Summary

Misurare il costo dell'interruttore dell'uso dello smartphone mentre si cammina

Published: April 30, 2020
doi:

Summary

Questo progetto di studio misura il costo di commutazione delle attività dell’utilizzo di uno smartphone mentre si cammina. I partecipanti subiscono due condizioni sperimentali: una condizione di controllo (camminare) e una condizione multitasking (inviare messaggi di testo mentre si cammina). I partecipanti passano da questi compiti a un compito che determina la direzione. Vengono registrati i dati EEG e le misure comportamentali.

Abstract

Questo documento presenta un protocollo di studio per misurare il costo di commutazione delle attività dell’utilizzo di uno smartphone mentre si cammina. Questo metodo prevede che i partecipanti camminino su un tapis roulant in due condizioni sperimentali: una condizione di controllo (cioè semplicemente camminare) e una condizione multitasking (cioè inviare messaggi mentre si cammina). Durante queste condizioni, i partecipanti devono passare tra i compiti relativi alla condizione sperimentale e un compito che determina la direzione. Questo compito di direzione viene svolto con una figura di camminatore puntiforme, apparentemente camminando verso la sinistra o la destra del partecipante. Le prestazioni dell’attività di direzione rappresentano i costi di commutazione dell’attività del partecipante. Ci sono state due misure di performance: 1) corretta identificazione della direzione e 2) tempo di risposta. I dati EEG vengono registrati al fine di misurare le oscillazioni alfa e l’impegno cognitivo che si verificano durante il cambio di attività. Questo metodo è limitato nella sua validità ecologica: gli ambienti pedonali hanno molti stimoli che si verificano simultaneamente e competono per l’attenzione. Tuttavia, questo metodo è appropriato per individuare i costi di commutazione delle attività. I dati EEG consentono lo studio dei meccanismi sottostanti nel cervello che sono legati a diversi costi di commutazione delle attività. Questo design consente il confronto tra il cambio di attività quando si esegue un’attività alla volta, rispetto al cambio di attività durante il multitasking, prima della presentazione dello stimolo. Ciò consente di comprendere e individuare sia l’impatto comportamentale che neurofisiologico di queste due diverse condizioni di commutazione dei compiti. Inoltre, correlando i costi di commutazione delle attività con l’attività cerebrale, possiamo saperne di più su ciò che causa questi effetti comportamentali. Questo protocollo è una base appropriata per studiare il costo di commutazione dei diversi usi degli smartphone. È possibile aggiungere diversi compiti, questionari e altre misure al fine di comprendere i diversi fattori coinvolti nel costo di commutazione delle attività dell’uso dello smartphone mentre si cammina.

Introduction

Poiché sia la penetrazione dello smartphone che la tendenza al multitasking sono in aumento, è importante capire l’impatto che l’uso dello smartphone mentre si cammina ha sull’attenzione. La letteratura ha dimostrato ripetutamente che il cambio di attività ha un costodi 1, incluso l’uso dello smartphone mentre si cammina. Gli studi hanno scoperto che l’uso di uno smartphone mentre si cammina può essere fonte di distrazione e pericoloso 2,3,4. Questi pericoli sono stati collegati alle menomazioni attentive di svolgere un tale compito 3,4,5,6,7. A causa della natura complessa dell’ambiente pedonale, studiarlo in un contesto sperimentale ecologicamente valido può essere problematico. Tuttavia, condurre tali studi in ambienti pedonali reali può comportare complicazioni proprie perché possono entrare in gioco molte variabili estranee e c’è il rischio di danni al partecipante a causa di distrazioni. È importante essere in grado di studiare un tale fenomeno in un ambiente relativamente sicuro che rimanga il più realistico possibile. In questo articolo, descriviamo una metodologia di ricerca che studia il costo di commutazione delle attività di invio di messaggi di testo mentre si cammina, aumentando al contempo la validità dell’attività e mitigando i potenziali rischi coinvolti.

Quando si utilizza uno smartphone mentre si cammina, le persone sono costrette a passare dalle attività dello smartphone alle attività relative alla deambulazione e all’ambiente. Quindi, al fine di studiare un tale fenomeno, abbiamo trovato pertinente inquadrare questo metodo all’interno della letteratura sul multitasking, specificamente focalizzata sul paradigma del task switching. Per fare ciò, è stato utilizzato il paradigma di commutazione delle attività1, facendo passare i partecipanti da un compito pre-stimolo a un compito post-stimolo. Uno dei due compiti pre-stimolo riguardava il multitasking, mentre l’altro no. Nel compito post-stimolo, i partecipanti dovevano rispondere a uno stimolo la cui percezione è influenzata dall’attenzione divisa8. Inoltre, studi sperimentali di laboratorio che cercano di essere il più ecologicamente validi possibile hanno spesso utilizzato ambienti pedonali virtuali per comprendere l’impatto attenzionale dell’uso dello smartphone mentre si cammina 4,9. Tuttavia, al fine di catturare i meccanismi neurofisiologici sottostanti, abbiamo scelto di concentrarci sulla specifica reazione di commutazione del compito a uno stimolo per ridurre al minimo il numero di stimoli a cui i partecipanti dovevano reagire. In questo modo, possiamo individuare con maggiore precisione il costo del cambio di attività derivante esclusivamente dallo spostamento dell’attenzione dallo smartphone allo stimolo. Con il nostro disegno di studio, utilizziamo misure comportamentali (cioè costi di commutazione delle attività) e dati neurofisiologici per comprendere meglio i disturbi dell’attenzione riscontrati durante l’uso dello smartphone pedonale.

Durante un esperimento di commutazione delle attività, i partecipanti di solito eseguivano almeno due semplici compiti relativi a un insieme di stimoli, con ogni compito che richiedeva un diverso insieme di risorse cognitive indicato come “task-set”1. Quando gli individui sono costretti a passare da un compito all’altro, le loro risorse mentali devono adattarsi (cioè, l’inibizione del set di compiti precedente e l’attivazione del set di compiti corrente). Si ritiene che questo processo di “riconfigurazione del set di attività” sia la causa del costo di commutazione delle attività1. Il costo del cambio di attività è solitamente determinato osservando le differenze nel tempo di risposta e / o nel tasso di errore tra le prove in cui i partecipanti passano da un’attività all’altra e quelle in cui non lo fanno10. Nel nostro esperimento, abbiamo avuto tre serie di compiti: 1) rispondere a uno stimolo point-light walker; 2) inviare messaggi di testo su uno smartphone mentre si cammina; e 3) semplicemente camminando. Abbiamo confrontato il costo del passaggio tra due diverse condizioni: 1) semplicemente camminare prima di rispondere allo stimolo e 2) camminare mentre si invia un messaggio prima di rispondere. In questo modo, abbiamo catturato il costo del multitasking su uno smartphone prima di cambiare l’attività e siamo stati in grado di confrontarlo direttamente con il costo dello switch non multitasking di camminare semplicemente prima della comparsa dello stimolo visivo. Poiché lo smartphone utilizzato in questo studio era di una marca specifica, tutti i partecipanti sono stati sottoposti a screening prima dell’esperimento per essere sicuri di sapere come utilizzare correttamente il dispositivo.

Al fine di simulare un’esperienza realistica rappresentativa del contesto pedonale, abbiamo deciso di utilizzare una figura di camminatore puntiforme come stimolo visivo, che rappresenta una forma umana che cammina con un angolo di deviazione di 3,5 ° verso sinistra o destra del partecipante. Questa figura è composta da 15 punti neri su sfondo bianco, con i punti che rappresentano la testa, le spalle, i fianchi, i gomiti, i polsi, le ginocchia e le caviglie di un essere umano (Figura 1). Questo stimolo si basa sul movimento biologico, il che significa che segue lo schema di movimento tipico degli esseri umani e degli animali11. Inoltre, questo stimolo è più che ecologicamente valido; Richiede un’elaborazione visiva complessa e attenzione per essere analizzata con successo12,13. È interessante notare che Thornton et al.8 hanno scoperto che la corretta identificazione della direzione del camminatore puntiforme è fortemente influenzata dall’attenzione divisa, rendendola adatta come misura delle prestazioni quando si studiano i costi di commutazione delle attività durante il multitasking. Ai partecipanti è stato chiesto di dichiarare verbalmente la direzione in cui la figura stava camminando. L’aspetto del camminatore era sempre preceduto da un segnale uditivo che segnalava la sua apparizione sullo schermo.

Le prestazioni sul compito del camminatore puntiforme e i dati neurofisiologici ci hanno permesso di determinare l’impatto attenzionale di entrambe le condizioni e aiutare a determinare cosa le ha causate. Le prestazioni sono state misurate osservando i tassi di errore e i tempi di risposta nel determinare la direzione della figura del camminatore puntiforme. Al fine di comprendere i meccanismi cognitivi e attentivi sottostanti coinvolti nei disturbi dell’attenzione che abbiamo trovato con la misurazione delle prestazioni, abbiamo valutato i dati neurofisiologici dei partecipanti utilizzando l’EEG actiCAP con 32 elettrodi. L’EEG è uno strumento appropriato in termini di precisione temporanea, che è importante quando si cerca di vedere cosa causa scarse prestazioni in momenti specifici nel tempo (ad esempio, l’aspetto della figura del camminatore puntiforme), sebbene gli artefatti possano essere presenti nei dati a causa dei movimenti. Quando si analizzano i dati EEG, due indici sono particolarmente rilevanti: 1) oscillazioni alfa; e 2) impegno cognitivo. La ricerca ha scoperto che le oscillazioni alfa possono rappresentare il controllo della memoria di lavoro e l’inibizione attiva dei circuiti cerebrali irrilevanti per il compito14,15,16,17. Confrontando le oscillazioni alfa a livelli basali con quelle che si verificano con la presentazione dello stimolo18,19, abbiamo ottenuto il rapporto alfa. Con questo rapporto, abbiamo determinato i cambiamenti correlati agli eventi che potrebbero essere alla base della compromissione dell’attenzione osservata quando si inviano messaggi di testo mentre si cammina. Per quanto riguarda l’impegno cognitivo, Pope et al.20 hanno sviluppato un indice in cui l’attività beta rappresenta un aumento dell’eccitazione e dell’attenzione, e l’attività alfa e theta riflette la diminuzione dell’eccitazione e dell’attenzione21,22. Questa analisi è stata fatta per determinare se un maggiore coinvolgimento prima della comparsa dello stimolo complicherebbe la riconfigurazione del set di attività richiesta per rispondere alla figura del camminatore.

Con la metodologia descritta in questo documento, cerchiamo di cogliere i meccanismi sottostanti che influiscono sulle prestazioni di commutazione delle attività nei partecipanti impegnati in episodi multitasking. La condizione di deambulazione rappresenta una prestazione di commutazione di attività non multitasking che viene confrontata con una prestazione di commutazione di attività multitasking (ad esempio, inviare messaggi di testo mentre si cammina). Misurando i ruoli dell’inibizione del set di attività e dell’attivazione del set di attività, abbiamo cercato di comprendere meglio i costi di commutazione che si verificano quando si invia un messaggio di testo mentre si cammina. È importante notare che lo studio originale è stato condotto in un ambiente virtuale immersivo23 , ma è stato successivamente replicato in una sala sperimentale (vedi Figura 2) con un proiettore che visualizza la figura del camminatore su uno schermo di fronte al partecipante. Poiché questo ambiente virtuale non è più disponibile, il protocollo è stato adattato all’attuale progettazione della sala sperimentale.

Protocol

Prima di iniziare la raccolta dei dati, è importante ricevere tutta l’approvazione necessaria alla ricerca etica per i partecipanti umani. Questo dovrebbe essere fatto attraverso le commissioni di revisione appropriate e / o comitati di revisione dei partecipanti umani. Questo protocollo è stato approvato e certificato dal comitato etico di HEC Montréal per la struttura di ricerca Tech3Lab. 1. Preparazione dello stimolo visivo Crea il modello sperimenta…

Representative Results

Questo protocollo di studio è stato originariamente condotto con 54 partecipanti, ciascuno rispondente a 88 studi di direzione. La metà di questi studi si è verificata quando i partecipanti stavano semplicemente camminando prima della presentazione dello stimolo; L’altra metà si è verificata quando i partecipanti stavano scrivendo messaggi mentre camminavano prima della presentazione dello stimolo. Risultati comportamentaliLe prestazioni sulla direzione del camminator…

Discussion

Una scelta critica quando si utilizza il protocollo sarebbe garantire la qualità dei dati neurofisiologici. C’è una complicazione intrinseca nell’utilizzo di uno strumento come l’EEG durante il movimento, perché un movimento eccessivo può creare molto rumore nei dati. È quindi importante considerare, prima della raccolta dei dati, come i dati saranno preparati per rimuovere il maggior numero possibile di artefatti senza modificare il segnale effettivo. Tuttavia, è ancora abbastanza probabile che ci saranno tassi pi…

Divulgazioni

The authors have nothing to disclose.

Acknowledgements

Gli autori riconoscono il sostegno finanziario del Social Sciences and Humanities Research Council of Canada (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

Riferimenti

  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

Citazione di questo articolo
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