Waiting
Login processing...

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

Behavior

Messung der Wechselkosten für die Smartphone-Nutzung während des Gehens

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

Dieses Studiendesign misst die Kosten für den Aufgabenwechsel bei der Verwendung eines Smartphones während des Gehens. Die Teilnehmer durchlaufen zwei experimentelle Bedingungen: eine Kontrollbedingung (Gehen) und eine Multitasking-Bedingung (SMS während des Gehens). Die Teilnehmer wechseln zwischen diesen Aufgaben und einer richtungsbestimmenden Aufgabe. Es werden sowohl EEG-Daten als auch Verhaltensmessungen aufgezeichnet.

Abstract

In diesem Artikel wird ein Studienprotokoll vorgestellt, um die Kosten für den Aufgabenwechsel bei der Verwendung eines Smartphones beim Gehen zu messen. Bei dieser Methode laufen die Teilnehmer unter zwei experimentellen Bedingungen auf einem Laufband: einer Kontrollbedingung (d.h. einfaches Gehen) und einer Multitasking-Bedingung (d.h. SMS während des Gehens). Während dieser Bedingungen müssen die Teilnehmer zwischen den Aufgaben wechseln, die sich auf die Versuchsbedingung beziehen, und einer richtungsbestimmenden Aufgabe. Diese Richtungsaufgabe wird mit einer Punkt-Licht-Walker-Figur durchgeführt, die scheinbar links oder rechts vom Teilnehmer läuft. Die Leistung bei der Richtungsaufgabe stellt die Kosten für den Aufgabenwechsel des Teilnehmers dar. Es gab zwei Leistungsmaße: 1) korrekte Identifikation der Richtung und 2) Reaktionszeit. EEG-Daten werden aufgezeichnet, um die Alpha-Oszillationen und das kognitive Engagement zu messen, die während des Aufgabenwechsels auftreten. Diese Methode ist in ihrer ökologischen Aussagekraft begrenzt: Fußgängerumgebungen haben viele Reize, die gleichzeitig auftreten und um Aufmerksamkeit konkurrieren. Nichtsdestotrotz ist diese Methode geeignet, um die Kosten für den Taskwechsel zu ermitteln. Die EEG-Daten ermöglichen die Untersuchung der zugrunde liegenden Mechanismen im Gehirn, die mit unterschiedlichen Kosten für den Aufgabenwechsel zusammenhängen. Dieses Design ermöglicht den Vergleich zwischen dem Task-Switching beim Ausführen einer Aufgabe nach dem anderen und dem Task-Switching beim Multitasking vor der Stimulus-Präsentation. Dies ermöglicht es, sowohl die verhaltensbezogenen als auch die neurophysiologischen Auswirkungen dieser beiden unterschiedlichen Aufgabenwechselbedingungen zu verstehen und zu lokalisieren. Darüber hinaus können wir durch die Korrelation der Kosten für den Aufgabenwechsel mit der Gehirnaktivität mehr darüber erfahren, was diese Verhaltenseffekte verursacht. Dieses Protokoll ist eine geeignete Grundlage für die Untersuchung der Wechselkosten verschiedener Smartphone-Nutzungen. Es können verschiedene Aufgaben, Fragebögen und andere Maßnahmen hinzugefügt werden, um die verschiedenen Faktoren zu verstehen, die an den Kosten für den Aufgabenwechsel bei der Smartphone-Nutzung während des Gehens beteiligt sind.

Introduction

Da sowohl die Smartphone-Verbreitung als auch die Tendenz zum Multitasking zunehmen, ist es wichtig zu verstehen, welche Auswirkungen die Smartphone-Nutzung beim Gehen auf die Aufmerksamkeit hat. Die Literatur hat wiederholt gezeigt, dass der Aufgabenwechsel mit Kosten verbunden ist1, einschließlich der Smartphone-Nutzung beim Gehen. Studien haben gezeigt, dass die Verwendung eines Smartphones während des Gehens ablenkend und gefährlich sein kann 2,3,4. Diese Gefahren wurden mit den Aufmerksamkeitsbeeinträchtigungen einer solchen Aufgabe in Verbindung gebracht 3,4,5,6,7. Aufgrund der komplexen Natur der Fußgängerumgebung kann es problematisch sein, sie in einem experimentellen Kontext zu untersuchen, der ökologisch gültig ist. Nichtsdestotrotz kann die Durchführung solcher Studien in realen Fußgängerumgebungen mit eigenen Komplikationen verbunden sein, da viele äußere Variablen ins Spiel kommen können und die Gefahr besteht, dass der Teilnehmer aufgrund von Ablenkungen geschädigt wird. Es ist wichtig, ein solches Phänomen in einer relativ sicheren Umgebung untersuchen zu können, die so realistisch wie möglich bleibt. In diesem Artikel beschreiben wir eine Forschungsmethode, die die Kosten für den Aufgabenwechsel beim Texten während des Gehens untersucht und gleichzeitig die Gültigkeit der Aufgabe erhöht und die damit verbundenen potenziellen Risiken mindert.

Bei der Verwendung eines Smartphones während des Gehens sind Einzelpersonen gezwungen, von den Smartphone-Aufgaben auf Geh- und Umweltaufgaben umzusteigen. Um ein solches Phänomen zu untersuchen, hielten wir es daher für angebracht, diese Methode in die Literatur über Multitasking einzubetten, die sich speziell auf das Task-Switching-Paradigma konzentriert. Um dies zu erreichen, wurde das Task-Switching-Paradigma1 verwendet, bei dem die Teilnehmer zwischen einer Pre-Stimulus-Aufgabe und einer Post-Stimulus-Aufgabe wechselten. Eine der beiden Aufgaben vor dem Stimulus beinhaltete Multitasking, die andere nicht. In der Post-Stimulus-Aufgabe mussten die Teilnehmer auf einen Reiz reagieren, dessen Wahrnehmung durch geteilte Aufmerksamkeit beeinflusst wird8. Darüber hinaus haben experimentelle Laborstudien, die versuchen, so ökologisch wie möglich zu sein, oft virtuelle Fußgängerumgebungen verwendet, um die Aufmerksamkeitswirkung der Smartphone-Nutzung beim Gehenzu verstehen 4,9. Um die zugrunde liegenden neurophysiologischen Mechanismen zu erfassen, haben wir uns jedoch entschieden, uns auf die spezifische Task-Switching-Reaktion auf einen Reiz zu konzentrieren, um die Anzahl der Reize, auf die die Teilnehmer reagieren mussten, zu minimieren. Auf diese Weise können wir die Kosten für den Taskwechsel genauer bestimmen, die allein durch das Verlagern der Aufmerksamkeit vom Smartphone auf den Stimulus entstehen. Mit unserem Studiendesign verwenden wir Verhaltensmessungen (d.h. Kosten für den Aufgabenwechsel) und neurophysiologische Daten, um die Aufmerksamkeitsbeeinträchtigungen bei der Smartphone-Nutzung von Fußgängern besser zu verstehen.

Während eines Task-Switching-Experiments führten die Teilnehmer in der Regel mindestens zwei einfache Aufgaben aus, die sich auf eine Reihe von Stimuli bezogen, wobei jede Aufgabe einen anderen Satz kognitiver Ressourcen erforderte, die als "Aufgabensatz"1 bezeichnet werden. Wenn Individuen gezwungen sind, zwischen Aufgaben zu wechseln, müssen sich ihre mentalen Ressourcen anpassen (d.h. Hemmung des vorherigen Aufgabensatzes und Aktivierung des aktuellen Aufgabensatzes). Es wird angenommen, dass dieser Prozess der "Neukonfiguration des Aufgabensatzes" die Ursache für die Kosten des Taskwechsels ist1. Die Kosten für den Aufgabenwechsel werden in der Regel durch Beobachtung der Unterschiede in der Reaktionszeit und/oder der Fehlerrate zwischen Versuchen, bei denen die Teilnehmer zwischen Aufgaben wechseln, und solchen, bei denen sie nicht wechseln10, bestimmt. In unserem Experiment hatten wir drei Aufgabensätze: 1) Reagieren auf einen Punktlicht-Walker-Stimulus; 2) SMS auf einem Smartphone während des Gehens; und 3) einfach zu Fuß gehen. Wir verglichen die Wechselkosten zwischen zwei verschiedenen Bedingungen: 1) einfaches Gehen vor der Reaktion auf den Reiz und 2) Gehen während des SMS-Schreibens vor der Antwort. Auf diese Weise erfassten wir die Kosten für Multitasking auf einem Smartphone, bevor wir die Aufgabe wechselten, und konnten sie direkt mit den Kosten für den Nicht-Multitasking-Wechsel vergleichen, die durch einfaches Gehen vor dem Auftreten des visuellen Reizes entstehen. Da das in dieser Studie verwendete Smartphone von einer bestimmten Marke war, wurden alle Teilnehmer vor dem Experiment überprüft, um sicherzustellen, dass sie wussten, wie man das Gerät richtig benutzt.

Um ein realistisches Erlebnis zu simulieren, das für den Fußgängerkontext repräsentativ ist, haben wir uns entschieden, eine Punkt-Licht-Walker-Figur als visuellen Stimulus zu verwenden, die eine menschliche Form darstellt, die mit einem Abweichungswinkel von 3,5° nach links oder rechts des Teilnehmers geht. Diese Figur besteht aus 15 schwarzen Punkten auf weißem Hintergrund, wobei die Punkte den Kopf, die Schultern, die Hüften, die Ellbogen, die Handgelenke, die Knie und die Knöchel eines Menschen darstellen (Abbildung 1). Dieser Reiz beruht auf biologischer Bewegung, d.h. er folgt dem für Mensch und Tier typischen Bewegungsmuster11. Darüber hinaus ist dieser Anreiz mehr als ökologisch gültig; Es erfordert eine komplexe visuelle Verarbeitung und Aufmerksamkeit, um erfolgreich analysiert zu werden12,13. Interessanterweise fanden Thornton et al.8 heraus, dass die korrekte Identifikation der Richtung des punktförmigen Läufers stark von geteilter Aufmerksamkeit beeinflusst wird, was sie als Leistungsmaßstab bei der Untersuchung der Kosten für den Taskwechsel beim Multitasking geeignet macht. Die Teilnehmer wurden gebeten, die Richtung, in die die Figur ging, verbal anzugeben. Dem Erscheinen des Spaziergängers ging immer ein akustischer Hinweis voraus, der sein Erscheinen auf dem Bildschirm signalisierte.

Die Leistung bei der Punktlicht-Walker-Aufgabe und neurophysiologische Daten ermöglichten es uns, die Aufmerksamkeitswirkung beider Zustände zu bestimmen und zu bestimmen, was sie verursachte. Die Leistung wurde gemessen, indem die Fehlerraten und Reaktionszeiten bei der Bestimmung der Richtung der Punkt-Licht-Walker-Figur betrachtet wurden. Um die zugrunde liegenden kognitiven und Aufmerksamkeitsmechanismen zu verstehen, die an den Aufmerksamkeitsbeeinträchtigungen beteiligt sind, die wir mit dem Leistungsmaß gefunden haben, haben wir die neurophysiologischen Daten der Teilnehmer mit dem EEG actiCAP mit 32 Elektroden ausgewertet. Das EEG ist ein geeignetes Werkzeug in Bezug auf die vorübergehende Präzision, was wichtig ist, um zu sehen, was zu bestimmten Zeitpunkten eine schlechte Leistung verursacht (z. B. das Aussehen der Punktlicht-Walker-Figur), obwohl Artefakte in den Daten aufgrund von Bewegungen vorhanden sein können. Bei der Analyse der EEG-Daten sind zwei Indizes besonders relevant: 1) Alpha-Oszillationen; und 2) kognitives Engagement. Die Forschung hat herausgefunden, dass Alpha-Oszillationen sowohl die Kontrolle des Arbeitsgedächtnisses als auch die aktive Hemmung von aufgabenirrelevanten Gehirnschaltkreisen darstellen können14,15,16,17. Durch den Vergleich der Alpha-Oszillationen zu Beginn der Studie mit denen, die bei der Stimuluspräsentation18,19 auftraten, erhielten wir das Alpha-Verhältnis. Mit diesem Verhältnis haben wir die ereignisbezogenen Veränderungen bestimmt, die der Aufmerksamkeitsbeeinträchtigung zugrunde liegen könnten, die beim Texten während des Gehens beobachtet wird. In Bezug auf das kognitive Engagement entwickelten Pope et al.20 einen Index, bei dem die Beta-Aktivität eine erhöhte Erregung und Aufmerksamkeit darstellt und die Alpha- und Theta-Aktivität eine Abnahme der Erregung und Aufmerksamkeit widerspiegelt21,22. Diese Analyse wurde durchgeführt, um festzustellen, ob ein erhöhtes Engagement vor dem Auftreten des Stimulus die Neukonfiguration des Aufgabensatzes erschweren würde, die erforderlich ist, um auf die Gehfigur zu reagieren.

Mit der in diesem Artikel beschriebenen Methodik versuchen wir, die zugrunde liegenden Mechanismen zu erfassen, die sich auf die Leistung beim Wechseln von Aufgaben bei Teilnehmern auswirken, die an Multitasking-Episoden beteiligt sind. Die Gehbedingung stellt eine Nicht-Multitasking-Task-Switch-Leistung dar, die mit einer Multitasking-Task-Switch-Leistung (d. h. SMS während des Gehens) verglichen wird. Durch die Messung der Rollen der Aufgaben-Set-Hemmung und der Task-Set-Aktivierung haben wir versucht, die Wechselkosten besser zu verstehen, die beim Texten während des Gehens auftreten. Es ist wichtig anzumerken, dass die ursprüngliche Studie in einer immersiven virtuellen Umgebung23 durchgeführt wurde, aber später in einem Versuchsraum (siehe Abbildung 2) mit einem Projektor repliziert wurde, der die Gehfigur auf einem Bildschirm vor dem Teilnehmer anzeigte. Da diese virtuelle Umgebung nicht mehr zur Verfügung steht, wurde das Protokoll an die aktuelle experimentelle Raumgestaltung angepasst.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

Bevor mit der Datenerhebung begonnen wird, ist es wichtig, alle notwendigen ethischen Forschungsgenehmigungen für menschliche Teilnehmer zu erhalten. Dies sollte durch die entsprechenden Prüfungsausschüsse und/oder Überprüfungsausschüsse für menschliche Teilnehmer erfolgen.

Dieses Protokoll wurde vom Ethikrat der HEC Montréal für die Forschungseinrichtung Tech3Lab genehmigt und zertifiziert.

1. Vorbereitung des visuellen Reizes

  1. Erstellen Sie die experimentelle Vorlage für den visuellen Stimulus mit einer visuellen Experimentpräsentationssoftware wie E-prime. Erstellen Sie eine für den Praxisversuch (sechs Versuche) und eine für die Versuchsbedingungen (22 Versuche).
  2. Öffnen Sie die E-prime-Software und gehen Sie in das Strukturfenster, in dem die Logik des Experiments erstellt werden kann.
    1. Doppelklicken Sie auf SessionProc (die Zeitleiste für die Reihenfolge des Erscheinens der E-Objekte).
    2. Ziehen Sie das TextDisplay-Objekt aus der Toolbox in die Zeile SessionProc .
      1. Doppelklicken Sie auf das TextDisplay-Objekt , das in das SessionProc eingefügt wurde, und schreiben Sie die Lernanweisungen: "Wenn Sie den akustischen Hinweis hören, heben Sie bitte Ihren Kopf und geben Sie laut an, in welche Richtung der Spaziergänger geht, entweder nach links oder nach rechts. Das Experiment wird in Kürze beginnen."
      2. Klicken Sie oben im TextDisplay-Fenster auf das Symbol Eigenschaftenseiten. Klicken Sie auf die Registerkarte Allgemein, und ändern Sie die Einstellung des Felds Name in Anweisungen. Klicken Sie auf das Dropdown-Menü Dauer und wählen Sie Unendlich aus. Klicken Sie auf die Registerkarte Dauer/Eingabe und wählen Sie Hinzufügen, wählen Sie Tastatur und drücken Sie OK. Klicken Sie erneut auf OK, um die Eigenschaftenseiten zu verlassen. Dadurch wird sichergestellt, dass die Anweisungen auf dem Bildschirm angezeigt werden, bis Sie die Taste drücken, um das Experiment zu starten.
    4. Doppelklicken Sie in der Zeile SessionProc auf das List-Objekt. Klicken Sie auf die grüne Schaltfläche mit dem Namen Attribut hinzufügen. Nennen Sie das Attribut als: correct response. Klicken Sie auf OK.
    5. Klicken Sie auf das leere Feld in der Spalte richtige Antwort und schreiben Sie L (dies ist zu signalisieren, dass dieses Listenobjekt für den Walker nach links geht).
    6. Kehren Sie zu SessionProc zurück und klicken Sie auf das neue Objekt, das mit dem Namen Left-Trial erstellt wurde.
    9. Doppelklicken Sie auf das Slide-Objekt .
      1. Klicken Sie auf das Unterobjekt mit dem Namen SlideText und klicken Sie auf eine beliebige Stelle in der Folie, um das Objekt dort zu platzieren.
      2. Entfernen Sie den vorhandenen Text aus diesem Bild.
      3. Klicken Sie auf Unterobjekt-Eigenschaftenseiten.
      4. Legen Sie auf der Registerkarte "Rahmen" sowohl die Breite als auch die Höhe auf 100 % fest. Klicken Sie auf OK.
    10. Klicken Sie auf die Eigenschaftenseiten und wechseln Sie zur Registerkarte Dauer/Eingabe . Geben Sie als Dauer den folgenden Wert ein: [ITIDur].
    13. Wiederholen Sie diesen gesamten Vorgang (d. h. aus den Schritten 1.2.3 bis 1.2.9) für den richtigen Versuch. Nennen Sie die Prozedur Right-Trial. Wenn Sie das Verfahren ausführen, ändern Sie nur die richtige Antwort (d. h. in R statt oder L) und die Videodatei. Verwenden Sie das Videodateiverzeichnis für den richtigen Walker.
  4. Doppelklicken Sie auf das bereits erstellte List-Objekt .
    1. Klicken Sie auf die Eigenschaftenseiten des List-Objekts .
    2. Legen Sie auf der Registerkarte Auswahl die Reihenfolge auf Zufällig fest und klicken Sie auf OK.
    3. Geben Sie in der Spalte " Gewichtung" die folgenden Zahlen ein:
      1. Übung: Geben Sie die Zahl 3 sowohl in der Left-Trial-Zeile als auch in der Right-Trial-Zeile ein.
      2. Experiment: Geben Sie die Zahl 11 sowohl in der Left-Trial-Zeile als auch in der Right-Trial-Zeile ein.
  5. Klicken Sie oben im Fenster auf das Symbol Generieren , um eine ausführbare Skriptdatei zu erstellen. Speichern Sie es auf dem Desktop, um den Zugriff zu erleichtern. Dies ist die Datei, die während des Experiments ausgeführt wird.
    1. Speichern Sie den Übungsversuch als "Übung" und die Versuchsversuche als "Experiment".
    2. Testen Sie das erstellte Skript, indem Sie auf das Symbol Ausführen klicken.
  6. Im E-Studio-Ordner wird eine E-Run-Datei erstellt. Beide erstellten Dateien (eine für den Übungsversuch und eine für die Versuchsversuche) können in einem Ordner auf dem Desktop des Computers abgelegt werden. Um das visuelle Experiment durchzuführen, klicken Sie einfach auf das entsprechende Symbol.
  7. Sobald die experimentellen Schablonen des visuellen Stimulus erstellt sind, versuchen Sie, sie mit dem Projektor anzuzeigen.
    1. Ändern Sie mit den Projektoreinstellungen die Höhe der Gehhilfefigur und stellen Sie sicher, dass sie direkt vor der Stelle zentriert ist, an der der Teilnehmer auf dem Laufband stehen würde.
    2. Messen Sie mit einem Maßband die Höhe des Rollators direkt auf der Projektorleinwand. Berechnen Sie den Abstand zwischen dem Bildschirm und den Augen einer Person, die auf dem Laufband steht, damit der Reiz einen Sichtwinkel von 25 ° abdeckt, und bewegen Sie das Laufband entsprechend. Um die notwendigen Entfernungen zu berechnen, kann man die folgende Website verwenden: http://elvers.us/perception/visualAngle/

2. Aufbau der Laborumgebung

  1. Schalten Sie die vier Aufnahmecomputer, den EEG-Verstärker, den Projektor, das Laufband, die Lautsprecher und das Smartphone ein.
  2. Richten Sie das Kontrollgerät ein.
    1. Öffnen Sie die Synchronisationssoftware mit dem spezifischen Unterprogramm, das für die Studie mit Markern bei 10 s erstellt wurde.
      1. Die Synchronisationssoftware sendet alle 10 s einen Impuls, der in Form eines Markers und eines Lichtimpulses im EEG und in Videoaufzeichnungen erscheint.
    2. Schalten Sie die Videoaufzeichnungssoftware ein. Die Kameras sollten sich ebenfalls automatisch einschalten. Ist dies nicht der Fall, schalten Sie sie manuell ein.
    3. Öffnen Sie die EEG-Aufzeichnungssoftware für den Teilnehmer und richten Sie sie ein.
    4. Öffnen Sie den Ordner, der die ausführbare Skriptdatei für visuelle Stimuli enthält, die mit der Präsentationssoftware für visuelle Experimente erstellt wurde.
    5. Bereiten Sie den EEG-Aufbau und die Materialien gemäß den von den Herstellern vorgeschlagenen Verfahren vor.
    6. Löschen Sie die Konversation des vorherigen Teilnehmers vom Smartphone.
    7. Stellen Sie eine neue Flasche Wasser neben den Ruhesessel des Teilnehmers.

3. Vorbereitung der Teilnehmer

  1. Begrüßen Sie den Teilnehmer in Raum 1 und erzählen Sie ihm kurz über die Studiendauer und die Vergütung.
  2. Bitten Sie die Teilnehmer, ihren Schmuck (z. B. Ohrringe, Piercings, Halsketten), Brillen, Smartphones und alle Inhalte in ihren Taschen zu entfernen, diese in einen Mülleimer zu legen und in ein Schließfach zu legen.
  3. Bitten Sie die Teilnehmer, Kaugummi loszuwerden, den sie möglicherweise essen, und stellen Sie sicher, dass sie vor Beginn des Experiments gegessen haben.
  4. Stellen Sie sicher, dass der Teilnehmer bequeme Wanderschuhe trägt, und lassen Sie ihn seine Schnürsenkel doppelt verknoten, um die Sicherheit des Teilnehmers während des Experiments zu gewährleisten.
  5. Lassen Sie den Teilnehmer die Einverständniserklärung lesen und unterschreiben.
    1. Lesen Sie das folgende Skript und lassen Sie den Teilnehmer sitzen, damit er die Einverständniserklärung lesen und unterschreiben kann:

      "Hier ist eine Einwilligungserklärung, die besagt, dass Sie mit der Teilnahme an dieser Studie einverstanden sind. Lesen Sie es sorgfältig durch und unterschreiben Sie es. Zögern Sie nicht, wenn Sie Fragen haben."
  6. Bringen Sie den Teilnehmer in den dafür vorgesehenen Teilnehmervorbereitungsraum, Raum 3, wo die EEG-Kappe aufgestellt werden soll.
  7. Lesen Sie das vorbereitete Skript, das den Ablauf des experimentellen Prozesses erklärt:

    "Sie werden vielleicht bemerken, dass ich ab und zu einen Text lese. Damit soll sichergestellt werden, dass alle Teilnehmer identische Anweisungen erhalten. In dieser Studie interessieren wir uns dafür, wie Menschen mit einem Reiz vor ihnen interagieren, während sie Textnachrichten senden und mit moderater Geschwindigkeit gehen. Etwa 40 Minuten lang schreiben Sie [Name des wissenschaftlichen Mitarbeiters], den Sie zuvor mit diesem Smartphone getroffen haben [Smartphone anzeigen]. Während Sie eine SMS schreiben, hören Sie von Zeit zu Zeit ein Geräusch. Diesem Geräusch folgt das Bild einer gehenden Figur. Ihre Aufgabe ist es, Ihren Kopf zum Bildschirm zu heben [zeigen Sie auf den Bildschirm] und laut anzuzeigen, ob der Charakter zu Ihrer Rechten ODER zu Ihrer Linken geht. Sie werden nicht aufgefordert, etwas anderes zu tun. Ich werde Ihre Antworten aufschreiben. Beachten Sie, dass es in allen Blöcken zwei Möglichkeiten für eine Antwort gibt (rechts und links), so dass es unmöglich ist, dass es zum Beispiel nur links oder rechts als eine einzige Wahl gibt. Die Richtung, aus der die Figur kommt, ist völlig zufällig. Nachdem Sie Ihre Antwort diktiert haben, schreiben Sie einfach weiter [Namedes wissenschaftlichen Mitarbeiters]. Es ist wichtig, dass du dich nicht umdrehst, wenn du antwortest oder wenn du mit mir reden willst, weil du destabilisiert werden und fallen könntest. Halten Sie den Kopf nach vorne. Ich werde während der gesamten Dauer des Experiments hinter diesem Spiegel hier [auf das Glas zeigen] sein. Haben Sie noch Fragen?"
  8. Messen Sie den Kopfumfang des Teilnehmers für die EEG-Elektrodenkappe. Für dieses Experiment wurde ein EEG actiCap mit 32 vorverstärkten Elektroden verwendet.
    1. Wählen Sie die entsprechende EEG-Kappe, setzen Sie sie zur Unterstützung auf einen Schaumkopf und platzieren Sie alle Elektroden an der richtigen Stelle.
    2. Messen Sie den Kopfumfang des Teilnehmers erneut, um den Startpunkt der Kappe mit dem 10-20-Referenzsystem zu bestimmen.
    3. Setzen Sie die Kappe von vorne auf den Kopf des Teilnehmers und halten Sie ihn in Position, während Sie ihn nach hinten ziehen. Stellen Sie sicher, dass die Kappe richtig platziert ist.
    4. Schließen Sie die Kabel der EEG-Kappe an die EEG-Steuerbox an.
    5. Zeigen Sie dem Teilnehmer den Gel-Applikator, damit er sehen kann, dass er nicht scharf ist, und erlauben Sie ihm, ihn zu berühren, wenn er dies wünscht. Lesen Sie das folgende Skript:

      "Hier ist der Applikator und die Spitze, mit der ich das Gel auf die EEG-Kappe auftragen werde, die Sie auf dem Kopf haben. Sie können es anfassen; Es tut nicht weh. Die Spitze ist gerade kurz genug, dass sie nie den Kopf berührt."
    6. Schalten Sie die EEG-Elektrodenbox so ein, dass alle Elektrodenleuchten rot leuchten.
    7. Aktivieren Sie die Elektroden, indem Sie zuerst die Haare aus dem Weg räumen und dann das Gel auf jede Elektrode auftragen: Beginnen Sie mit der Grundelektrode und dann mit der Referenzelektrode. Sobald diese beiden Elektroden grün werden, fügen Sie die restlichen Elektroden hinzu.
    8. Legen Sie das Gel, bis alle Elektrodensensoren grün werden.
    9. Messen Sie die Impedanz an der Steuerbox.
    10. Trennen Sie die Kabel von der Steuerbox und verbinden Sie sie mit dem Move-Adapter (d. h. dem Adapter-Kit, das die Daten drahtlos zurück an die Steuerbox überträgt).
    11. Legen Sie das Adapter-Kit in eine Bauchtasche und bitten Sie den Teilnehmer, es um seine Taille zu befestigen, wobei die Kabel und das Adapter-Kit auf dem Rücken des Teilnehmers platziert werden.
    12. Gehen Sie zurück in den Computerraum (Raum 4) und überprüfen Sie die Impedanz jeder Elektrode.
    13. Überprüfen Sie, ob die Datenqualität zufriedenstellend ist, indem Sie das Signal auf dem Monitorbildschirm der EEG-Software visuell überprüfen. Reparieren Sie ggf. die problematischen Elektroden.
  9. Bringen Sie den Teilnehmer in den Experimentierraum (d.h. Raum 2).
  10. Lassen Sie den Teilnehmer auf dem Laufband stehen und befestigen Sie den Sicherheitsschlüssel des Laufbandes am Teilnehmer.
  11. Schalten Sie das Laufband auf eine Geschwindigkeit von 0,8 mph ein und lassen Sie den Teilnehmer 2 Minuten lang laufen, damit er sich mit der Geschwindigkeit vertraut macht. Erinnern Sie den Teilnehmer während dieser 2 Minuten an die Anweisungen:

    "Etwa 40 Minuten lang schreiben Sie [Name des wissenschaftlichen Mitarbeiters] mit einem Smartphone. Während Sie SMS schreiben, hören Sie von Zeit zu Zeit ein Geräusch. Diesem Geräusch folgt das Bild einer gehenden Figur. Ihre Aufgabe ist es, zu diesem Zeitpunkt Ihren Kopf auf den Bildschirm zu heben und Ihrer Meinung nach laut anzuzeigen, ob der Charakter nach rechts oder links geht. Sie werden nicht aufgefordert, etwas anderes zu tun. Ich werde Ihre Antworten aufschreiben. Nachdem Sie Ihre Antwort gegeben haben, schreiben Sie einfach weiter zu [Name des wissenschaftlichen Mitarbeiters]. Es ist wichtig, immer eine Antwort zu geben. Wenn Sie sich nicht sicher sind, teilen Sie uns Ihre beste Vermutung mit. Drehen Sie sich nicht um, wenn Sie Ihre Antwort geben oder wenn Sie mit mir sprechen wollen, weil Sie destabilisiert werden und fallen könnten. Halten Sie den Kopf nach vorne. Das Experiment besteht aus vier Teilen, zwei, in denen Sie [Name des wissenschaftlichen Mitarbeiters] während des Gehens schreiben, und zwei, in denen Sie nur gehen. Jeder Teil dauert ca. 12 Minuten und es gibt eine Pause von 2 Minuten zwischen den einzelnen Teilen. Haben Sie noch Fragen?"

4. Probetraining

  1. Geben Sie dem Teilnehmer das Smartphone.
  2. Sagen Sie dem Teilnehmer, dass er einen Übungsversuch machen wird.
  3. Klicken Sie auf die ausführbare Skriptdatei des Stimulus, um die Übungsversuche durchzuführen. Geben Sie die Teilnehmernummer ein und starten Sie die Testversion.
  4. Lassen Sie den Teilnehmer üben, auf die visuellen Reize zu reagieren, während er an einem SMS-Gespräch mit dem Forschungsassistenten teilnimmt. Diese Übungseinheit dauert 3 Minuten.
  5. Sobald die Sitzung beginnt, folgen Sie dem SMS-Konversationsskript, das für die Studie erstellt wurde.
  6. Notieren Sie die Antwort des Teilnehmers auf jedes Stimulus-Auftreten in einer Tabellenvorlage.
  7. Lassen Sie den Teilnehmer nach den 3 Minuten auf einem Stuhl sitzen und etwas Wasser trinken. Stellen Sie während dieser Zeit die Laufbandgeschwindigkeit auf 0,4 Meilen pro Stunde ein.
  8. Erinnern Sie den Teilnehmer an die Studienanweisungen.

5. Datenerfassung

  1. Einrichtung
    1. Wechseln Sie zum Workflow-Blatt, um die Konditionsreihenfolge für den aktuellen Teilnehmer auszuwählen. Zwei Ordnungen sind möglich: In der Reihenfolge A verwenden die Versuche 1 und 3 die SMS-Bedingung, während die Versuche 2 und 4 die Kontrollbedingung verwenden. In der Reihenfolge B werden in den Versuchen 1 und 3 die Kontrollbedingungen und in den Versuchen 2 und 4 die SMS-Bedingungen verwendet. Während jedes Versuchs erscheint der visuelle Reiz 22 Mal.
    2. Stellen Sie sicher, dass die gesamte Aufnahmesoftware synchron gestartet werden kann.
    3. Schalten Sie die gesamte Aufzeichnungssoftware ein (z. B. EEG, Video)
    4. Lassen Sie den Teilnehmer wieder auf das Laufband steigen und erhöhen Sie die Geschwindigkeit langsam wieder auf 0,8 Meilen pro Stunde.
    5. Schalten Sie das visuelle Reizprogramm ein und starten Sie es.
    6. Lesen Sie die Anweisungen der Studie in Abhängigkeit von der Versuchsbedingung.
      1. Führen Sie die ausführbare Skriptdatei des Stimulus für die Experiment-Versuche aus. Geben Sie die Teilnehmernummer und den für die jeweiligen Bedingungen gewählten Code ein. Starten Sie die Testversion.
  2. Kontrollbedingung
    1. Stellen Sie sicher, dass sich das Smartphone während dieser Aufgabe außerhalb des Sichtfelds des Teilnehmers befindet.
    2. Weisen Sie den Teilnehmer an, einfach auf dem Laufband zu gehen und jedes Mal, wenn er erscheint, auf den visuellen Reiz zu reagieren, indem er mit "links" oder "rechts" antwortet:

      "Für diese Aufgabe müssen Sie einfach auf dem Laufband laufen. Von Zeit zu Zeit werden Sie ein Geräusch hören. Diesem Geräusch folgt das Bild einer gehenden Figur. Ihre Aufgabe ist es, Ihren Kopf dann auf den Bildschirm zu heben und Ihrer Meinung nach laut anzuzeigen, ob sich der Charakter nach rechts oder links bewegt. Sie werden nicht aufgefordert, etwas anderes zu tun. Ich werde Ihre Antworten selbst aufschreiben. Nachdem Sie Ihre Antwort diktiert haben, gehen Sie einfach weiter. Es ist wichtig, immer eine Antwort zu geben. Wenn Sie sich nicht sicher sind, teilen Sie uns Ihre beste Vermutung mit. Drehen Sie sich nicht um, wenn Sie Ihre Antwort geben oder wenn Sie mit mir sprechen wollen, weil Sie destabilisiert werden und fallen könnten. Halten Sie den Kopf nach vorne. Fang an, wenn ich dir das Signal gebe. Haben Sie noch Fragen?"
    3. Signalisieren Sie dem Teilnehmer, dass die Studie beginnen wird, und starten Sie die visuelle Reizstudie.
    4. Schreiben Sie die Antwort des Teilnehmers jedes Mal auf, wenn er auf den visuellen Reiz antwortet. Wenn ein Teilnehmer nicht antwortet, lassen Sie das Feld leer.
    5. Lassen Sie den Teilnehmer am Ende der Studie sitzen und etwas Wasser trinken.
    6. Führen Sie während dieser Pausen die gesamte Aufnahmesoftware weiter aus und lassen Sie das Laufband mit einer Geschwindigkeit von 0,4 Meilen pro Stunde eingeschaltet.
    7. Nach der Pause bringen Sie den Teilnehmer wieder auf das Laufband und erhöhen Sie beim Gehen allmählich die Geschwindigkeit wieder auf 0,8 Meilen pro Stunde.
  3. SMS-Bedingung
    1. Während der Teilnehmer auf dem Laufband läuft, geben Sie ihm das Smartphone.
    2. Weisen Sie den Teilnehmer an, während des Gehens auf dem Laufband so zu texten, wie er es natürlich tun würde (z. B. mit einer Hand oder zwei Händen), und reagieren Sie jedes Mal, wenn er erscheint, auf den visuellen Reiz, indem Sie mit "links" oder "rechts" antworten:

      "Für diese Aufgabe schreiben Sie [Name des wissenschaftlichen Mitarbeiters] mit einem Smartphone. Öffnen Sie auf dem Smartphone die Nachrichtenanwendung. Wählen Sie dann die Konversation mit "Hallo" aus. Sie müssen aktiv an einer SMS-Konversation teilnehmen. Während Sie eine SMS schreiben, hören Sie von Zeit zu Zeit ein Geräusch. Diesem Geräusch folgt das Bild einer gehenden Figur. Ihre Aufgabe ist es, hier Ihren Kopf auf den Bildschirm zu heben und Ihrer Meinung nach anzuzeigen, ob sich der Charakter nach rechts oder links bewegt. Sie werden nicht aufgefordert, etwas anderes zu tun. Ich werde Ihre Antworten selbst aufschreiben. Nachdem Sie Ihre Antwort diktiert haben, schreiben Sie einfach weiter. Es ist wichtig, immer eine Antwort zu geben. Wenn Sie sich nicht sicher sind, teilen Sie uns Ihre beste Vermutung mit. Drehen Sie sich nicht um, wenn Sie Ihre Antwort geben oder wenn Sie mit mir sprechen wollen, weil Sie destabilisiert werden und fallen könnten. Halten Sie den Kopf nach vorne. Fang an, wenn ich dir das Signal gebe. Haben Sie noch Fragen?"
    3. Signalisieren Sie dem Teilnehmer, dass die Studie beginnen wird, und starten Sie die visuelle Reizstudie.
    4. Weisen Sie den Teilnehmer an, ein SMS-Gespräch zu führen, während er auf dem Laufband läuft. Weisen Sie sie an, jedes Mal, wenn er erscheint, auch auf den visuellen Reiz zu reagieren, indem Sie mit "links" oder "rechts" antworten.
    5. Lassen Sie den Forschungsassistenten dem Konversationsskript folgen und halten Sie das Gespräch während der gesamten Erkrankung am Laufen.
    6. Schreiben Sie die Antwort des Teilnehmers jedes Mal auf, wenn er auf den visuellen Reiz antwortet. Wenn ein Teilnehmer nicht antwortet, lassen Sie das Feld leer.
    7. Nehmen Sie dem Teilnehmer am Ende des Versuchs das Smartphone ab und lassen Sie den Teilnehmer sich hinsetzen und etwas Wasser trinken.
    8. Führen Sie während dieser Pausen die gesamte Aufnahmesoftware weiter aus und lassen Sie das Laufband mit einer Geschwindigkeit von 0,4 Meilen pro Stunde eingeschaltet.
    9. Nach der Pause bringen Sie den Teilnehmer wieder auf das Laufband und erhöhen Sie beim Gehen allmählich die Geschwindigkeit wieder auf 0,8 Meilen pro Stunde.

6. Ende der Datenerhebung

  1. Am Ende der experimentellen Manipulation müssen die Teilnehmer das Laufband ausschalten. Lassen Sie den Teilnehmer sich hinsetzen und etwas Wasser trinken.
  2. Entfernen Sie die EEG-Kappe und bringen Sie den Teilnehmer unter die Dusche, wo er sich die Haare waschen kann, wenn er dies wünscht.
  3. Geben Sie dem Teilnehmer seine Entschädigung und danken Sie ihm für seine Teilnahme. Stellen Sie sicher, dass der Teilnehmer mit seiner Kopie der Einverständniserklärung abreist und dass er alle seine persönlichen Gegenstände abholt.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

Dieses Studienprotokoll wurde ursprünglich mit 54 Teilnehmern durchgeführt, die jeweils auf 88 Richtungsstudien ansprachen. Die Hälfte dieser Studien fand statt, wenn die Teilnehmer vor der Stimuluspräsentation einfach gingen. Die andere Hälfte trat auf, als die Teilnehmer vor der Stimuluspräsentation während des Gehens SMS schrieben.

Ergebnisse des Verhaltens
Die Leistung in der Richtung des Punktlicht-Walkers stellt die Kosten für den Taskwechsel dar, während eine geringere Leistung höhere Kosten für den Taskwechsel darstellt. Die Antworten der Teilnehmer wurden mit zwei Antwortvariablen analysiert: 1) Korrekte Identifikation; und 2) Reaktionszeit. Die beiden experimentellen Bedingungen repräsentierten die beiden Gruppen: 1) SMS während des Gehens; und 2) einfach gehen, bevor man auf den Reiz reagiert. Die Reaktionszeiten wurden am Ende des Experiments berechnet. Die Videoaufnahmen des Experiments wurden in Audiodateien umgewandelt und dann mit einer Sound-Software analysiert, die die Spitzen in den Schallwellenlängen markierte. Sobald der Klang des Queues und der Klang der verbalen Antwort des Teilnehmers markiert waren, wurde die Zeit zwischen den beiden bestimmt. Die korrekten Antwortzeiten wurden analysiert, indem die korrekte Richtung des Teilnehmers für die 88 Studien aus der experimentellen Präsentationssoftware exportiert und der Datenbankdatei mit den Antworten der Teilnehmer hinzugefügt wurde. Im verwendeten Programm (Excel) wurde eine Formel zum Testen der Genauigkeit (=WENN(A1=B1;1,0)) verwendet, um zu bestimmen, ob die in der ersten Datenspalte enthaltenen Informationen (d. h. die Antwort der Teilnehmer) mit denen der zweiten Spalte übereinstimmten.

Da jeder Teilnehmer wiederholt die Ausrichtung des Stimulus bestimmen musste, konnte ein t-Test nicht verwendet werden, um die Unterschiede in den Leistungsmittelwerten unter verschiedenen Bedingungen zu analysieren. Stattdessen wurde ein verallgemeinertes lineares Regressionsmodell verwendet, um die Korrelation zwischen den Studien innerhalb der Probanden zu berücksichtigen. Diese Analyse wurde mit Proc Glimmix mit der Software SAS 9.4 durchgeführt. Die Gruppenvariable war die erklärende Variable für die Antwortvariablen, und für jedes Subjekt wurde ein zufälliger Gaußscher Abschnitt hinzugefügt. Die Genauigkeit der Antwortvariablen (richtige oder falsche Antwort) war binär, und daher war eine Logit-Link-Funktion für dieses Regressionsmodell geeignet.

Wir fanden heraus, dass die Teilnehmer eher die richtige Richtung für den Punkt-Licht-Walker-Stimulus identifizierten, wenn sie vor dem Auftreten des Stimulus keine SMS schrieben (Odds Ratio = 0,77; T = −3,12; p = 0,001; 95%-Konfidenzintervall (.657;. 908)). Es wurde kein signifikanter Unterschied in der Reaktionszeit gefunden (β = −0,005; T = −.26; p = 0,799; 95%-Konfidenzintervall (-.047;. 036)) (siehe Abbildung 3).

Um Genauigkeit mit Reaktionszeit zu kombinieren, wurde der Inverse Efficiency Score (IES)24 verwendet. Die Wahrscheinlichkeit, in der Richtungsversuche genau zu sein, wurde unter Verwendung einer logistischen Regression mit der Antwortzeit als Kontrollvariable modelliert. Auch hier wurde für jeden Probanden ein individueller zufälliger Intercept hinzugefügt, um mögliche intra-subjektale Korrelationen zwischen den Studien zu berücksichtigen. Die Ergebnisse dieser Mixed-Effect-Regression zeigten einen signifikanten Effekt der experimentellen Bedingungen, bei denen die geschätzte Wahrscheinlichkeit, genau auf den Stimulus zu reagieren, in dem Zustand, in dem die Teilnehmer während des Gehens texteten, um 18,9% geringer war, als wenn sie vor dem Auftreten des Stimulus einfach gingen (Odds Ratio = 0,811; T = −2,46; p = 0,014; 95%-Konfidenzintervall 0,686–0,959; siehe Abbildung 3). Dies zeigte, dass unabhängig von der Reaktionszeit die Genauigkeit der Stimulusrichtung durchweg geringer war, wenn die Teilnehmer während des Gehens texteten.

Neurophysiologische Daten
EEG-Aufzeichnungen wurden verwendet, um die neurophysiologische Aktivität zu bestimmen, die mit dem Aufgabenwechsel verbunden ist, indem Alpha-Oszillationen und kognitives Engagement beobachtet wurden. Die Verwendung von EEG während der Bewegung führte zu mehr Artefakten. Um die Qualität der Daten zu gewährleisten, wurden mehrere Schritte unternommen. Um die Aufzeichnung während des Gehens zu ermöglichen, wurde zunächst eine neue aktive Elektrodentechnologie mit einer Rauschsubtraktionsschaltung (d. h. vorverstärkte Elektroden) verwendet. Zweitens wurden die EEG-Daten offline mit einem Tiefpass-IIR-Filter bei 20 Hz gefiltert, um die Alphawellen zu isolieren, und ein Hochpass-IIR-Filter bei 1 Hz, um das Rauschen zu reduzieren. Drittens wurde eine unabhängige Komponentenanalyse (ICA) durchgeführt, um die durch Augenblinzeln und Augensackaden verursachten Artefakte in den EEG-Datenabzuschwächen 25. Viertens wurden durch eine automatische Artefaktunterdrückung Epochen mit Spannungsunterschieden über 50 μV zwischen zwei benachbarten Abtastpunkten und einer Differenz über 50 μV in einem 75-ms-Intervall ausgeschlossen.

Die Datenanalyse wurde mit Vision Analyzer 2 durchgeführt. Basierend auf Luck26 wurden die Daten auf die übliche Durchschnittsreferenz bezogen. Darüber hinaus wurden die Daten segmentiert, um die 2 s nach der Präsentation des Walker-Stimulus sowie eine 2 s Baseline zu isolieren. Für jede Stimuluspräsentation wurde eine Baseline bestimmt, die die Aktivität darstellt, die auftritt, wenn der Teilnehmer während des Gehens ausschließlich ging oder textete. Diese Baseline wurde während eines Zeitraums von 2 Sekunden erhalten, der 12 Sekunden vor dem auditiven Hinweis jedes Stimulusauftritts auftrat. Beide Segmente wurden separat mit einer Fast-Fourier-Transformation auf 1 s Epochen analysiert, um Leistungswerte im Frequenzbereich zu erhalten. Alle Epochen wurden getrennt nach experimentellen Bedingungen gemittelt.

Das Ziel dieser Analyse war es, festzustellen, ob sich die beiden Teilschritte Task-Set-Inhibition und Task-Set-Aktivierung unterschiedlich auf die Behavioral Switch-Kosten (d.h. Performance-Messungen) auswirken. Dazu wurden die EEG-Daten anhand von zwei Indizes analysiert: 1) Alpha-Oszillationen; und 2) kognitives Engagement. Alle Berechnungen wurden mit den Standorten Cz und Pz durchgeführt, da ihre Daten weniger Rauschen und weniger Artefakte enthielten. Die Veränderungen der Alpha-Oszillationen aufgrund der Stimuluspräsentation wurden mit Alpha-Verhältnissen analysiert, indem die Alpha-Leistung zu Beginn mit der Alpha-Leistung verglichen wurde, die bei der Stimuluspräsentationauftritt 18,19. Unter Verwendung des von Pope et al.20 entwickelten kognitiven Engagement-Index wurde ein Verhältnis der kombinierten Leistung im Beta (14-20 Hz) geteilt durch die Gesamtleistung in den Komponenten Alpha (8-12 Hz) und Theta (4-8 Hz) erstellt. Um die kombinierte Leistung zu berechnen, wurden die Summen der verwendeten Leistungen an den Standorten Cz und Pz verwendet.

Das Alpha-Verhältnis und seine Auswirkungen auf die Leistung wurden zwischen den beiden Bedingungen verglichen. Das Alpha-Verhältnis spiegelt die Prozesse der Aufgabenhemmung wider. Da das Alpha-Verhältnis für jeden Teilnehmer gemessen wurde, war es notwendig, das Verhältnis mit der aggregierten Leistung während dieser Bedingung zu vergleichen (d.h. dem korrekten Ansprechprozentsatz der 44 Studien dieser Erkrankung). Um den Korrelationskoeffizienten beider Bedingungen zu vergleichen, wurde der von Steiger27 vorgeschlagene z-Test verwendet, um Korrelationskoeffizienten zu vergleichen, die von derselben Person gemessen wurden. Am Standort Pz wurde festgestellt, dass die Korrelation zwischen der Leistung und dem Alpha-Verhältnis zwischen den beiden Bedingungen statistisch unterschiedlich war (p = 0,032; 95%-Konfidenzintervall = 0,054–1,220) (siehe Abbildung 4). Da die Korrelationen der einzelnen Bedingungen entgegengesetzte Vorzeichen hatten, wurde gezeigt, dass die Hemmungsprozesse die Leistung in den beiden Bedingungen unterschiedlich beeinflussten, wobei ein höheres Alpha-Verhältnis zu einer besseren Leistung während des Gehens führte, während in der SMS-Bedingung die Leistung durch ein höheres Alpha-Verhältnis behindert wurde. Diese Ergebnisse zeigen, dass sich beim Texten während des Gehens die Menge an Ressourcen, die benötigt werden, um den vorherigen Aufgabensatz zu hemmen, negativ auf die Leistung auswirkt. Daher hatte das Ausmaß, in dem die Teilnehmer Ressourcen für die Hemmung von Aufgaben einsetzten, einen größeren Einfluss auf die bevorstehende Leistung, wenn sie SMS schrieben. In Bezug auf die Cz-Stelle wurden keine signifikanten Unterschiede gefunden, was darauf hindeutet, dass der Effekt hauptsächlich in der parietalen Region der Kopfhaut lokalisiert war.

Das kognitive Engagement-Verhältnis und seine Auswirkungen auf die Leistung wurden ebenfalls zwischen den beiden Bedingungen verglichen. Was das Alpha-Verhältnis betrifft, so wurde auch für diese Analyse der von Steiger27 vorgeschlagene z-Test verwendet. Die Ergebnisse zeigten einen statistisch signifikanten Unterschied zwischen den beiden Zuständen, bei denen das Engagement für die Aufgabe, die unmittelbar vor dem Auftreten des Stimulus ausgeführt wurde (d.h. Gehen oder SMS während des Gehens), die Leistung in jeder Bedingung unterschiedlich beeinflusste (p = 0,027; 95%-Konfidenzintervall = -1,062 – -0,061). Auch hier waren die Korrelationen entgegengesetzter Vorzeichen. Unsere Ergebnisse deuten darauf hin, dass, wenn die Teilnehmer vor dem Aufgabenwechsel gingen, ein höherer Anteil des kognitiven Engagements mit einer Abnahme der Leistung zusammenhing, während ein höheres Verhältnis des kognitiven Engagements mit einer Leistungssteigerung zusammenhing, wenn die Teilnehmer vor dem Aufgabenwechsel während des Gehens SMS schrieben. Dies zeigt, dass die höheren Kosten für den Aufgabenwechsel während des Gehens nicht auf ein höheres kognitives Engagement bei dieser Aufgabe zurückzuführen sind.

Movie 1
Abbildung 1: In diesem Video ist eine Figur zu sehen, die auf die rechte Seite des Motivs zugeht. Bitte klicken Sie hier, um dieses Video anzusehen. (Klicken Sie mit der rechten Maustaste, um den Download durchzuführen.)

Figure 2
Abbildung 2: Versuchsaufbau des Raumes. Bitte klicken Sie hier, um eine größere Version dieser Abbildung zu sehen.

Figure 3
Abbildung 3: Auswirkung von SMS auf Genauigkeit und Reaktionszeit. Bitte klicken Sie hier, um eine größere Version dieser Abbildung zu sehen.

Figure 4
Abbildung 4: Korrelation zwischen Alpha bei Fz und Leistung. Bitte klicken Sie hier, um eine größere Version dieser Abbildung zu sehen.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

Eine kritische Entscheidung bei der Verwendung des Protokolls wäre die Sicherstellung der Qualität der neurophysiologischen Daten. Es gibt eine inhärente Komplikation bei der Verwendung eines Tools wie EEG während der Bewegung, da übermäßige Bewegung viel Rauschen in den Daten erzeugen kann. Es ist daher wichtig, vor der Datenerfassung zu überlegen, wie die Daten aufbereitet werden, um so viele Artefakte wie möglich zu entfernen, ohne das eigentliche Signal zu verändern. Nichtsdestotrotz ist es immer noch sehr wahrscheinlich, dass es zu höheren Datenausschlussraten kommen wird, da die Teilnehmer während des gesamten Experiments auf einem Laufband laufen. Bestimmte Daten der Teilnehmer sind aufgrund von Artefakten, die durch übermäßige Gesichts-, Kopf- und Körperbewegungen verursacht werden, sowie aufgrund des Potenzials von übermäßigem Schwitzen und Fehlfunktionen der Ausrüstung unbrauchbar. Um eine Verzerrung oder Beeinflussung der Ergebnisse zu vermeiden, sollten Datenausschlüsse vor der Verhaltensanalyse festgelegt werden. Seit der Durchführung dieser Studie hat unser Labor die Fähigkeit erworben, die Elektrodenposition zu lokalisieren, und wir hoffen, diese Technologie in zukünftigen Studien einsetzen zu können, um die Quellenaktivität besser zu analysieren. Wir empfehlen, dass zukünftige Studien die Elektrodenlokalisierungstechnologie nutzen, um die Quellenschätzung verwandter EEG-Signale zu ermöglichen.

Ein kritischer Schritt, auf den in diesem Protokoll geachtet werden muss, ist das Skript für die SMS-Konversation des Teilnehmers mit dem Forschungsassistenten. Es ist wichtig, dass die SMS-Konversationen mit vordefinierten Themen und einigen offenen Fragen geführt werden. Es ist sehr wertvoll, einem solchen Skript zu folgen. Erstens stellen wir sicher, dass alle Teilnehmer ähnliche Arten von Konversation haben, also entfernen wir die Variabilität, die in einer natürlich vorkommenden Konversation bestehen würde. Auf diese Weise stellen wir sicher, dass der Grad der Ablenkung nicht dadurch variiert, dass das Gespräch zwischen den Teilnehmern übermäßig unterschiedlich ist. Zweitens können wir sicherstellen, dass das Gespräch nicht zu starken emotionalen Reaktionen führt, indem wir die Themen mit Bedacht auswählen. Emotional aufgeladene Interaktionen können die EEG-Analyse und die Ablenkbarkeit verändern, was wiederum die Interpretation sowohl der Verhaltens- als auch der neurophysiologischen Ergebnisse erschweren würde. Alle SMS-Konversationen variieren unweigerlich bis zu einem gewissen Grad, aber ein Skript ermöglicht uns ein gewisses Maß an Kontrolle über diese Variabilität. Um die Variabilität in der Konversation weiter einzuschränken, wäre es vorzuziehen, während der gesamten Dauer des Forschungsprojekts einen bestimmten wissenschaftlichen Mitarbeiter für diese Aufgabe zu haben. Durch das Festhalten an einem Drehbuch verlieren wir jedoch auch die ökologische Gültigkeit eines solchen Gesprächs. Wenn Einzelpersonen zum Beispiel Gespräche mit ihren Freunden führen, können diese Gespräche emotional aufgeladen sein, und dies kann in der Tat die Kosten für den Aufgabenwechsel verändern. Es ist jedoch wichtig zu berücksichtigen, dass sich das Ziel der Studie aufgrund der Komplexität einer solchen Analyse auf diesen Aspekt konzentrieren müsste, um die Auswirkungen von Konversationstypen auf die Kosten für den Aufgabenwechsel zu analysieren. Daher war für unsere Zwecke die Verwendung eines Skripts angemessener.

Vorsicht ist auch geboten, wenn Sie die Datenbankdatei erstellen, in der die Antworten der Teilnehmer notiert werden. Die Formel, die wir in Excel zum Testen der Genauigkeit verwendet haben (d. h. =WENN(A1=B1,1,0)), ist formatabhängig (z. B. wird sie durch zusätzliche Leerzeichen und Großbuchstaben beeinflusst). Es wird daher empfohlen, R für rechts oder L für links zu schreiben, und zwar im gleichen Format, das in der Ausgabe verwendet wird, die aus der visuellen Präsentationssoftware für Experimente extrahiert wurde. Jeder Fehler beim Schreiben der Datei kann zu falsch negativen Ergebnissen bei der Genauigkeitsbewertung führen. Schließlich ist es für diese Art von Studie, bei der die visuelle Verarbeitung eine große Rolle spielt, wichtig, dass alle Teilnehmer ein normales oder korrigiertes Sehvermögen haben. Da wir EEG-Tools verwenden, ist es auch relevant, nach Epilepsie und neurologischen sowie psychiatrischen Diagnosen zu suchen, die sich auf die Gehirnsignale der Teilnehmer auswirken könnten. Es ist ratsam, diese Teilnehmer von der Studie auszuschließen, da Unterschiede in der Gehirnaktivität die Ergebnisse verzerren können.

Diese Methodik kann modifiziert werden, um mehrere Smartphone-Nutzungen zu testen (z. B. Lesen, soziale Medien, Spiele, Betrachten von Bildern usw.). 28. Fragebögen können auch zwischen den Versuchsbedingungen oder am Ende des Experiments hinzugefügt werden, um mehr Einblick in die Eigenschaften und Wahrnehmungen der Teilnehmer zu erhalten (siehe Mourra29). Fragebögen zwischen den Aufgaben sollten nicht zeitaufwendig sein, um die Ermüdung der Teilnehmer für die folgenden Bedingungen nicht unnötig zu erhöhen. Dieser Moment ist sehr nützlich, um verschiedene aufgabenbezogene Konstrukte zu testen, wie z.B. die Wahrnehmung der Zeit, das Interesse an der Aufgabe, die der Teilnehmer gerade erledigt hat, und die wahrgenommene Schwierigkeit. Fragebögen am Ende des Experiments können zeitaufwendiger sein, aber die Ermüdung, die Bedingungen zu finalisieren, muss berücksichtigt werden. Das Timing der Fragebögen sollte so erfolgen, dass vermieden wird, dass die Antworten der Teilnehmer durch ihre Erfahrung während der Aufgabe verzerrt werden, und um zu vermeiden, dass das Verhalten der Teilnehmer aufgrund der zuvor gestellten Fragen verzerrt wird.

Diese Methode ist insofern begrenzt, als in realen Fußgängerumgebungen viele Reize gleichzeitig präsentiert werden, so dass die kognitive Belastung, die in diesen Umgebungen erforderlich ist, wahrscheinlich viel höher ist als in dieser Studie (siehe Pourchon et al.7). Nichtsdestotrotz schien es notwendig, einen solchen Kompromiss einzugehen, um die zugrunde liegenden neurophysiologischen Mechanismen wirklich genau bestimmen zu können. Abhängig vom Zweck der jeweiligen Studie kann der visuelle Reiz modifiziert werden, um verschiedene Faktoren zu testen, die sich auf die Kosten für den Aufgabenwechsel bei der Verwendung eines Smartphones während des Gehens auswirken können. In dieser Methodik wurde die Punkt-Licht-Walker-Figur anstelle einer tatsächlichen menschlichen Figur verwendet, da diese Punkt-Licht-Walker weniger anfällig für Verzerrungen ist. Das Aussehen eines tatsächlichen menschlichen Spaziergängers könnte für bestimmte Teilnehmer angenehmer oder unangenehmer sein, und dies kann sich auf die Aufmerksamkeit auswirken, die ihm zugeschrieben wird. Durch die Verwendung einer Gruppe von Punkten, die eine menschliche Form und menschliche Bewegung darstellen, können wir diese potenzielle Fremdvariable des Geschlechts, der Kleidung, des Körperbildes des menschlichen Spaziergängers und anderer Variablen, die die Ergebnisse verzerren können, umgehen. Zum Beispiel können Teilnehmer, die den menschlichen Rollator attraktiver finden, eher dazu neigen, ihre Aufmerksamkeit auf den Rollator zu richten, als sie es sonst getan hätten.

Diese Methodik kann für verschiedene Anwendungen in zukünftigen Studien verwendet werden. Durch die Modifikation des visuellen Reizes, um beispielsweise unterschiedliche Eigenschaften zu haben, wäre es möglich zu untersuchen, wie die Eigenschaften des Objekts in einer Umgebung die Kosten für den Aufgabenwechsel beeinflussen können. Es kann auch interessant sein, diese Methode mit einem manuellen Laufband zu verwenden, bei dem die Bewegung der Füße der Teilnehmer gegen das Deck den Laufbandgurt bewegt. Auf diese Weise konnten wir feststellen, wie die Geschwindigkeit während des Experiments aufgrund von Multitasking oder aufgrund des Taskwechsels schwankt. Dies würde die ökologische Validität erhöhen und gleichzeitig eine neue Variable hinzufügen, die in der Analyse berücksichtigt werden sollte (z. B. beeinflusst das Anhalten, langsameres oder schnelleres Gehen die Leistung der Teilnehmer?). Daher gibt es sowohl in Bezug auf Reize als auch auf die Bewegung des Subjekts viele andere Möglichkeiten als die, die in dieser Methode vorgeschlagen werden (z. B. Punktlicht-Gehhilfe und automatisches Laufband), um das Texten während des Gehverhaltens zu untersuchen (Pourchon et al.7, Schabrun et al.30). Dies würde die interne oder externe Validität zukünftiger Studien erhöhen. Es muss auch beachtet werden, dass unsere Entscheidung, EEG-Daten von nur zwei Elektroden zu verwenden, mit einigen Einschränkungen verbunden ist. Zukünftige Forschung sollte versuchen, die Analyse auf Regionen von Interesse auszudehnen, die mehrere Elektroden umfassen. Es wäre auch möglich, kein Konversationsskript zu verwenden und die Konversation natürlich stattfinden zu lassen. In solchen Fällen könnte der Inhalt der Konversation mit einer Inhaltsanalyse analysiert werden, und die Auswirkungen verschiedener Arten von Gesprächen könnten auf natürliche Weise untersucht werden. Zusammenfassend lässt sich sagen, dass diese Methodik die Grundlage sein kann, auf der komplexere Studien aufbauen können, um das Wissen über die verschiedenen Faktoren zu erweitern, die sich auf unsere Fähigkeit auswirken können, beim Gehen mit einem Smartphone Multitasking zu betreiben.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Die Autoren haben nichts zu offenbaren.

Acknowledgments

Die Autoren danken für die finanzielle Unterstützung des Social Sciences and Humanities Research Council of Canada (SSHERC).

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

Verhalten Heft 158 Aufgabenschaltung Aufmerksamkeitsprozesse Neuroergonomie Unfallanalyse mobiles Endgerät EEG

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

Messung der Wechselkosten für die Smartphone-Nutzung während des Gehens
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