuerdo entre observadores para excluir el sesgo de los experimentadores; 4) la ubicación del observador, que debe ocultarse a fin de reducir la posibilidad de ser visto por los participantes; 5) codificación de observación definida clara y específicamente; 6) prueba previa de las medidas de observación; 7) capacitación de observadores; y 8) establecer el calendario sistemático de la observación9. A pesar de que la mayoría de los problemas mencionados ya se abordaron, por ejemplo, aquellos que se refieren al análisis de confiabilidad10 o a la codificación de datos observacionales11,parece que no todos reciben mucha atención en artículos que describen experimentos sobre el comportamiento de conmutación de luz.

Un análisis de cuatro estudios12,13,14,15 que fueron elegidos por su similitud en el contexto experimental (todos ellos se referían a la conducta de conmutación de luz en baños públicos / baños) mostró que aunque los detalles de ubicación en cada uno de los estudios eran precisos, los detalles de medición de la observación variaron. Dado que cada estudio empleó observación naturalista, la recopilación de información sobre el comportamiento de los participantes que eran el sexo opuesto de los observadores no siempre fue posible14 debido a una posible interferencia o violación de las normas sociales (por ejemplo, si un experimentador masculino entrara en un baño de mujeres o viceversa). En algunos casos, no se proporcionaron los datos precisos de los géneros de los participantes15. Esto parece ser una limitación al tener en cuenta que el género puede ser un factor importante en la predicción del comportamiento proambiental16.

Las mayores diferencias, sin embargo, surgieron en la descripción de los observadores y los tiempos de medición. Aunque estas descripciones serán naturalmente diferentes sobre la base de la ubicación experimental, el número exacto de observadores no siempre se proporcionó14. Además, la ubicación exacta de los observadores no fue explícita12,14,15, lo que dificulta la realización de posibles replicaciones y garantiza que los participantes no sean conscientes de ser observados. En cuatro artículos analizados, sólo uno proporcionó una descripción detallada de la ubicación del observador13.

Además, los tiempos exactos de los intervalos de observación sólo fueron proporcionados por un estudio12, mientras que otros estudios describieron los tiempos generales de estudio (con una descripción general de cuántas veces en cada día de estudio tuvo lugar la observación)13,15 o no la describieron en absoluto14. Esto puede volver a impedir la replicación y el establecimiento de si el calendario de observación fue sistemático y suficiente a los efectos del estudio.

Las limitaciones de estos experimentos se presentan como directrices y puntos importantes que deben tenerse en cuenta en futuras investigaciones. En ningún caso se pretendía socavar la importancia de estos estudios. Las áreas indicadas deben ser consideradas para maximizar la operacionalización del estudio con el fin de facilitar las replicaciones, que desempeñan un papel importante en la psicología17,18, y simplificar la conducción de experimentos de campo. Sin embargo, es cuestionable si todas las cuestiones mencionadas pueden tratarse mejorando los métodos de observación que, en última instancia, se basan en observadores humanos.

Por estas razones, la ocupación y el registrador de datos ligeros (ver Tabla de Materiales)es una herramienta valiosa que se puede utilizar eficazmente para recopilar información sobre un tipo particular de comportamientos de conservación de energía, conmutación de luz, sin las limitaciones de uso de observadores o restricciones éticas (el registrador no recopila los datos audiovisuales). En general, el objetivo de este artículo es presentar la descripción técnica y las posibilidades de un modelo de la ocupación y el registrador de datos ligeros. Para el conocimiento de los autores, este es el primer intento de presentar esta herramienta a fondo en el contexto de su uso en experimentos de campo en psicología.

Descripción técnica de los madereros
El modelo de registrador de datos de ocupación/luz (ver Tabla de Materiales)que se utilizó para este artículo estaba equipado con una capacidad de memoria estándar de 128 kB. El registrador pesa 30 g y su tamaño es de 3,66 cm á 8,48 cm á 2,36 cm. Detalles adicionales y el manual del producto se pueden encontrar en el sitio web del fabricante19.

Los botones de control, el sensor de luz y la bandeja de la batería se encuentran en el panel superior. El panel frontal consta del sensor de ocupación y una pantalla LCD, mientras que el panel posterior está equipado con imanes y bucles de montaje(Figura 1). El puerto USB 2.0 se encuentra en el panel inferior, para permitir la conexión del registrador al ordenador con un cable USB con el fin de permitir la configuración antes de la implementación y para obtener posteriormente lecturas utilizando el paquete de software de análisis dedicado a este registrador de datos.

El umbral del sensor de luz integrado (fotocélula) es superior a 65 lx, que funciona con diferentes tipos de luz (LED, CFL, fluorescente, HID, incandescente, natural) que se pueden encontrar en la mayoría de los espacios públicos. En general, el registrador interpreta los cambios de estado de la luz (ON/OFF) dependiendo de la intensidad de la señal de luz, más precisamente, si cae por debajo o se eleva por encima de los niveles del umbral de calibración. También debe tenerse en cuenta que el sensor está asegurado de la detección falsa de los estados ON y OFF por un nivel de histéresis incorporado de aproximadamente 12,5%19.

Un sensor de movimiento determina si la habitación está ocupada o desocupada. Con el uso de un sensor infrarrojo piroeléctrico (PIR), detecta el movimiento de las personas por su temperatura corporal (que difiere de la temperatura del entorno). El rango de detección del registrador discutido tiene un máximo de 5 m y la versión extendida del registrador tiene un rango de 12 m. El rendimiento de detección horizontal funciona hasta 94o (47o) y vertical hasta 82o (41o).

El modelo descrito de registrador de datos de ocupación/luz ha sido validado junto con los sensores de ciencia de construcción de código abierto y parece proporcionar una medición fiable de la intensidad de la luz y la frecuencia de ocupación21. Además, estos modelos de madereros se han demostrado útiles en la investigación del entorno construido, precisamente en aplicaciones de iluminación22,23,24.

Protocol

El estudio fue aprobado por el comité de ética de la Universidad SWPS de Ciencias Sociales y Humanidades en Varsovia (número 46/2016). 1. Elegir un sitio experimental para la implementación del maderero Elija un sitio experimental interior que permita montar el registrador cerca de la fuente de luz (para una detección adecuada de los cambios de luz), así como recopilar los datos sobre el comportamiento relativo al estado de ocupación de la habitación (para una detección de m…

Representative Results

Prueba de fiabilidad de los madereros en comparación con la observación humanaCon el fin de probar la fiabilidad del maderero en comparación con la observación humana, se llevó a cabo una prueba de campo de 4 horas en un baño masculino de un solo puesto ubicado en el campus de la Universidad. Dos observadores masculinos esperaron fuera del baño (aproximadamente 5 m de la puerta principal) y registraron de forma independiente el comportamiento de los visitantes en términos de tasas de ocupaci?…

Discussion

Al planear el uso de más de un sitio (para la implementación del registrador) al mismo tiempo, debe asegurarse de que cada sitio tiene un diseño arquitectónico idéntico con el fin de excluir la posibilidad de que se produzcan diferentes patrones de comportamiento de los participantes (es decir, resultantes de los tiempos de ocupación y las posibilidades de conmutación de luz). Un sitio adecuado debe estar equipado con una o más fuentes de luz con un solo interruptor de luz correspondiente, visible para el ocupant…

Disclosures

The authors have nothing to disclose.

Acknowledgements

Ninguno.

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).
check_url/kr/60771?article_type=t

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