Waiting
Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove
JoVE Journal Behavior
Click here for the English version

Behavior

चलते समय स्मार्टफोन के उपयोग की स्विच लागत को मापना

Published: April 30, 2020 doi: 10.3791/60555
Automatic Translation
1, 1, 1, 1, 1, 1, 1, 1, 2, 2, 1, 1
1HEC Montréal, 2Université de Montréal

ERRATUM NOTICE

Summary

यह अध्ययन डिजाइन चलने के दौरान स्मार्टफोन का उपयोग करने की कार्य-स्विचिंग लागत को मापता है। प्रतिभागियों को दो प्रयोगात्मक स्थितियों से गुजरना पड़ता है: एक नियंत्रण स्थिति (चलना) और एक मल्टीटास्किंग स्थिति (चलते समय टेक्स्टिंग)। प्रतिभागी इन कार्यों और एक दिशा निर्धारण कार्य के बीच स्विच करते हैं। ईईजी डेटा के साथ-साथ व्यवहार संबंधी उपायों को दर्ज किया जाता है।

Abstract

यह पेपर चलने के दौरान स्मार्टफोन का उपयोग करने की कार्य-स्विचिंग लागत को मापने के लिए एक अध्ययन प्रोटोकॉल प्रस्तुत करता है। इस विधि में प्रतिभागियों को दो प्रयोगात्मक स्थितियों के तहत ट्रेडमिल पर चलना शामिल है: एक नियंत्रण स्थिति (यानी, बस चलना) और एक मल्टीटास्किंग स्थिति (यानी, चलते समय टेक्स्टिंग)। इन स्थितियों के दौरान, प्रतिभागियों को प्रयोगात्मक स्थिति और दिशा निर्धारण कार्य से संबंधित कार्यों के बीच स्विच करना होगा। यह दिशा कार्य एक बिंदु-प्रकाश वॉकर आकृति के साथ किया जाता है, प्रतीत होता है कि प्रतिभागी के बाईं या दाईं ओर चल रहा है। दिशा कार्य पर प्रदर्शन प्रतिभागी की कार्य-स्विचिंग लागत का प्रतिनिधित्व करता है। दो प्रदर्शन उपाय थे: 1) दिशा की सही पहचान और 2) प्रतिक्रिया समय। टास्क स्विच के दौरान होने वाले अल्फा दोलनों और संज्ञानात्मक जुड़ाव को मापने के लिए ईईजी डेटा दर्ज किया जाता है। यह विधि इसकी पारिस्थितिक वैधता में सीमित है: पैदल यात्री वातावरण में एक साथ होने वाली कई उत्तेजनाएं होती हैं और ध्यान के लिए प्रतिस्पर्धा होती है। बहरहाल, यह विधि कार्य-स्विचिंग लागतों को इंगित करने के लिए उपयुक्त है। ईईजी डेटा मस्तिष्क में अंतर्निहित तंत्र के अध्ययन की अनुमति देता है जो अलग-अलग कार्य-स्विचिंग लागतों से संबंधित हैं। यह डिज़ाइन उत्तेजना प्रस्तुति से पहले मल्टीटास्किंग करते समय कार्य स्विचिंग की तुलना में, एक समय में एक कार्य करते समय कार्य स्विचिंग के बीच तुलना की अनुमति देता है। यह इन दो अलग-अलग कार्य-स्विचिंग स्थितियों के व्यवहार और न्यूरोफिज़ियोलॉजिकल प्रभाव दोनों को समझने और इंगित करने की अनुमति देता है। इसके अलावा, मस्तिष्क गतिविधि के साथ कार्य-स्विचिंग लागतों को सहसंबंधित करके, हम इन व्यवहार प्रभावों के कारणों के बारे में अधिक जान सकते हैं। यह प्रोटोकॉल विभिन्न स्मार्टफोन उपयोगों की स्विचिंग लागत का अध्ययन करने के लिए एक उपयुक्त आधार है। चलने के दौरान स्मार्टफोन के उपयोग की कार्य-स्विचिंग लागत में शामिल विभिन्न कारकों को समझने के लिए इसमें विभिन्न कार्यों, प्रश्नावली और अन्य उपायों को जोड़ा जा सकता है।

Introduction

क्योंकि स्मार्टफोन की पैठ और मल्टीटास्क करने की प्रवृत्ति दोनों बढ़ रही है, इसलिए यह समझना महत्वपूर्ण है कि चलते समय स्मार्टफोन के उपयोग का ध्यान पर क्या प्रभाव पड़ता है। साहित्य ने बार-बार प्रदर्शित किया है कि टास्क स्विचिंग लागत1 के साथ आता है, जिसमें चलने के दौरान स्मार्टफोन का उपयोग भी शामिल है। अध्ययनों में पाया गया है कि चलते समय स्मार्टफोन का उपयोग करना विचलित और खतरनाक हो सकताहै 2,3,4. इन खतरों को इस तरह के कार्य को करने की ध्यान हानि से जोड़ा गया है 3,4,5,6,7। पैदल यात्री पर्यावरण की जटिल प्रकृति के कारण, इसे एक प्रयोगात्मक संदर्भ में अध्ययन करना जो पारिस्थितिक रूप से मान्य है, समस्याग्रस्त हो सकता है। बहरहाल, वास्तविक पैदल यात्री वातावरण में इस तरह के अध्ययन का संचालन अपने स्वयं की जटिलताओं के साथ आ सकता है क्योंकि कई बाहरी चर खेल में आ सकते हैं, और विकर्षण के कारण प्रतिभागी को नुकसान का खतरा होता है। अपेक्षाकृत सुरक्षित वातावरण में ऐसी घटना का अध्ययन करने में सक्षम होना महत्वपूर्ण है जो यथासंभव यथार्थवादी रहता है। इस लेख में, हम एक शोध पद्धति का वर्णन करते हैं जो चलने के दौरान टेक्स्टिंग की कार्य-स्विचिंग लागत का अध्ययन करता है, जबकि कार्य की वैधता को बढ़ाता है और इसमें शामिल संभावित जोखिमों को कम करता है।

चलते समय स्मार्टफोन का उपयोग करते समय, व्यक्तियों को स्मार्टफोन कार्यों से चलने और पर्यावरण से संबंधित कार्यों पर स्विच करने के लिए मजबूर किया जाता है। इसलिए, इस तरह की घटना का अध्ययन करने के लिए, हमने मल्टीटास्किंग पर साहित्य के भीतर इस विधि को तैयार करना उचित पाया, विशेष रूप से कार्य स्विचिंग प्रतिमान पर केंद्रित। ऐसा करने के लिए, टास्क स्विचिंग प्रतिमान का उपयोग किया गया था1, जिसमें प्रतिभागियों को पूर्व-उत्तेजना कार्य और पोस्ट-स्टिमुलस कार्य के बीच स्विच करना था। दो पूर्व-उत्तेजना कार्यों में से एक में मल्टीटास्किंग शामिल थी, जबकि दूसरे में नहीं था। पोस्ट-स्टिमुलस कार्य में, प्रतिभागियों को एक उत्तेजना का जवाब देना था जिसकी धारणा विभाजित ध्यान8 से प्रभावित होती है। इसके अलावा, प्रयोगात्मक प्रयोगशाला अध्ययन जो यथासंभव पारिस्थितिक रूप से मान्य होने की कोशिश करते हैं, ने अक्सरचलने के दौरान स्मार्टफोन के उपयोग के ध्यान प्रभाव को समझने के लिए आभासी पैदल यात्री वातावरण का उपयोग किया है। बहरहाल, अंतर्निहित न्यूरोफिज़ियोलॉजिकल तंत्र को पकड़ने के लिए, हमने प्रतिभागियों की प्रतिक्रिया की संख्या को कम करने के लिए एक उत्तेजना के लिए विशिष्ट कार्य-स्विचिंग प्रतिक्रिया पर ध्यान केंद्रित करना चुना। इस तरह, हम स्मार्टफोन से दूर और उत्तेजना की ओर ध्यान केंद्रित करने से आने वाली टास्क-स्विचिंग लागत को अधिक सटीक रूप से इंगित कर सकते हैं। हमारे अध्ययन डिजाइन के साथ, हम पैदल यात्री स्मार्टफोन के उपयोग के दौरान पाए जाने वाले ध्यान संबंधी हानि को बेहतर ढंग से समझने के लिए व्यवहार संबंधी उपायों (यानी, कार्य-स्विचिंग लागत) और न्यूरोफिज़ियोलॉजिकल डेटा का उपयोग करते हैं।

एक कार्य-स्विचिंग प्रयोग के दौरान, प्रतिभागियों ने आमतौर पर उत्तेजनाओं के एक सेट से संबंधित कम से कम दो सरल कार्य किए, प्रत्येक कार्य के लिए संज्ञानात्मक संसाधनों के एक अलग सेट की आवश्यकता होती है जिसे "टास्क-सेट" 1 कहा जाता है। जब व्यक्तियों को कार्यों के बीच स्विच करने के लिए मजबूर किया जाता है, तो उनके मानसिक संसाधनों को अनुकूलित करने की आवश्यकता होती है (यानी, पिछले कार्य-सेट का निषेध और वर्तमान कार्य-सेट का सक्रियण)। इस "कार्य-सेट पुनर्रचना" प्रक्रिया को कार्य-स्विचिंग लागत1 का कारण माना जाता है। टास्क-स्विचिंग लागत आमतौर पर परीक्षणों के बीच प्रतिक्रिया समय और / या त्रुटि दर में अंतर को देखकर निर्धारित की जाती है जहां प्रतिभागी कार्यों के बीच स्विच करते हैं और जहां वे10 नहीं होते हैं। हमारे प्रयोग में, हमारे पास तीन कार्य-सेट थे: 1) पॉइंट-लाइट वॉकर उत्तेजना का जवाब देना; 2) चलते समय स्मार्टफोन पर टेक्स्टिंग; और 3) बस चलना। हमने दो अलग-अलग स्थितियों के बीच स्विच लागत की तुलना की: 1) उत्तेजना का जवाब देने से पहले बस चलना, और 2) जवाब देने से पहले टेक्स्टिंग करते समय चलना। इस तरह, हमने कार्य को स्विच करने से पहले स्मार्टफोन पर मल्टीटास्किंग की लागत को कैप्चर किया और दृश्य उत्तेजना की उपस्थिति से पहले बस चलने की गैर-मल्टीटास्किंग स्विच लागत से सीधे इसकी तुलना करने में सक्षम थे। क्योंकि इस अध्ययन में इस्तेमाल किया गया स्मार्टफोन एक विशिष्ट ब्रांड का था, सभी प्रतिभागियों को प्रयोग से पहले यह सुनिश्चित करने के लिए जांच की गई थी कि वे जानते थे कि डिवाइस का सही उपयोग कैसे किया जाए।

पैदल यात्री संदर्भ के यथार्थवादी अनुभव प्रतिनिधि का अनुकरण करने के लिए, हमने एक दृश्य उत्तेजना के रूप में एक बिंदु-प्रकाश वॉकर आकृति का उपयोग करने का फैसला किया, जो प्रतिभागी के बाईं या दाईं ओर 3.5 डिग्री विचलन कोण के साथ चलने वाले मानव रूप का प्रतिनिधित्व करता है। यह आकृति एक सफेद पृष्ठभूमि पर 15 काले बिंदुओं से बनी है, जिसमें एक मानव के सिर, कंधे, कूल्हों, कोहनी, कलाई, घुटनों और टखनों का प्रतिनिधित्व करने वाले बिंदु हैं (चित्र 1)। यह उत्तेजना जैविक गति पर आधारित है, जिसका अर्थ है कि यह आंदोलन के पैटर्न का पालन करता है जो मनुष्योंऔर जानवरों के लिए विशिष्ट है। इसके अलावा, यह उत्तेजना पारिस्थितिक रूप से मान्य से अधिक है; इसे सफलतापूर्वक विश्लेषण करने के लिए जटिल दृश्य प्रसंस्करण और ध्यान देने की आवश्यकता होती है12,13. दिलचस्प बात यह है कि थॉर्नटन एट अल.8 ने पाया कि बिंदु-जैसे वॉकर की दिशा की उचित पहचान विभाजित ध्यान से बहुत प्रभावित होती है, जिससे मल्टीटास्किंग करते समय कार्य-स्विचिंग लागत का अध्ययन करते समय यह प्रदर्शन उपाय के रूप में उपयुक्त हो जाता है। प्रतिभागियों को मौखिक रूप से यह बताने के लिए कहा गया था कि आंकड़ा किस दिशा में चल रहा था। वॉकर की उपस्थिति हमेशा एक श्रवण संकेत से पहले होती थी जो स्क्रीन पर इसकी उपस्थिति का संकेत देती थी।

पॉइंट-लाइट वॉकर टास्क और न्यूरोफिज़ियोलॉजिकल डेटा पर प्रदर्शन ने हमें दोनों स्थितियों के ध्यान प्रभाव को निर्धारित करने और यह निर्धारित करने में मदद करने की अनुमति दी कि उनका कारण क्या है। पॉइंट-लाइट वॉकर फिगर की दिशा निर्धारित करते समय त्रुटि दर और प्रतिक्रिया समय को देखकर प्रदर्शन को मापा गया था। प्रदर्शन माप के साथ पाए गए ध्यान संबंधी हानि में शामिल अंतर्निहित संज्ञानात्मक और ध्यान तंत्र को समझने के लिए, हमने 32 इलेक्ट्रोड के साथ ईईजी एक्टीकैप का उपयोग करके प्रतिभागियों के न्यूरोफिज़ियोलॉजिकल डेटा का आकलन किया। ईईजी अस्थायी परिशुद्धता के संदर्भ में एक उपयुक्त उपकरण है, जो यह देखने की कोशिश करते समय महत्वपूर्ण है कि समय में विशिष्ट क्षणों में खराब प्रदर्शन का क्या कारण है (उदाहरण के लिए, पॉइंट-लाइट वॉकर फिगर की उपस्थिति), हालांकि आंदोलनों के कारण डेटा में कलाकृतियां मौजूद हो सकती हैं। ईईजी डेटा का विश्लेषण करते समय, दो इंडेक्स विशेष रूप से प्रासंगिक होते हैं: 1) अल्फा दोलन; और 2) संज्ञानात्मक जुड़ाव। अनुसंधान में पाया गया है कि अल्फा दोलन कार्यशील स्मृति नियंत्रण के साथ-साथ कार्य-अप्रासंगिक मस्तिष्क सर्किट14,15,16,17 के सक्रिय अवरोध का प्रतिनिधित्व कर सकते हैं। उत्तेजना प्रस्तुति18,19 के साथ होने वाले बेसलाइन स्तरों पर अल्फा दोलनों की तुलना करके, हमने अल्फा अनुपात प्राप्त किया। इस अनुपात के साथ, हमने घटना से संबंधित परिवर्तनों को निर्धारित किया जो चलते समय टेक्स्टिंग करते समय देखी गई ध्यान हानि को अंतर्निहित कर सकते हैं। संज्ञानात्मक जुड़ाव के संबंध में, पोप एट अल .20 ने एक सूचकांक विकसित किया जहां बीटा गतिविधि बढ़ी हुई उत्तेजना और ध्यान का प्रतिनिधित्व करती है, और अल्फा और थेटा गतिविधि उत्तेजना और ध्यान में कमी को दर्शाती है 21,22। यह विश्लेषण यह निर्धारित करने के लिए किया गया था कि क्या उत्तेजना की उपस्थिति से पहले बढ़ी हुई सगाई वॉकर आंकड़े का जवाब देने के लिए आवश्यक कार्य सेट पुनर्रचना को जटिल करेगी।

इस पेपर में वर्णित पद्धति के साथ, हम अंतर्निहित तंत्र को समझना चाहते हैं जो मल्टीटास्किंग एपिसोड में लगे प्रतिभागियों में कार्य-स्विचिंग प्रदर्शन को प्रभावित करते हैं। चलने की स्थिति एक गैर-मल्टीटास्किंग टास्क-स्विच प्रदर्शन का प्रतिनिधित्व करती है जिसकी तुलना मल्टीटास्किंग टास्क-स्विच प्रदर्शन (यानी, चलते समय टेक्स्टिंग) से की जाती है। कार्य-सेट निषेध और कार्य-सेट सक्रियण की भूमिकाओं को मापकर, हमने चलने के दौरान टेक्स्टिंग करते समय होने वाली स्विच लागतों को बेहतर ढंग से समझने की मांग की। यह ध्यान रखना प्रासंगिक है कि मूल अध्ययन एक इमर्सिव वर्चुअल वातावरण23 में किया गया था, लेकिन बाद में एक प्रयोगात्मक कमरे में दोहराया गया ( चित्रा 2 देखें) जिसमें एक प्रोजेक्टर प्रतिभागी के सामने स्क्रीन पर वॉकर फिगर प्रदर्शित करता है। क्योंकि यह आभासी वातावरण अब उपलब्ध नहीं है, प्रोटोकॉल को वर्तमान प्रयोगात्मक कक्ष डिजाइन के लिए अनुकूलित किया गया था।

Subscription Required. Please recommend JoVE to your librarian.

Protocol

डेटा संग्रह शुरू करने से पहले, मानव प्रतिभागियों के लिए सभी आवश्यक नैतिक अनुसंधान अनुमोदन प्राप्त करना महत्वपूर्ण है। यह उचित समीक्षा बोर्डों और / या मानव प्रतिभागियों की समीक्षा समितियों के माध्यम से किया जाना चाहिए।

इस प्रोटोकॉल को टेक 3लैब अनुसंधान सुविधा के लिए एचईसी मॉन्ट्रियल से नैतिकता बोर्ड द्वारा अनुमोदित और प्रमाणित किया गया था।

1. दृश्य उत्तेजना की तैयारी

  1. दृश्य प्रयोग प्रस्तुति सॉफ्टवेयर, जैसे ई-प्राइम के साथ दृश्य उत्तेजना के लिए प्रयोगात्मक टेम्पलेट बनाएं। अभ्यास परीक्षण (छह परीक्षण) के लिए एक और प्रयोगात्मक स्थितियों (22 परीक्षणों) के लिए एक बनाएं।
  2. ई-प्राइम सॉफ्टवेयर खोलें और संरचना विंडो पर जाएं, जहां प्रयोग का तर्क बनाया जा सकता है।
    1. SessionProc पर डबल क्लिक करें (ई-ऑब्जेक्ट्स की उपस्थिति के क्रम को अनुक्रमित करने के लिए समयरेखा)।
    2. TextDisplay ऑब्जेक्ट को उपकरण बॉक्स से SessionProc पंक्ति में खींचें।
      1. सेशनप्रोक में डाली गई टेक्स्टडिस्प्ले ऑब्जेक्ट पर डबल क्लिक करें और अध्ययन निर्देश लिखें: "जब आप श्रवण संकेत सुनते हैं, तो कृपया अपना सिर उठाएं और जोर से इंगित करें कि वॉकर किस दिशा में जा रहा है, या तो आपके बाईं ओर या आपके दाईं ओर। प्रयोग जल्द ही शुरू होगा।
      2. TextDisplay विंडो के शीर्ष पर प्रॉपर्टी पेज आइकन पर क्लिक करें। सामान्य टैब पर क्लिक करें और नाम बॉक्स सेटिंग को निर्देशों में बदलें। अवधि ड्रॉप डाउन मेनू पर क्लिक करें और अनंत का चयन करें। इनपुट टैब पर क्लिक करें और जोड़ें चुनें, कीबोर्ड चुनें और ओके दबाएं। प्रॉपर्टी पेज से बाहर निकलने के लिए फिर से ठीक पर क्लिक करें. यह सुनिश्चित करता है कि जब तक आप प्रयोग शुरू करने के लिए दबाते हैं तब तक निर्देश स्क्रीन पर रहते हैं।
    3. SessionProc में, अब एक सूची ऑब्जेक्ट को सत्र प्रक्रिया लाइन में खींचें और छोड़ दें (निर्देशों के बाद इसे रखें)। सूची ऑब्जेक्ट पर डबल क्लिक करें। प्रक्रिया स्तंभ में "लेफ्ट-ट्रायल" लिखें, Enter दबाएँ और एक नई प्रक्रिया बनाने के लिए पॉप-अप विंडो पर हाँ क्लिक करें। जब अगली पॉप-अप विंडो इसे डिफ़ॉल्ट मान बनाने के लिए कहती है तो नहीं पर क्लिक करें।
    4. SessionProc पंक्ति में सूची ऑब्जेक्ट डबल क्लिक करें। विशेषता जोड़ें नाम के हरे बटन पर क्लिक करें। विशेषता को इस प्रकार नाम दें: सही प्रतिसाद. ठीक क्लिक करें.
    5. कॉलम में रिक्त स्थान पर क्लिक करें सही प्रतिक्रिया और एल लिखें (यह संकेत देना है कि यह सूची ऑब्जेक्ट है यदि वॉकर बाईं ओर जा रहा है)।
    6. SessionProc पर लौटें और लेफ्ट-ट्रायल नामक बनाए गए नए ऑब्जेक्ट पर क्लिक करें।
    7. SessionProc पर जाएँ और लेफ्ट-ट्रायल ऑब्जेक्ट डबल क्लिक करें।
      1. इनलाइन ऑब्जेक्ट को लेफ्ट-ट्रायल लाइन में खींचें और छोड़ें और इसका नाम बदलें।
        1. आईटीआई का चयन करें। इनलाइन ऑब्जेक्ट पर डबल क्लिक करें और निम्न कोड लिखें:
          Dim nRandom As Integer
          nRandom = यादृच्छिक (16500, 17500)
          c. SetAttrib "ITIDur", nRandom
        2. कोड 16,500 एमएस और 17,500 एमएस के बीच समय के अंतराल पर वॉकर उत्तेजना प्रस्तुत करता है।
    8. लेफ्ट-ट्रायल डबल क्लिक करें. किसी स्लाइड ऑब्जेक्ट को लेफ्ट-ट्रायल लाइन में खींचें और छोड़ें. प्रतीक्षा का नाम बदलें, यह ऑब्जेक्ट एक रिक्त स्क्रीन होगी जो चरण 1.2.7 में कोड द्वारा निर्धारित समय की मात्रा के लिए दृश्य उत्तेजनाओं के बीच दिखाई देती है।
    9. स्लाइड ऑब्जेक्ट पर डबल क्लिक करें।
      1. स्लाइडटेक्स्ट नामक उप-ऑब्जेक्ट पर क्लिक करें और ऑब्जेक्ट को वहां रखने के लिए स्लाइड में कहीं क्लिक करें।
      2. उस छवि से मौजूदा पाठ निकालें.
      3. उप-ऑब्जेक्ट गुण पृष्ठ क्लिक करें.
      4. फ़्रेम टैब में चौड़ाई और ऊँचाई दोनों को 100% पर सेट करें. ठीक क्लिक करें.
    10. गुण पृष्ठ क्लिक करें और अवधि/इनपुट टैब पर जाएँ. अवधि में निम्न मान टाइप करें: [आईटीआईडूर].
    11. लेफ्ट-ट्रायल डबल क्लिक करें और किसी साउंडआउट ऑब्जेक्ट को लेफ्ट-ट्रायल लाइन पर खींचें और छोड़ें।
      1. ध्वनिआउट ऑब्जेक्ट डबल क्लिक करें।
      2. फ़ाइल नाम के अंतर्गत उपयुक्त ध्वनि क्यू फ़ाइल निर्देशिका का चयन करें।
      3. बफर आकार को 1,000 ms तक बदलें।
      4. ठीक क्लिक करें.
    12. लेफ्ट-ट्रायल पर वापस जाएं और लेफ्ट-ट्रायल लाइन में स्लाइड ऑब्जेक्ट को खींचें और छोड़ दें और इसका नाम वॉकर लेफ्ट रखें।
      1. इस नए ऑब्जेक्ट को डबल क्लिक करें.
      2. उप-ऑब्जेक्ट क्लिक करके और फिर स्लाइड क्लिक करके स्लाइडमूवी उप-ऑब्जेक्ट जोड़ें।
      3. उप-ऑब्जेक्ट गुण पृष्ठ क्लिक करें और फ़ाइल नाम के अंतर्गत बाएँ वॉकर की वीडियो फ़ाइल की निर्देशिका का चयन करें.
      4. ऑफसेटटाइम के लिए मोड के बाद स्टॉप सेट करें।
      5. स्ट्रेच पर क्लिक करें और हां चुनें।
      6. समाप्ति के लिए मूवी एक्शन सेट करें।
      7. फ्रेम टैब पर क्लिक करें और चौड़ाई और ऊंचाई को 100% पर सेट करें।
      8. स्थिति के लिए, X और Y दोनों स्थिति को 50% पर सेट करें।
      9. अंत में, बॉर्डर रंग को सफेद पर सेट करें।
      10. ठीक क्लिक करें.
      11. स्लाइड ऑब्जेक्ट के गुण पृष्ठ पर क्लिक करें.
        1. अवधि/इनपुट टैब पर क्लिक करें।
        2. अवधि को 4,000 पर सेट करें। 500 पर पूर्व-रिलीज़ सेट करें.
        3. ठीक क्लिक करें.
    13. सही परीक्षण के लिए इस पूरी प्रक्रिया को दोहराएं (यानी, चरण 1.2.3–1.2.9 से)। प्रक्रिया राइट-ट्रायल का नाम बताइए। प्रक्रिया का पालन करते समय, केवल सही प्रतिक्रिया (यानी, इसके बजाय R या L) और वीडियो फ़ाइल बदलें। दाएँ वॉकर के लिए वीडियो फ़ाइल निर्देशिका का उपयोग करें.
  3. SessionProc डबल क्लिक करें।
    1. ऑब्जेक्ट को SessionProc लाइन पर खींचें और छोड़ें और स्लाइड करें
    2. इस ऑब्जेक्ट को डबल क्लिक करें और स्लाइडटेक्स्ट उप-ऑब्जेक्ट जोड़ें।
    3. पाठ के रूप में विराम लिखें।
    4. फिर, उप-वस्तु गुण पृष्ठों में जाएं और फ़्रेम टैब में चौड़ाई और ऊंचाई 100% बनाएँ। X और Y के लिए स्थिति को 50% बनाएँ।
    5. ठीक क्लिक करें.
  4. पहले से बनाए गए सूची ऑब्जेक्ट पर डबल क्लिक करें।
    1. सूची ऑब्जेक्ट के गुण पृष्ठ पर क्लिक करें.
    2. चयन टैब में ऑर्डर को रैंडम पर सेट करें और ठीक क्लिक करें।
    3. वजन स्तंभ में निम्न संख्याएँ सम्मिलित करें:
      1. अभ्यास: बाएं-परीक्षण पंक्ति और दाएं-परीक्षण पंक्ति दोनों में संख्या 3 दर्ज करें।
      2. प्रयोग: बाएं-परीक्षण पंक्ति और दाएं-परीक्षण पंक्ति दोनों में संख्या 11 दर्ज करें।
  5. विंडो के शीर्ष पर निष्पादन योग्य स्क्रिप्ट फ़ाइल बनाने के लिए आइकन जेनरेट करें पर क्लिक करें। आसान पहुँच के लिए इसे डेस्कटॉप पर सहेजें. यह वह फ़ाइल है जिसे प्रयोग के दौरान चलाया जाएगा।
    1. अभ्यास परीक्षण को "अभ्यास" के रूप में और प्रयोगात्मक परीक्षणों को "प्रयोग" के रूप में सहेजें।
    2. रन आइकन पर क्लिक करके बनाई गई स्क्रिप्ट का परीक्षण करें ।
  6. ई-स्टूडियो फ़ोल्डर में, एक ई-रन फ़ाइल बनाई जाएगी। बनाई गई दोनों फाइलें (एक अभ्यास परीक्षण के लिए और एक प्रयोगात्मक परीक्षणों के लिए) को कंप्यूटर के डेस्कटॉप पर एक फ़ोल्डर में रखा जा सकता है। दृश्य प्रयोग चलाने के लिए, बस उपयुक्त आइकन पर क्लिक करें।
  7. एक बार दृश्य उत्तेजना के प्रयोगात्मक टेम्पलेट बनाए जाने के बाद उन्हें प्रोजेक्टर के साथ प्रदर्शित करने का प्रयास करें।
    1. प्रोजेक्टर सेटिंग्स के साथ, वॉकर फिगर की ऊंचाई को संशोधित करें और सुनिश्चित करें कि यह सीधे सामने केंद्रित है जहां प्रतिभागी ट्रेडमिल पर खड़ा होगा।
    2. मापने वाले टेप के साथ, प्रोजेक्टर स्क्रीन पर सीधे वॉकर की ऊंचाई को मापें। स्क्रीन और ट्रेडमिल पर खड़े व्यक्ति की आंखों के बीच की दूरी की गणना करें ताकि उत्तेजना 25 ° दृश्य कोण को कवर कर सके, और ट्रेडमिल को तदनुसार स्थानांतरित कर सके। आवश्यक दूरी की गणना करने के लिए, कोई निम्न वेबसाइट का उपयोग कर सकता है: http://elvers.us/perception/visualAngle/

2. प्रयोगशाला पर्यावरण की स्थापना

  1. चार रिकॉर्डिंग कंप्यूटर, ईईजी एम्पलीफायर, प्रोजेक्टर, ट्रेडमिल, स्पीकर और स्मार्टफोन चालू करें।
  2. रिकॉर्डिंग उपकरण सेट करें।
    1. 10 s पर मार्करों के साथ अध्ययन के लिए बनाए गए विशिष्ट उप-नियमित के साथ सिंक्रनाइज़ेशन सॉफ़्टवेयर खोलें।
      1. सिंक्रनाइज़ेशन सॉफ्टवेयर एक पल्स भेजता है जो ईईजी में मार्कर और लाइट पल्स के रूप में दिखाई देता है और हर 10 सेकंड में वीडियो रिकॉर्डिंग करता है।
    2. वीडियो रिकॉर्डिंग सॉफ़्टवेयर चालू करें. कैमरे स्वचालित रूप से चालू भी होना चाहिए। यदि नहीं, तो मैन्युअल रूप से उन्हें चालू करें।
    3. प्रतिभागी के लिए ईईजी रिकॉर्डिंग सॉफ़्टवेयर खोलें और सेट करें।
    4. दृश्य प्रयोग प्रस्तुति सॉफ़्टवेयर के साथ बनाई गई दृश्य उत्तेजना निष्पादन योग्य स्क्रिप्ट फ़ाइल वाले फ़ोल्डर को खोलें।
    5. निर्माताओं द्वारा सुझाए गए प्रक्रियाओं के अनुसार ईईजी सेटअप और सामग्री तैयार करें।
    6. स्मार्टफोन से पिछले प्रतिभागी से बातचीत को हटा दें।
    7. प्रतिभागी की आराम करने वाली कुर्सी के बगल में पानी की एक नई बोतल रखें।

3. प्रतिभागी की तैयारी

  1. कमरे 1 में प्रतिभागी का स्वागत करें और उन्हें अध्ययन की अवधि और मुआवजे के बारे में संक्षेप में बताएं।
  2. प्रतिभागियों को अपने गहने (जैसे, झुमके, पियर्सिंग, हार), चश्मा, स्मार्टफोन, और उनकी जेब में किसी भी सामग्री को हटाने के लिए कहें, इन्हें एक बिन में रखें, और इसे लॉकर में रखें।
  3. प्रतिभागियों को किसी भी च्यूइंग गम से छुटकारा पाने के लिए कहें जो वे खा रहे हैं और सुनिश्चित करें कि उन्होंने प्रयोग शुरू करने से पहले खाया है।
  4. सुनिश्चित करें कि प्रतिभागी आरामदायक चलने वाले जूते पहने हुए है और प्रयोग के दौरान प्रतिभागी की सुरक्षा की गारंटी देने के लिए उन्हें अपने जूते के फीते को डबल गाँठ करें।
  5. प्रतिभागी को सहमति फॉर्म पढ़ने और हस्ताक्षर करने दें।
    1. निम्नलिखित स्क्रिप्ट पढ़ें और प्रतिभागी को बैठाएं ताकि वे सहमति फॉर्म पढ़ सकें और हस्ताक्षर कर सकें:

      "यहां एक सहमति फॉर्म है जिसमें कहा गया है कि आप इस अध्ययन में भाग लेने के लिए सहमत हैं। इसे ध्यान से पढ़ें और हस्ताक्षर करें। यदि आपके कोई प्रश्न हैं तो संकोच न करें।
  6. प्रतिभागी को निर्दिष्ट प्रतिभागी तैयारी कक्ष, कमरा 3 में ले जाएं, जहां ईईजी कैप स्थापित किया जाना है।
  7. तैयार स्क्रिप्ट पढ़ें जो प्रयोगात्मक प्रक्रिया के प्रवाह की व्याख्या करती है:

    "आप देख सकते हैं कि हर बार मैं एक पाठ पढ़ सकता हूं। यह सुनिश्चित करने के लिए किया जाता है कि सभी प्रतिभागियों को समान निर्देश प्राप्त हों। इस अध्ययन में, हम इस बात में रुचि रखते हैं कि लोग पाठ संदेश भेजने और मध्यम गति से चलने के दौरान उनके सामने उत्तेजना के साथ कैसे बातचीत करते हैं। लगभग 40 मिनट के लिए, आप [शोध सहायक का नाम] पाठ करेंगे कि आप इस स्मार्टफोन के साथ पहले मिले थे [स्मार्टफोन दिखाएं]। जब आप टेक्स्ट कर रहे हों तो आपको समय-समय पर एक आवाज सुनाई देगी। इस ध्वनि के बाद एक चलने वाले चरित्र की छवि होगी। आपका कार्य यहां स्क्रीन पर अपना सिर उठाना है [स्क्रीन को इंगित करना] और जोर से इंगित करना कि चरित्र आपके दाईं ओर चल रहा है या आपके बाएं। आपको कुछ और करने के लिए नहीं कहा जाएगा। मैं आपके जवाब लिखूंगा। ध्यान दें कि सभी ब्लॉकों में एक उत्तर (दाएं और बाएं) के लिए दो विकल्प हैं, इसलिए यह असंभव है कि उदाहरण के लिए, केवल बाएं या दाएं एक विकल्प के रूप में। चरित्र जिस दिशा से आता है वह पूरी तरह से यादृच्छिक है। अपना उत्तर निर्धारित करने के बाद, आप बस पाठ करना जारी रखते हैं [अनुसंधान सहायक का विषय]। यह महत्वपूर्ण है कि जब आप जवाब देते हैं या यदि आप मुझसे बात करना चाहते हैं तो पीछे न मुड़ें क्योंकि आप अस्थिर हो सकते हैं और गिर सकते हैं। अपना सिर आगे रखें। मैं प्रयोग की अवधि के दौरान यहां [कांच की ओर इशारा] इस दर्पण के पीछे रहूंगा। क्या आपके पास कोई प्रश्न हैं?
  8. ईईजी इलेक्ट्रोड कैप के लिए प्रतिभागी के सिर की परिधि को मापें। इस प्रयोग के लिए 32 प्रीएम्पलीफाइड इलेक्ट्रोड के साथ एक ईईजी एक्टीकैप का उपयोग किया गया था।
    1. उपयुक्त आकार ईईजी कैप चुनें, इसे समर्थन के लिए फोम हेड पर रखें, और सभी इलेक्ट्रोड को उनके उचित स्थान पर रखें।
    2. 10-20 संदर्भ प्रणाली का उपयोग करके टोपी के शुरुआती बिंदु को निर्धारित करने के लिए प्रतिभागी के सिर की परिधि को फिर से मापें।
    3. कैप को सामने से शुरू करके प्रतिभागी के सिर पर रखें और इसे पीछे की ओर खींचते हुए स्थिति में रखें। सुनिश्चित करें कि टोपी ठीक से रखी गई है।
    4. ईईजी कैप के केबलों को ईईजी नियंत्रण बॉक्स से कनेक्ट करें।
    5. प्रतिभागी को जेल एप्लिकेटर दिखाएं ताकि वे देख सकें कि यह तेज नहीं है और यदि वे चाहें तो उन्हें इसे छूने की अनुमति दें। निम्नलिखित स्क्रिप्ट पढ़ें:

      "यहां एप्लिकेटर और टिप है जिसका उपयोग मैं आपके सिर पर ईईजी कैप पर जेल लगाने के लिए करूंगा। आप इसे छू सकते हैं; यह दर्द नहीं करता है। टिप इतनी छोटी है कि यह कभी भी आपके सिर को नहीं छूती है।
    6. ईईजी इलेक्ट्रोड बॉक्स चालू करें ताकि सभी इलेक्ट्रोड लाइट लाल हो जाएं।
    7. पहले बालों को रास्ते से हटाकर इलेक्ट्रोड को सक्रिय करें और फिर प्रत्येक इलेक्ट्रोड पर जेल लगाएं: ग्राउंड इलेक्ट्रोड से शुरू करें और फिर संदर्भ इलेक्ट्रोड। एक बार जब ये दो इलेक्ट्रोड हरे हो जाते हैं तो शेष इलेक्ट्रोड जोड़ें।
    8. जेल को तब तक रखें जब तक कि सभी इलेक्ट्रोड सेंसर हरे न हो जाएं।
    9. नियंत्रण बॉक्स पर प्रतिबाधा मापें।
    10. नियंत्रण बॉक्स से केबलों को डिस्कनेक्ट करें और उन्हें मूव एडाप्टर से कनेक्ट करें (यानी, एडाप्टर किट जो वायरलेस रूप से डेटा को नियंत्रण बॉक्स में वापस संचारित करता है)।
    11. एडाप्टर किट को एक फैनी पैक में रखें और प्रतिभागी को अपनी कमर के चारों ओर संलग्न करने के लिए कहें, जिसमें केबल और एडाप्टर किट प्रतिभागी की पीठ की ओर रखी गई है।
    12. कंप्यूटर कक्ष (कमरा 4) में वापस जाएं और प्रत्येक इलेक्ट्रोड के प्रतिबाधा की जांच करें।
    13. सत्यापित करें कि ईईजी सॉफ्टवेयर की मॉनिटर स्क्रीन पर सिग्नल का नेत्रहीन निरीक्षण करके डेटा की गुणवत्ता संतोषजनक है। यदि आवश्यक हो, तो समस्याग्रस्त इलेक्ट्रोड को ठीक करें।
  9. प्रतिभागी को प्रयोगात्मक कमरे में ले जाएं (यानी, कमरा 2)।
  10. प्रतिभागी को ट्रेडमिल पर खड़ा करें और प्रतिभागी को ट्रेडमिल सुरक्षा कुंजी संलग्न करें।
  11. ट्रेडमिल को 0.8 मील प्रति घंटे की गति से चालू करें और प्रतिभागी को 2 मिनट तक चलने दें ताकि वे गति से परिचित हो सकें। इन 2 मिनट के दौरान, प्रतिभागी को निर्देशों के बारे में याद दिलाएं:

    "लगभग 40 मिनट के लिए, आप स्मार्टफोन के साथ [अनुसंधान सहायक का नाम] पाठ करेंगे। जब आप टेक्स्ट कर रहे हों, तो आपको समय-समय पर एक आवाज सुनाई देगी। इस ध्वनि के बाद एक चलने वाले चरित्र की छवि होगी। आपका कार्य उस समय स्क्रीन पर अपना सिर उठाना है और जोर से इंगित करना है, आपकी राय में, क्या चरित्र आपके दाईं ओर चल रहा है या आपके बाएं। आपको कुछ और करने के लिए नहीं कहा जाएगा। मैं आपके जवाब लिखूंगा। अपना उत्तर बताने के बाद, आप बस पाठ करना जारी रखते हैं [अनुसंधान सहायक का नाम]। हमेशा जवाब देना महत्वपूर्ण है। यदि आप निश्चित नहीं हैं, तो हमें अपना सबसे अच्छा अनुमान बताएं। जब आप अपना जवाब देते हैं या यदि आप मुझसे बात करना चाहते हैं तो पीछे न मुड़ें क्योंकि आप अस्थिर हो सकते हैं और गिर सकते हैं। अपना सिर आगे रखें। प्रयोग के चार भाग हैं, दो जहां आप चलते समय [शोध सहायक का नाम] पाठ करते हैं, और दो जहां आप सिर्फ चल रहे हैं। प्रत्येक भाग लगभग 12 मिनट तक रहता है और प्रत्येक भाग के बीच 2 मिनट का ब्रेक होता है। क्या आपके पास कोई प्रश्न हैं?

4. अभ्यास परीक्षण

  1. प्रतिभागी को स्मार्टफोन दें।
  2. प्रतिभागी को बताएं कि वे एक अभ्यास परीक्षण करेंगे।
  3. अभ्यास परीक्षणों के लिए उत्तेजना की निष्पादन योग्य स्क्रिप्ट फ़ाइल पर क्लिक करें। प्रतिभागी संख्या दर्ज करें और परीक्षण शुरू करें।
  4. प्रतिभागी को शोध सहायक के साथ टेक्स्टिंग वार्तालाप में भाग लेते समय दृश्य उत्तेजनाओं का जवाब देने का अभ्यास करें। यह अभ्यास सत्र 3 मिनट तक चलेगा।
  5. एक बार सत्र शुरू होने के बाद, अध्ययन के लिए बनाई गई टेक्स्टिंग वार्तालाप स्क्रिप्ट का पालन करें।
  6. स्प्रेडशीट टेम्पलेट पर प्रत्येक उत्तेजना उपस्थिति के लिए प्रतिभागी का उत्तर लिखें।
  7. 3 मिनट के बाद, प्रतिभागी को एक कुर्सी पर बैठने दें और कुछ पानी पीएं। इस समय के दौरान ट्रेडमिल की गति को 0.4 मील प्रति घंटे तक समायोजित करें।
  8. प्रतिभागी को अध्ययन निर्देशों की याद दिलाएं।

5. डेटा संग्रह

  1. सेटअप
    1. वर्तमान सहभागी के लिए शर्त क्रम चुनने के लिए वर्कफ़्लो पत्रक पर जाएँ. दो आदेश संभव हैं: क्रम ए में, परीक्षण 1 और 3 टेक्स्टिंग स्थिति का उपयोग करते हैं, जबकि परीक्षण 2 और 4 नियंत्रण स्थिति का उपयोग करते हैं। क्रम बी में, परीक्षण 1 और 3 नियंत्रण स्थितियों का उपयोग करते हैं और परीक्षण 2 और 4 टेक्स्टिंग स्थितियों का उपयोग करते हैं। प्रत्येक परीक्षण के दौरान दृश्य उत्तेजना 22 बार दिखाई देती है।
    2. सुनिश्चित करें कि सभी रिकॉर्डिंग सॉफ़्टवेयर सिंक्रनाइज़ में प्रारंभ होने के लिए तैयार है।
    3. सभी रिकॉर्डिंग सॉफ़्टवेयर चालू करें (जैसे, ईईजी, वीडियो)
    4. प्रतिभागी को ट्रेडमिल पर वापस आने दें और धीरे-धीरे गति को 0.8 मील प्रति घंटे तक बढ़ाएं।
    5. दृश्य उत्तेजना कार्यक्रम चालू करें और इसे चलाना शुरू करें।
    6. प्रयोगात्मक स्थिति के आधार पर परीक्षण के निर्देशों को पढ़ें।
      1. प्रयोग परीक्षणों के लिए उत्तेजना की निष्पादन योग्य स्क्रिप्ट फ़ाइल चलाएँ। प्रतिभागी संख्या और विशिष्ट शर्तों के लिए चुना गया कोड दर्ज करें। परीक्षण शुरू करें।
  2. नियंत्रण की स्थिति
    1. सुनिश्चित करें कि स्मार्टफोन इस कार्य के दौरान प्रतिभागी की दृष्टि के क्षेत्र से बाहर है।
    2. प्रतिभागी को बस ट्रेडमिल पर चलने का निर्देश दें और हर बार "बाएं" या "दाएं" का जवाब देकर दृश्य उत्तेजना का जवाब दें:

      "इस कार्य के लिए, आपको बस ट्रेडमिल पर चलना होगा। समय-समय पर आपको एक आवाज सुनाई देगी। इस ध्वनि के बाद एक चलने वाले चरित्र की छवि होगी। आपका कार्य तब स्क्रीन पर अपना सिर उठाना है और अपनी राय में जोर से इंगित करना है, चाहे चरित्र आपके दाईं ओर जा रहा हो या आपके बाएं। आपको कुछ और करने के लिए नहीं कहा जाएगा। मैं आपके जवाब खुद लिखूंगा। अपना जवाब देने के बाद, आप बस चलना जारी रखते हैं। हमेशा जवाब देना महत्वपूर्ण है। यदि आप निश्चित नहीं हैं, तो हमें अपना सबसे अच्छा अनुमान बताएं। जब आप अपना जवाब देते हैं या यदि आप मुझसे बात करना चाहते हैं तो पीछे न मुड़ें क्योंकि आप अस्थिर हो सकते हैं और गिर सकते हैं। अपना सिर आगे रखें। जब मैं आपको संकेत देता हूं तो शुरू करें। क्या आपके पास कोई प्रश्न हैं?
    3. प्रतिभागी को संकेत दें कि परीक्षण शुरू होने वाला है और दृश्य उत्तेजना परीक्षण शुरू करें।
    4. हर बार जब वे दृश्य उत्तेजना का जवाब देते हैं तो प्रतिभागी की प्रतिक्रिया लिखें। जब कोई प्रतिभागी प्रत्युत्तर देने में विफल रहता है, तो फ़ील्ड रिक्त छोड़ दें.
    5. परीक्षण के अंत में, प्रतिभागी को बैठने और कुछ पानी पीने दें।
    6. इन ब्रेक के दौरान, सभी रिकॉर्डिंग सॉफ़्टवेयर चलाते रहें और ट्रेडमिल को 0.4 मील प्रति घंटे की गति से छोड़ दें।
    7. ब्रेक के बाद प्रतिभागी को ट्रेडमिल पर वापस लाएं और जैसे ही वे चलते हैं, धीरे-धीरे गति को 0.8 मील प्रति घंटे तक बढ़ाएं।
  3. टेक्स्टिंग की स्थिति
    1. जबकि प्रतिभागी ट्रेडमिल पर चल रहा है, उन्हें स्मार्टफोन सौंप दें।
    2. ट्रेडमिल पर चलते समय प्रतिभागी को स्वाभाविक रूप से पाठ करने का निर्देश दें (उदाहरण के लिए, एक हाथ या दो हाथों का उपयोग करके) और हर बार "बाएं" या "दाएं" का जवाब देकर दृश्य उत्तेजना का जवाब दें:

      "इस कार्य के लिए, आप स्मार्टफोन के साथ [अनुसंधान सहायक का नाम] पाठ करेंगे। स्मार्टफोन पर, संदेश एप्लिकेशन खोलें। फिर "हैलो" कहते हुए बातचीत का चयन करें। आपको एक टेक्स्टिंग वार्तालाप में सक्रिय रूप से भाग लेना होगा। जब आप टेक्स्ट कर रहे हों तो आपको समय-समय पर एक आवाज सुनाई देगी। इस ध्वनि के बाद एक चलने वाले चरित्र की छवि होगी। आपका कार्य यहां स्क्रीन पर अपना सिर उठाना है और इंगित करना है, आपकी राय में, क्या चरित्र आपके दाईं ओर जा रहा है या आपके बाएं। आपको कुछ और करने के लिए नहीं कहा जाएगा। मैं आपके जवाब खुद लिखूंगा। अपना जवाब निर्धारित करने के बाद, आप बस टेक्स्टिंग जारी रखते हैं। हमेशा जवाब देना महत्वपूर्ण है। यदि आप निश्चित नहीं हैं, तो हमें अपना सबसे अच्छा अनुमान बताएं। जब आप अपना जवाब देते हैं या यदि आप मुझसे बात करना चाहते हैं तो पीछे न मुड़ें क्योंकि आप अस्थिर हो सकते हैं और गिर सकते हैं। अपना सिर आगे रखें। जब मैं आपको संकेत देता हूं तो शुरू करें। क्या आपके पास कोई प्रश्न हैं?
    3. प्रतिभागी को संकेत दें कि परीक्षण शुरू होने वाला है और दृश्य उत्तेजना परीक्षण शुरू करें।
    4. ट्रेडमिल पर चलते समय प्रतिभागी को टेक्स्टिंग वार्तालाप करने का निर्देश दें। उन्हें निर्देश दें कि वे हर बार "बाएं" या "दाएं" का जवाब देकर दृश्य उत्तेजना का जवाब दें।
    5. अनुसंधान सहायक को वार्तालाप स्क्रिप्ट का पालन करने दें और पूरी स्थिति में बातचीत जारी रखें।
    6. हर बार जब वे दृश्य उत्तेजना का जवाब देते हैं तो प्रतिभागी की प्रतिक्रिया लिखें। जब कोई प्रतिभागी प्रत्युत्तर देने में विफल रहता है, तो फ़ील्ड रिक्त छोड़ दें.
    7. परीक्षण के अंत में, प्रतिभागी से स्मार्टफोन लें और प्रतिभागी को बैठकर कुछ पानी पिलाएं।
    8. इन ब्रेक के दौरान, सभी रिकॉर्डिंग सॉफ़्टवेयर चलाते रहें और ट्रेडमिल को 0.4 मील प्रति घंटे की गति से छोड़ दें।
    9. ब्रेक के बाद प्रतिभागी को ट्रेडमिल पर वापस लाएं और जैसे ही वे चलते हैं, धीरे-धीरे गति को 0.8 मील प्रति घंटे तक बढ़ाएं।

6. डेटा संग्रह का अंत

  1. प्रयोगात्मक हेरफेर के अंत में प्रतिभागी ट्रेडमिल को बंद कर देता है। प्रतिभागी को बैठने दें और थोड़ा पानी पीएं।
  2. ईईजी कैप को हटा दें और प्रतिभागी को शॉवर पर ले जाएं जहां वे अपने बालों को धो सकते हैं यदि वे चुनते हैं।
  3. प्रतिभागी को उनका मुआवजा दें और उनकी भागीदारी के लिए उन्हें धन्यवाद दें। सुनिश्चित करें कि प्रतिभागी सहमति फॉर्म की अपनी प्रति के साथ छोड़ देता है और वे अपने सभी व्यक्तिगत आइटम पुनर्प्राप्त करते हैं।

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

यह अध्ययन प्रोटोकॉल मूल रूप से 54 प्रतिभागियों के साथ आयोजित किया गया था, प्रत्येक 88 दिशा परीक्षणों का जवाब दे रहा था। उन परीक्षणों में से आधे तब हुए जब प्रतिभागी उत्तेजना प्रस्तुति से पहले बस चल रहे थे; दूसरा आधा तब हुआ जब प्रतिभागी उत्तेजना प्रस्तुति से पहले चलते समय टेक्स्ट कर रहे थे।

व्यवहार संबंधी परिणाम
पॉइंट-लाइट वॉकर की दिशा पर प्रदर्शन कार्य-स्विचिंग लागत का प्रतिनिधित्व करता है, जिसमें कम प्रदर्शन उच्च कार्य-स्विचिंग लागत का प्रतिनिधित्व करता है। प्रतिभागियों की प्रतिक्रियाओं का विश्लेषण दो प्रतिक्रिया चर के साथ किया गया था: 1) सही पहचान; और 2) प्रतिक्रिया समय। दो प्रयोगात्मक स्थितियों ने दो समूहों का प्रतिनिधित्व किया: 1) चलते समय टेक्स्टिंग; और 2) उत्तेजना का जवाब देने से पहले बस चलना। प्रयोग के अंत में प्रतिक्रिया समय की गणना की गई थी। प्रयोग की वीडियो रिकॉर्डिंग को ऑडियो फ़ाइलों में परिवर्तित किया गया और फिर एक ध्वनि सॉफ्टवेयर के साथ विश्लेषण किया गया जिसने ध्वनि तरंग दैर्ध्य में चोटियों को चिह्नित किया। एक बार जब क्यू की आवाज और प्रतिभागी की मौखिक प्रतिक्रिया की ध्वनि चिह्नित की गई, तो दोनों के बीच का समय निर्धारित किया गया। प्रयोगात्मक प्रस्तुति सॉफ्टवेयर से 88 परीक्षणों के लिए प्रतिभागी की सही दिशा निर्यात करके और प्रतिभागियों की प्रतिक्रियाओं वाले डेटाबेस फ़ाइल में इसे जोड़कर सही प्रतिक्रिया समय का विश्लेषण किया गया था। उपयोग किए गए प्रोग्राम (एक्सेल) में, सटीकता (= IF(A1= B1,1,0)) का परीक्षण करने के लिए एक सूत्र का उपयोग यह निर्धारित करने के लिए किया गया था कि पहले डेटा कॉलम (यानी, प्रतिभागियों की प्रतिक्रिया) में निहित जानकारी दूसरे कॉलम के समान थी या नहीं।

क्योंकि प्रत्येक प्रतिभागी को बार-बार उत्तेजना के अभिविन्यास को निर्धारित करना था, इसलिए स्थितियों में प्रदर्शन साधनों में अंतर का विश्लेषण करने के लिए एक टी-टेस्ट का उपयोग नहीं किया जा सकता था। इसके बजाय, परीक्षणों के बीच इंट्रा-विषय सहसंबंध के लिए, एक सामान्यीकृत रैखिक प्रतिगमन मॉडल का उपयोग किया गया था। यह विश्लेषण एसएएस 9.4 सॉफ्टवेयर के साथ प्रोक ग्लिमिक्स का उपयोग करके चलाया गया था। समूह चर प्रतिक्रिया चर के लिए व्याख्यात्मक चर था और प्रत्येक विषय के लिए एक यादृच्छिक गॉसियन इंटरसेप्ट जोड़ा गया था। प्रतिक्रिया चर (सही या गलत प्रतिक्रिया) की सटीकता द्विआधारी थी, और इस तरह, इस प्रतिगमन मॉडल के लिए एक लॉगिट लिंक फ़ंक्शन उपयुक्त था।

हमने पाया कि प्रतिभागियों को पॉइंट-लाइट वॉकर उत्तेजना के लिए सही दिशा की पहचान करने की अधिक संभावना थी जब वे उत्तेजना की उपस्थिति से पहले टेक्स्ट नहीं कर रहे थे (ऑड्स अनुपात = 0.77; टी = -3.12; पी = 0.001; 95% आत्मविश्वास अंतराल (.657;. प्रतिक्रिया समय में कोई महत्वपूर्ण अंतर नहीं पाया गया (β = −0.005; T = −.26; पी = 0.799; 95% विश्वास अंतराल (-.047;. 036)) ( चित्र 3 देखें)।

प्रतिक्रिया समय के साथ सटीकता को संयोजित करने के लिए, व्युत्क्रम दक्षता स्कोर (आईईएस) 24 का उपयोग किया गया था। दिशा परीक्षणों पर सटीक होने की संभावना को नियंत्रण चर के रूप में प्रतिक्रिया समय के साथ लॉजिस्टिक रिग्रेशन का उपयोग करके मॉडलिंग किया गया था। फिर, परीक्षणों के बीच संभावित इंट्रा-विषय सहसंबंधों के लिए प्रत्येक विषय के लिए एक व्यक्तिगत यादृच्छिक इंटरसेप्ट जोड़ा गया था। इस मिश्रित प्रभाव प्रतिगमन के परिणामों ने प्रयोगात्मक स्थिति का एक महत्वपूर्ण प्रभाव दिखाया, जहां उत्तेजना का सटीक जवाब देने की अनुमानित संभावना उस स्थिति में 18.9% छोटी थी जहां प्रतिभागियों ने चलते समय टेक्स्ट किया था, जब वे उत्तेजना की उपस्थिति से पहले बस चलते थे (ऑड्स अनुपात = 0.811; टी = -2.46; पी = 0.014; 95% आत्मविश्वास अंतराल 0.686–0.959; चित्र 3 देखें)। इससे पता चला कि प्रतिक्रिया समय की परवाह किए बिना, उत्तेजना की दिशा की सटीकता लगातार कम थी जब प्रतिभागियों ने चलते समय पाठ किया था।

न्यूरोफिज़ियोलॉजिकल डेटा
ईईजी रिकॉर्डिंग का उपयोग अल्फा दोलनों और संज्ञानात्मक जुड़ाव को देखकर कार्य स्विचिंग में शामिल न्यूरोफिज़ियोलॉजिकल गतिविधि को निर्धारित करने के लिए किया गया था। आंदोलन के दौरान ईईजी का उपयोग करने से अधिक कलाकृतियां पैदा हुईं। डेटा की गुणवत्ता सुनिश्चित करने के लिए, कई कदम उठाए गए थे। सबसे पहले, चलने के दौरान रिकॉर्डिंग की अनुमति देने के लिए, शोर घटाव सर्किट (यानी, पूर्व-प्रवर्धित इलेक्ट्रोड) के साथ नई सक्रिय इलेक्ट्रोड तकनीक का उपयोग किया गया था। दूसरा, ईईजी डेटा को अल्फा तरंगों को अलग करने के लिए 20 हर्ट्ज पर लोपास आईआईआर फिल्टर के साथ ऑफ़लाइन फ़िल्टर किया गया था, और शोर को कम करने के लिए 1 हर्ट्ज पर एक हाईपास आईआईआर फिल्टर का उपयोग किया गया था। तीसरा, ईईजी डेटा25 में आंखों की झपकी और ओकुलर लेंस के कारण होने वाली कलाकृतियों को क्षीण करने के लिए एक स्वतंत्र घटक विश्लेषण (आईसीए) लागू किया गया था। चौथा, एक स्वचालित कलाकृति अस्वीकृति का उपयोग दो पड़ोसी नमूना बिंदुओं के बीच 50 μV से अधिक वोल्टेज अंतर और 75 एमएस अंतराल में 50 μV से अधिक अंतर वाले युगों को बाहर करने के लिए किया गया था।

डेटा विश्लेषण विजन विश्लेषक 2 के साथ किया गया था। लक26 के आधार पर, डेटा को सामान्य औसत संदर्भ में फिर से संदर्भित किया गया था। इसके अलावा, वॉकर उत्तेजना की प्रस्तुति के साथ-साथ 2 एस बेसलाइन के बाद 2 एस को अलग करने के लिए डेटा को विभाजित किया गया था। प्रत्येक उत्तेजना प्रस्तुति के लिए एक आधार रेखा निर्धारित की गई थी जो उस गतिविधि का प्रतिनिधित्व करती है जब प्रतिभागी केवल चलते समय चलता था या टेक्स्ट किया जाता था। यह आधार रेखा 2 सेकंड के समय बिंदु के दौरान प्राप्त की गई थी, जो प्रत्येक उत्तेजना उपस्थिति के श्रवण संकेत से 12 सेकंड पहले होती है। आवृत्ति डोमेन में शक्ति मान प्राप्त करने के लिए 1 एस युगों पर फास्ट-फूरियर ट्रांसफॉर्म के साथ दोनों खंडों का अलग-अलग विश्लेषण किया गया था। सभी युगों को प्रयोगात्मक स्थिति द्वारा अलग से औसत किया गया था।

इस विश्लेषण का उद्देश्य यह निर्धारित करना था कि कार्य-सेट निषेध और कार्य-सेट सक्रियण के दो उप-चरण व्यवहार स्विच लागत (यानी, प्रदर्शन उपायों) को अलग तरह से प्रभावित करते हैं या नहीं। ऐसा करने के लिए, ईईजी डेटा का विश्लेषण दो सूचकांकों के आधार पर किया गया था: 1) अल्फा दोलन; और 2) संज्ञानात्मक जुड़ाव। सभी गणना सीजेड और पीजेड साइटों का उपयोग करके की गई थी क्योंकि उनके डेटा में कम शोर और कम कलाकृतियां थीं। उत्तेजना प्रस्तुति के कारण अल्फा दोलनों में परिवर्तन, उत्तेजना प्रस्तुति18,19 के साथ होने वाली अल्फा शक्ति के साथ बेसलाइन अल्फा पावर की तुलना करके अल्फा अनुपात के साथ विश्लेषण किया गया था। पोप एट अल.20 द्वारा विकसित संज्ञानात्मक जुड़ाव सूचकांक का उपयोग करते हुए, बीटा (14-20 हर्ट्ज) में संयुक्त शक्ति का एक अनुपात बनाया गया था, जिसे अल्फा (8-12 हर्ट्ज) और थेटा (4-8 हर्ट्ज) घटकों में कुल शक्ति से विभाजित किया गया था। संयुक्त शक्ति की गणना करने के लिए, उपयोग की जाने वाली शक्तियों की रकम CZ और Pz स्थानों पर थी।

अल्फा अनुपात और प्रदर्शन पर इसके प्रभाव की तुलना दो स्थितियों के बीच की गई थी। अल्फा अनुपात कार्य निषेध की प्रक्रियाओं को दर्शाता है। क्योंकि अल्फा अनुपात प्रत्येक प्रतिभागी के लिए मापा गया था, उस स्थिति के दौरान समग्र प्रदर्शन के साथ अनुपात की तुलना करना आवश्यक था (यानी, उस स्थिति के 44 परीक्षणों का सही प्रतिक्रिया प्रतिशत)। दोनों स्थितियों के सहसंबंध गुणांक की तुलना करने के लिए, स्टीगर27 द्वारा प्रस्तावित जेड-परीक्षण का उपयोग एक ही व्यक्ति से मापा गया सहसंबंध गुणांक की तुलना करने के साधन के रूप में किया गया था। Pz साइट पर, यह पाया गया कि प्रदर्शन और अल्फा अनुपात के बीच सहसंबंध दो स्थितियों (p = 0.032; 95% विश्वास अंतराल = 0.054–1.220) के बीच सांख्यिकीय रूप से भिन्न था ( चित्र 4 देखें)। क्योंकि प्रत्येक स्थिति के सहसंबंध विपरीत संकेतों के थे, यह दिखाया गया था कि निषेध प्रक्रियाओं ने दो स्थितियों में प्रदर्शन को अलग-अलग प्रभावित किया, जिसमें उच्च अल्फा अनुपात के साथ चलने की स्थिति के दौरान बेहतर प्रदर्शन हुआ, जबकि टेक्स्टिंग स्थिति में प्रदर्शन को उच्च अल्फा अनुपात द्वारा बाधित किया गया था। इन परिणामों से पता चलता है कि चलते समय टेक्स्टिंग करते समय, पिछले कार्य सेट को रोकने के लिए आवश्यक संसाधनों की मात्रा ने प्रदर्शन को नकारात्मक रूप से प्रभावित किया। इस प्रकार, जिस हद तक प्रतिभागियों ने कार्य-सेट निषेध में संसाधनों को लगाया, उसका टेक्स्टिंग करते समय आगामी प्रदर्शन पर अधिक प्रभाव पड़ा। सीजेड साइट के संबंध में, कोई महत्वपूर्ण अंतर नहीं पाया गया, यह सुझाव देते हुए कि प्रभाव ज्यादातर खोपड़ी के पार्श्विका क्षेत्र में स्थित था।

संज्ञानात्मक जुड़ाव अनुपात और प्रदर्शन पर इसके प्रभाव की तुलना भी दो स्थितियों के बीच की गई थी। अल्फा अनुपात के लिए, इस विश्लेषण के लिए स्टीगर27 द्वारा प्रस्तावित जेड-परीक्षण का भी उपयोग किया गया था। परिणामों ने दो स्थितियों के बीच एक सांख्यिकीय रूप से महत्वपूर्ण अंतर दिखाया, जहां उत्तेजना की उपस्थिति से तुरंत पहले किए गए कार्य पर जुड़ाव (यानी, चलने या चलने के दौरान टेक्स्टिंग) ने प्रत्येक स्थिति में प्रदर्शन को अलग-अलग प्रभावित किया (पी = 0.027; 95% आत्मविश्वास अंतराल = -1.062 – -0.061)। यहां फिर से सहसंबंध विपरीत संकेतों के थे। हमारे परिणाम बताते हैं कि जब प्रतिभागी टास्क स्विच से पहले चल रहे थे, तो संज्ञानात्मक जुड़ाव का एक उच्च अनुपात प्रदर्शन में कमी से संबंधित था, जबकि जब प्रतिभागी टास्क स्विच से पहले चलते समय टेक्स्टिंग कर रहे थे, तो संज्ञानात्मक जुड़ाव का एक उच्च अनुपात प्रदर्शन में वृद्धि से संबंधित था। इससे पता चलता है कि चलते समय टेक्स्टिंग की उच्च कार्य-स्विचिंग लागत उस कार्य में उच्च संज्ञानात्मक जुड़ाव के कारण नहीं थी।

Movie 1
चित्र 1: इस वीडियो में, विषय के दाईं ओर चलने वाली एक आकृति दिखाई दे रही है। कृपया इस वीडियो को देखने के लिए यहां क्लिक करें। (डाउनलोड करने के लिए राइट-क्लिक करें.)

Figure 2
चित्रा 2: कमरे का प्रायोगिक सेटअप। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें।

Figure 3
चित्रा 3: सटीकता और प्रतिक्रिया समय पर टेक्स्टिंग का प्रभाव। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें।

Figure 4
चित्रा 4: एफजेड और प्रदर्शन में अल्फा के बीच सहसंबंध। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें।

Subscription Required. Please recommend JoVE to your librarian.

Discussion

प्रोटोकॉल का उपयोग करते समय एक महत्वपूर्ण विकल्प न्यूरोफिज़ियोलॉजिकल डेटा की गुणवत्ता सुनिश्चित करना होगा। आंदोलन के दौरान ईईजी जैसे उपकरण का उपयोग करने के लिए एक अंतर्निहित जटिलता है, क्योंकि अत्यधिक आंदोलन डेटा में बहुत शोर पैदा कर सकता है। इसलिए, डेटा संग्रह से पहले, यह विचार करना महत्वपूर्ण है कि वास्तविक सिग्नल को संशोधित किए बिना जितना संभव हो उतने कलाकृतियों को हटाने के लिए डेटा कैसे तैयार किया जाएगा। बहरहाल, यह अभी भी काफी संभावना है कि डेटा बहिष्करण की उच्च दर होगी क्योंकि प्रतिभागी पूरे प्रयोग के दौरान ट्रेडमिल पर चलते हैं। अत्यधिक चेहरे, सिर और शरीर के आंदोलनों के साथ-साथ अत्यधिक पसीने और उपकरण की खराबी की संभावना के कारण कलाकृतियों के कारण कुछ प्रतिभागियों का डेटा अनुपयोगी होगा। परिणामों को पूर्वाग्रह या प्रभावित करने से बचने के लिए, व्यवहार विश्लेषण से पहले डेटा बहिष्करण निर्धारित किया जाना चाहिए। इस अध्ययन का संचालन करने के बाद से, हमारी प्रयोगशाला ने इलेक्ट्रोड स्थिति को स्थानीयकृत करने की क्षमता हासिल कर ली है और हम स्रोत गतिविधि का बेहतर विश्लेषण करने के लिए भविष्य के अध्ययनों में इस तकनीक का उपयोग करने की उम्मीद करते हैं। हम अनुशंसा करते हैं कि भविष्य के अध्ययन संबंधित ईईजी संकेतों के स्रोत अनुमान की अनुमति देने के लिए इलेक्ट्रोड स्थानीयकरण तकनीक का लाभ उठाएं।

इस प्रोटोकॉल में ध्यान देने के लिए एक महत्वपूर्ण कदम अनुसंधान सहायक के साथ प्रतिभागी की टेक्स्टिंग बातचीत के लिए स्क्रिप्ट है। यह महत्वपूर्ण है कि टेक्स्टिंग वार्तालापों को पूर्वनिर्धारित विषयों और कुछ ओपन-एंडेड प्रश्नों के साथ निर्देशित किया जाए। ऐसी स्क्रिप्ट का अनुसरण करने में बहुत मूल्य है। सबसे पहले, हम यह सुनिश्चित करते हैं कि सभी प्रतिभागियों के पास समान प्रकार की बातचीत है, इसलिए हम स्वाभाविक रूप से होने वाली बातचीत में मौजूद परिवर्तनशीलता को हटा देते हैं। इस तरह हम यह सुनिश्चित करते हैं कि प्रतिभागियों के बीच बातचीत के अत्यधिक भिन्न होने के कारण व्याकुलता का स्तर भिन्न नहीं होता है। दूसरे, हम यह सुनिश्चित कर सकते हैं कि बातचीत बुद्धिमानी से विषयों को चुनकर मजबूत भावनात्मक प्रतिक्रियाओं का कारण न बने। भावनात्मक रूप से आवेशित इंटरैक्शन ईईजी विश्लेषण और विचलितता के स्तर को बदल सकते हैं, जो बदले में व्यवहार और न्यूरोफिज़ियोलॉजिकल परिणामों दोनों की व्याख्या को जटिल करेगा। सभी टेक्स्टिंग वार्तालाप अनिवार्य रूप से कुछ हद तक भिन्न होंगे, लेकिन एक स्क्रिप्ट होने से हमें इस परिवर्तनशीलता पर एक निश्चित मात्रा में नियंत्रण की अनुमति मिलती है। बातचीत में परिवर्तनशीलता को और सीमित करने के लिए, अनुसंधान परियोजना की अवधि के दौरान इस कार्य के लिए जिम्मेदार एक निर्दिष्ट अनुसंधान सहायक होना बेहतर होगा। बहरहाल, एक स्क्रिप्ट का पालन करके हम इस तरह की बातचीत की पारिस्थितिक वैधता भी खो देते हैं। जब व्यक्ति अपने दोस्तों के साथ बातचीत करते हैं, उदाहरण के लिए, इन वार्तालापों को भावनात्मक रूप से चार्ज किया जा सकता है, और यह वास्तव में कार्य-स्विचिंग लागत को बदल सकता है। फिर भी यह विचार करना महत्वपूर्ण है कि कार्य-स्विचिंग लागत पर वार्तालाप प्रकारों के प्रभाव का विश्लेषण करने के लिए, अध्ययन के लक्ष्य को इस तरह के विश्लेषण की जटिलता के कारण उस पहलू पर ध्यान केंद्रित करना होगा। इसलिए, हमारे उद्देश्यों के लिए एक स्क्रिप्ट का उपयोग अधिक उपयुक्त था।

डेटाबेस फ़ाइल बनाते समय भी सावधानी बरतनी चाहिए जहां प्रतिभागियों की प्रतिक्रियाओं को नोट किया जाएगा। सटीकता का परीक्षण करने के लिए एक्सेल में हमने जिस सूत्र का उपयोग किया (यानी, = आईएफ (ए 1 = बी 1, 1,0)) प्रारूप निर्भर है (उदाहरण के लिए, यह अतिरिक्त रिक्त रिक्त स्थान और पूंजीकृत अक्षरों से प्रभावित होगा)। इसलिए दृश्य प्रयोग प्रस्तुति सॉफ्टवेयर से निकाले गए आउटपुट में उपयोग किए जाने वाले प्रारूप की तुलना में दाएं के लिए आर या बाएं के लिए एल लिखने की सिफारिश की जाती है। फ़ाइल के लेखन में कोई त्रुटि सटीकता रेटिंग में गलत नकारात्मक का कारण बन सकती है। अंत में, इस तरह के अध्ययन के लिए, जहां दृश्य प्रसंस्करण एक बड़ी भूमिका निभाता है, यह महत्वपूर्ण है कि सभी प्रतिभागियों के पास सामान्य या सही-से-सामान्य दृष्टि हो। क्योंकि हम ईईजी उपकरणों का उपयोग कर रहे हैं, यह मिर्गी और न्यूरोलॉजिकल, साथ ही मनोवैज्ञानिक, निदान के लिए स्क्रीन करने के लिए भी प्रासंगिक है, जो प्रतिभागियों के मस्तिष्क संकेतों को प्रभावित कर सकता है। उन प्रतिभागियों को अध्ययन से बाहर करना बुद्धिमानी है, क्योंकि मस्तिष्क गतिविधि में अंतर परिणामों को पूर्वाग्रह कर सकता है।

इस पद्धति को कई स्मार्टफोन उपयोगों (जैसे, पढ़ना, सोशल मीडिया, गेमिंग, छवियां देखना, आदि) का परीक्षण करने के लिए संशोधित किया जा सकता है। 28. प्रतिभागियों की विशेषताओं और धारणाओं में अधिक अंतर्दृष्टि प्राप्त करने के लिए प्रयोगात्मक स्थितियों के बीच या प्रयोग के अंत में प्रश्नावली भी जोड़ी जा सकती है (देखें मोर्रा29)। कार्यों के बीच प्रश्नावली निम्नलिखित स्थितियों के लिए प्रतिभागियों की थकान को अनावश्यक रूप से बढ़ाने से बचने के लिए समय लेने वाली नहीं होनी चाहिए। यह क्षण विभिन्न कार्य-संबंधी संरचनाओं का परीक्षण करने के लिए काफी उपयोगी है, जैसे कि समय की धारणा, प्रतिभागी द्वारा अभी-अभी पूरा किए गए कार्य में रुचि, और कथित कठिनाई। प्रयोग के अंत में प्रश्नावली अधिक समय लेने वाली हो सकती है, लेकिन शर्तों को अंतिम रूप देने की थकान को ध्यान में रखा जाना चाहिए। प्रश्नावली का समय इस तरह से किया जाना चाहिए ताकि प्रतिभागियों के उत्तर कार्य के दौरान उनके अनुभव से पक्षपाती न हों, और प्रतिभागियों के व्यवहार को पहले पूछे गए प्रश्नों के कारण पक्षपाती होने से बचाया जा सके।

यह विधि सीमित है कि वास्तविक पैदल यात्री वातावरण में एक साथ कई उत्तेजनाएं प्रस्तुत की जाती हैं, इसलिए इन वातावरणों में आवश्यक संज्ञानात्मक भार शायद इस अध्ययन की तुलना में बहुत अधिक है (देखें पोरचोन एट अल।7)। बहरहाल, अंतर्निहित न्यूरोफिज़ियोलॉजिकल तंत्र को इंगित करने में सक्षम होने के लिए, इस तरह के व्यापार-बंद करना आवश्यक लग रहा था। विशेष अध्ययन के उद्देश्य के आधार पर, दृश्य उत्तेजना को विभिन्न कारकों का परीक्षण करने के लिए संशोधित किया जा सकता है जो चलते समय स्मार्टफोन का उपयोग करने की कार्य-स्विचिंग लागत को प्रभावित कर सकते हैं। इस पद्धति में, वास्तविक मानव आकृति के बजाय पॉइंट-लाइट वॉकर फिगर का उपयोग किया गया था क्योंकि यह पॉइंट-लाइट वॉकर पूर्वाग्रह से कम प्रवण है। एक वास्तविक मानव वॉकर की उपस्थिति कुछ प्रतिभागियों के लिए अधिक सुखद या अप्रिय हो सकती है और यह इसके लिए जिम्मेदार ध्यान को प्रभावित कर सकती है। मानव रूप और मानव आंदोलन का प्रतिनिधित्व करने वाले डॉट्स के एक समूह का उपयोग करके, हम मानव वॉकर के लिंग, कपड़ों, शरीर की छवि के इस संभावित बाहरी चर को बायपास कर सकते हैं, अन्य चर के बीच जो परिणामों को तिरछा कर सकते हैं। उदाहरण के लिए, जिन प्रतिभागियों को मानव वॉकर अधिक आकर्षक लगता है, वे अन्यथा की तुलना में वॉकर पर अपना ध्यान केंद्रित करने के लिए अधिक प्रवण हो सकते हैं।

इस पद्धति का उपयोग भविष्य के अध्ययनों में विभिन्न अनुप्रयोगों के लिए किया जा सकता है। उदाहरण के लिए, दृश्य उत्तेजना को अलग-अलग विशेषताओं के लिए संशोधित करके, यह अध्ययन करना संभव होगा कि किसी वातावरण में वस्तु की विशेषताएं कार्य-स्विचिंग लागत को कैसे प्रभावित कर सकती हैं। मैनुअल ट्रेडमिल के साथ इस विधि का उपयोग करना भी दिलचस्प हो सकता है, जहां डेक के खिलाफ प्रतिभागियों के पैरों की कार्रवाई ट्रेडमिल बेल्ट को स्थानांतरित करती है। इस तरह, हम यह निर्धारित कर सकते हैं कि मल्टीटास्किंग के कारण या कार्य स्विचिंग के कारण प्रयोग के दौरान गति में उतार-चढ़ाव कैसे होता है। यह विश्लेषण में विचार करने के लिए एक नया चर जोड़ते समय पारिस्थितिक वैधता को बढ़ाएगा (उदाहरण के लिए, क्या रुकना, या धीमी गति से चलना प्रतिभागियों के प्रदर्शन को प्रभावित करता है?)। इस प्रकार, उत्तेजनाओं और विषय आंदोलन दोनों के संदर्भ में, चलने के व्यवहार के दौरान टेक्स्टिंग की जांच करने के लिए इस विधि (यानी, पॉइंट-लाइट वॉकर और स्वचालित ट्रेडमिल) में प्रस्तावित लोगों की तुलना में कई अन्य संभावनाएं हैं (पोरचोन एट अल.7, शाब्रून एट अल.30)। यह भविष्य के अध्ययनों की आंतरिक या बाहरी वैधता को बढ़ाएगा। इसके अलावा, यह ध्यान दिया जाना चाहिए कि केवल दो इलेक्ट्रोड से ईईजी डेटा का उपयोग करने का हमारा निर्णय कुछ सीमाओं के साथ आता है। भविष्य के शोध को कई इलेक्ट्रोड को शामिल करने वाले रुचि के क्षेत्रों में विश्लेषण का विस्तार करने की कोशिश करनी चाहिए। वार्तालाप स्क्रिप्ट का उपयोग न करना और बातचीत को स्वाभाविक रूप से होने देना भी संभव होगा। ऐसे उदाहरणों में बातचीत की सामग्री का विश्लेषण सामग्री विश्लेषण के साथ किया जा सकता है, और विभिन्न प्रकार की बातचीत के प्रभाव का अध्ययन प्राकृतिक तरीके से किया जा सकता है। संक्षेप में, यह पद्धति वह आधार हो सकती है जिस पर अधिक जटिल अध्ययन विभिन्न कारकों के ज्ञान को विकसित करने के लिए निर्माण कर सकते हैं जो चलते समय स्मार्टफोन के साथ मल्टीटास्क करने की हमारी क्षमता को प्रभावित कर सकते हैं।

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

लेखकों के पास खुलासा करने के लिए कुछ भी नहीं है।

Acknowledgments

लेखक कनाडा के सामाजिक विज्ञान और मानविकी अनुसंधान परिषद (एसएसएचईआरसी) के वित्तीय समर्थन को स्वीकार करते हैं।

Materials

Name Company Catalog Number Comments
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

DOWNLOAD MATERIALS LIST

References

  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. , Cambridge University Press. Cambridge. (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). , MIT Press. Cambridge, MA. (2005).
  27. Steiger, J. H. Tests for comparing elements of a correlation matrix. Psychological Bulletin. 87 (2), 245-251 (1980).
  28. Léger, P. -M., 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. Davis, F., Riedl, R., vom Brocke, J., Léger, P. -M., Randolph, A., Fischer, T. H. , Springer. 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. , Retrieved from: http://biblos.hec.ca/biblio/memoires/m2019a610182.pdf (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).

Tags

व्यवहार मुद्दा 158 कार्य स्विचिंग ध्यान प्रक्रियाएं न्यूरोएर्गोनॉमिक्स दुर्घटना विश्लेषण मोबाइल डिवाइस ईईजी

Erratum

Formal Correction: Erratum: Measuring the Switch Cost of Smartphone Use While Walking
Posted by JoVE Editors on 08/24/2020. Citeable Link.

An erratum was issued for: Measuring the Switch Cost of Smartphone Use While Walking. An author's name was updated.

The name was corrected from:

Gabrielle-Naïmé Mourra

to:

Gabrielle Naïmé Mourra

चलते समय स्मार्टफोन के उपयोग की स्विच लागत को मापना
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Mourra, G. N., Brieugne, D., Rucco,… More

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

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
Simple Hit Counter