ERRATUM NOTICE
Important: There has been an erratum issued for this article. Read more …
Summary
この研究デザインは、歩行中にスマートフォンを使用する場合のタスク切り替えコストを測定します。参加者は、対照条件(歩行)とマルチタスク条件(歩行中のテキストメッセージ)の2つの実験条件を経験します。参加者は、これらのタスクと方向決定タスクを切り替えます。脳波データと行動測定が記録されます。
Abstract
本稿では,歩行中にスマートフォンを使用する場合のタスク切り替えコストを測定するための研究プロトコルを提示する.この方法では、対照条件(すなわち、単に歩く)とマルチタスク条件(すなわち、歩行中のテキストメッセージ)の2つの実験条件下で参加者にトレッドミル上を歩かせる。これらの条件の間、参加者は実験条件に関連するタスクと方向決定タスクを切り替える必要があります。この方向タスクは、参加者の左または右に向かって歩いているように見えるポイントライトウォーカーフィギュアで行われます。方向タスクのパフォーマンスは、参加者のタスク切り替えコストを表します。2つのパフォーマンス指標がありました:1)方向の正しい識別と2)応答時間。EEGデータは、タスク切り替え中に発生するアルファ振動および認知的関与を測定するために記録される。この方法は生態学的妥当性において制限されている:歩行者環境は多くの刺激が同時に発生し、注意を奪い合う。それでも、この方法はタスク切り替えのコストを特定するのに適しています。EEGデータにより、さまざまなタスク切り替えコストに関連する脳の根底にあるメカニズムの研究が可能になります。この設計により、刺激呈示の前に、マルチタスク時のタスク切り替えと比較して、一度に1つのタスクを実行するときのタスク切り替えの比較が可能になります。これにより、これら2つの異なるタスク切り替え条件の行動的影響と神経生理学的影響の両方を理解し、特定することができます。さらに、タスク切り替えのコストを脳活動と相関させることで、これらの行動効果の原因についてさらに学ぶことができます。このプロトコルは、さまざまなスマートフォン使用のスイッチングコストを調査するための適切な基盤です。歩行中のスマートフォン使用のタスク切り替えコストに関連するさまざまな要因を理解するために、さまざまなタスク、アンケート、およびその他の対策を追加できます。
Introduction
スマートフォンの普及率とマルチタスクの傾向の両方が高まっているため、歩行中のスマートフォンの使用が注意に与える影響を理解することが重要です。文献は、タスクの切り替えには、歩行中のスマートフォンの使用を含め、コスト1が伴うことを繰り返し示しています。研究によると、歩きながらスマートフォンを使用すると、気が散り、危険な場合があります2,3,4。これらの危険は、そのようなタスクを実行することの注意障害に関連しています3,4,5,6,7。歩行者環境の複雑な性質のために、生態学的に有効な実験的文脈でそれを研究することは問題になる可能性があります。それにもかかわらず、実際の歩行者環境でそのような研究を実施することは、多くの無関係な変数が作用する可能性があり、注意散漫のために参加者に害を及ぼすリスクがあるため、それ自体が複雑になる可能性があります。可能な限り現実的な比較的安全な環境でこのような現象を研究できることが重要です。この記事では、歩行中のテキストメッセージのタスク切り替えコストを調査しながら、タスクの有効性を高め、関連する潜在的なリスクを軽減する調査方法について説明します。
歩行中にスマートフォンを使用する場合、個人はスマートフォンのタスクから歩行および環境関連のタスクに切り替えることを余儀なくされます。したがって、このような現象を研究するためには、マルチタスクに関する文献の中でこの方法を組み立てることが適切であり、特にタスク切り替えパラダイムに焦点を当てていることがわかりました。これを行うために、タスク切り替えパラダイムが使用されました 1、参加者に刺激前のタスクと刺激後のタスクを切り替えるようにしました。2つの刺激前タスクのうちの1つはマルチタスクを含み、もう1つはそうではありませんでした。刺激後の課題では、参加者は、知覚が分割注意の影響を受ける刺激に反応しなければなりませんでした8。さらに、可能な限り生態学的に有効であろうとする実験実験室の研究では、歩行中のスマートフォン使用の注意の影響を理解するために、仮想歩行者環境を使用することがよくあります4,9。それにもかかわらず、根底にある神経生理学的メカニズムを捉えるために、参加者が反応しなければならない刺激の数を最小限に抑えるために、1つの刺激に対する特定のタスク切り替え反応に焦点を当てることを選択しました。このようにして、スマートフォンから刺激に注意を向けることから生じるタスク切り替えコストをより正確に特定できます。私たちの研究デザインでは、行動測定(つまり、タスク切り替えコスト)と神経生理学的データを使用して、歩行者のスマートフォン使用中に見られる注意障害をよりよく理解します。
タスク切り替え実験中、参加者は通常、一連の刺激に関連する少なくとも2つの単純なタスクを実行し、各タスクには「タスクセット」と呼ばれる異なる認知リソースのセットが必要です1。個人がタスク間の切り替えを余儀なくされた場合、彼らの精神的資源は適応する必要があります(すなわち、前のタスクセットの抑制と現在のタスクセットの活性化)。この「タスクセット再構成」処理が、タスク切替コスト1の原因であると考えられる。タスク切り替えコストは通常、参加者がタスクを切り替える試行と切り替えない試行間の応答時間および/またはエラー率のいずれかの違いを観察することによって決定されます10。私たちの実験では、3つのタスクセットがありました:1)ポイントライトウォーカー刺激に反応します。2)歩きながらスマートフォンでテキストメッセージを送る。3)単に歩く。1)刺激に反応する前に単に歩く、2)応答する前にテキストメッセージを送りながら歩くという2つの異なる条件の間で切り替えコストを比較した。このようにして、タスクを切り替える前にスマートフォンでマルチタスクのコストをキャプチャし、視覚刺激が現れる前に単に歩くという非マルチタスクのスイッチコストと直接比較することができました。この研究で使用されたスマートフォンは特定のブランドのものであったため、すべての参加者は実験前にスクリーニングされ、デバイスの適切な使用方法を知っていることを確認しました。
歩行者のコンテキストを代表するリアルな体験をシミュレートするために、参加者の左または右に向かって3.5°の偏差角度で歩く人間の形を表す視覚刺激としてポイントライトウォーカーフィギュアを使用することにしました。この図は、白い背景に15個の黒い点で構成されており、ドットは人間の頭、肩、腰、肘、手首、膝、足首を表しています(図1)。この刺激は生物学的運動に基づいており、これは人間および動物に典型的な運動のパターンに従うことを意味する11。さらに、この刺激は生態学的に有効以上のものです。正常に分析されるためには、複雑な視覚処理と注意が必要です12,13。興味深いことに、Thorntonら8は、点状の歩行者の方向の適切な識別は、分割注意によって大きく影響され、マルチタスク時のタスク切り替えコストを研究する際のパフォーマンス尺度として適していることを発見しました。参加者は、人物が歩いている方向を口頭で述べるように求められました。歩行者の出現の前には、常に画面上のその外観を知らせる聴覚的な合図がありました。
ポイントライトウォーカータスクと神経生理学的データのパフォーマンスにより、両方の状態の注意への影響を判断し、それらを引き起こした原因を特定するのに役立ちました。パフォーマンスは、ポイントライトウォーカーフィギュアの方向を決定する際のエラー率と応答時間を調べることによって測定されました。パフォーマンス測定で見つかった注意障害に関与する根本的な認知および注意メカニズムを理解するために、32個の電極を備えたEEG actiCAPを使用して参加者の神経生理学的データを評価しました。EEGは一時的な精度の観点から適切なツールであり、特定の瞬間(ポイントライトウォーカーフィギュアの外観など)でパフォーマンスが低下する原因を確認しようとするときに重要ですが、動きのためにアーティファクトがデータに存在する場合があります。EEGデータを分析する場合、2つの指標が特に重要です:1)アルファ振動;2)認知的関与。研究によると、アルファ振動は、ワーキングメモリ制御と、タスクに無関係な脳回路の能動的な阻害を表す可能性があります14,15,16,17。ベースラインレベルでのアルファ振動を刺激提示18,19で発生する振動と比較することにより、アルファ比を取得しました。この比率で、歩行中にテキストメッセージを送るときに観察される注意障害の根底にある可能性のあるイベント関連の変化を特定しました。認知的関与に関して、Pope et al.20は、ベータ活性が覚醒と注意の増加を表し、アルファとシータの活動が覚醒と注意の減少を反映する指標を開発しました21,22。この分析は、刺激の出現前のエンゲージメントの増加が、歩行者の姿に応答するために必要なタスクセットの再構成を複雑にするかどうかを判断するために行われました。
本稿で説明した方法論を用いて、マルチタスクエピソードに従事する参加者のタスク切り替えパフォーマンスに影響を与える根本的なメカニズムを把握しようとしています。歩行条件は、マルチタスクタスクスイッチ性能(すなわち、歩行中のテキストメッセージ)と比較される非マルチタスクタスクスイッチ性能を表す。タスクセットの抑制とタスクセットの活性化の役割を測定することにより、歩行中にテキストメッセージを送信するときに発生するスイッチコストをよりよく理解しようとしました。元の研究は没入型仮想環境で行われたが23 、後に実験室( 図2を参照)で複製され、参加者の前のスクリーンに歩行者の姿を表示するプロジェクターで再現されたことに注意することは重要です。この仮想環境は利用できなくなったため、プロトコルは現在の実験室の設計に適合しました。
Subscription Required. Please recommend JoVE to your librarian.
Protocol
データ収集を開始する前に、人間の参加者に必要なすべての倫理的研究の承認を受けることが重要です。これは、適切な審査委員会および/または人間の参加者のレビュー委員会を通じて行われるべきです。
このプロトコルは、Tech3Lab研究施設のHECモントリオールの倫理委員会によって承認および認定されました。
1.視覚刺激の準備
- E-primeなどの視覚実験プレゼンテーションソフトウェアを使用して、視覚刺激の実験テンプレートを作成します。模擬試験用に1回(6回の試行)と実験条件用に1回(22回の試行)を作成します。
- E-primeソフトウェアを開き、実験のロジックを作成できる構造ウィンドウに移動します。
- SessionProc(Eオブジェクトの出現順序を順序付けるためのタイムライン)をダブルクリックします。
- オブジェクトをツールボックスから SessionProc 行にドラッグします。
- SessionProcに挿入されたTextDisplayオブジェクトをダブルクリックし、学習手順を記述します:「聴覚の合図が聞こえたら、頭を上げて、歩行者が左または右に向かっている方向を声に出して示してください。実験はまもなく始まります。」
- TextDisplay ウィンドウの上部にある [プロパティ ページ] アイコンをクリックします。[共通] タブをクリックし、[名前] ボックスの設定を指示に変更します。[期間]ドロップダウンメニューをクリックして、[無限]を選択します。[期間/入力]タブをクリックして[追加]を選択し、[キーボード]を選択して[OK]を押します。もう一度 [OK] をクリックして、プロパティ ページを終了します。これにより、を押して実験を開始するまで、指示が画面に表示されたままになります。
- SessionProc で、List オブジェクトを SessionProc 行にドラッグ アンド ドロップします (指示の後に配置します)。List オブジェクトをダブルクリックします。[手順]列に「左トライアル」と書き、Enterキーを押して[はい]をクリックし、新しい手順の作成を求めるポップアップウィンドウを表示します。次のポップアップウィンドウでこれをデフォルト値にするように求められたら、[いいえ]をクリックします。
- SessionProc 行のリスト オブジェクトをダブルクリックします。 [属性の追加]という名前の緑色のボタンをクリックします。属性に「正しい応答」という名前を付けます。OK をクリックします。
- 列の空白をクリックします 正しい応答 Lと書きます(これは、歩行者が左に行く場合にこのリストオブジェクトを示すためです)。
- SessionProc に戻り、左トライアルという名前の作成された新しいオブジェクトをクリックします。
- セッションプロセスに移動し、左トライアルオブジェクトをダブルクリックします。
- InLine オブジェクトを左トライアル行にドラッグアンドドロップし、名前を変更します。
- 選択するITI。 InLine オブジェクトをダブルクリックし、次のコードを記述します。
整数として dim nRandom
nランダム = ランダム (16500, 17500)
c.SetAttrib "ITIDur", nRandom - このコードは、16,500ミリ秒から17,500ミリ秒の間の時間間隔で歩行者刺激を示します。
- 選択するITI。 InLine オブジェクトをダブルクリックし、次のコードを記述します。
- InLine オブジェクトを左トライアル行にドラッグアンドドロップし、名前を変更します。
- [ 左トライアル]をダブルクリックします。 Slide オブジェクトを 左トライアル 行にドラッグ アンド ドロップします。名前を変更します 待機中、このオブジェクトは、ステップ1.2.7のコードによって決定された時間、視覚刺激の間に表示される空白の画面になります。
- Slideオブジェクトをダブルクリックします。
- SlideText という名前のサブオブジェクトをクリックし、スライド内の任意の場所をクリックしてオブジェクトをそこに配置します。
- その画像から既存のテキストを削除します。
- [サブオブジェクトのプロパティ ページ] をクリックします。
- [フレーム] タブで、幅と高さの両方を 100% に設定します。OK をクリックします。
- プロパティ ページをクリックし、[期間/入力] タブに移動します。期間に [ITIDur] の値を入力します。
- 左トライアルをダブルクリックし、SoundOutオブジェクトを左トライアルラインにドラッグアンドドロップします。
- サウンドアウトオブジェクトをダブルクリックします。
- [ファイル名] で、適切なサウンド キュー ファイル ディレクトリを選択します。
- [バッファー サイズ] を 1,000 ミリ秒に変更します。
- OK をクリックします。
- 左トライアルに戻り、スライドオブジェクトを左トライアル行にドラッグアンドドロップして、名前をウォーカー左に変更します。
- この新しいオブジェクトをダブルクリックします。
- SlideMovie サブオブジェクトを追加するには、サブオブジェクトをクリックし、スライドをクリックします。
- [ サブオブジェクト プロパティ ページ] をクリックし 、[ファイル名] で左ウォーカーのビデオ ファイルのディレクトリを選択します。
- [ モード後に停止 ] を [オフセット時間] に設定します。
- [ストレッチ]をクリックして、[はい]を選択します。
- [ムービーの終了アクションを終了] を [終了] に設定します。
- [ フレーム ]タブをクリックし、幅と高さを100%に設定します。
- [位置] で、X 位置と Y 位置の両方を 50% に設定します。
- 最後に、[ 境界線の色 ] を白に設定します。
- OK をクリックします。
- Slide オブジェクトのプロパティ ページをクリックします。
- [期間/入力]タブをクリックします。
- [期間] を 4,000 に設定します。プレリリースを500に設定します。
- OK をクリックします。
- 適切なトライアルのために、この手順全体(つまり、ステップ1.2.3〜1.2.9)を繰り返します。プロシージャに「右トライアル」という名前を付けます。手順に従うときは、正しい応答(つまり、代わりにRまたはL)とビデオファイルのみを変更します。右歩行者のビデオファイルディレクトリを使用します。
- セッションプロセスをダブルクリックします。
- オブジェクトを SessionProc 行にドラッグ アンド ドロップしてスライドする
- このオブジェクトをダブルクリックし、SlideText サブオブジェクトを追加します。
- 書く 一時停止 テキストとして。
- ここでも、[ サブオブジェクト プロパティ ページ ] に移動し、[ フレーム] タブで幅と高さを 100% にします。x と y の位置を 50% にします。
- OK をクリックします。
- すでに作成されている List オブジェクトをダブルクリックします。
- List オブジェクトのプロパティ ページをクリックします。
- [選択] タブで、[順序] を [ランダム] に設定し、[OK] をクリックします。
- [ 重量 ] 列に次の数値を挿入します。
- 練習: 左トライアル行と右トライアル行の両方に番号3を入力します。
- 実験: 左トライアル行と右トライアル行の両方に番号11を入力します。
- ウィンドウの上部にある [生成 ] アイコンをクリックして、実行可能なスクリプト ファイルを作成します。簡単にアクセスできるようにデスクトップに保存します。これは、実験中に実行されるファイルです。
- 模擬トライアルを「練習」として保存し、実験トライアルを「実験」として保存します。
- [実行] アイコンをクリックして作成したスクリプトをテストします。
- E-studioフォルダに、E-runファイルが作成されます。作成された両方のファイル(1つは模擬試験用、もう1つは実験用)は、コンピューターのデスクトップ上のフォルダーに配置できます。ビジュアル実験を実行するには、適切なアイコンをクリックするだけです。
- 視覚刺激の実験テンプレートが作成されたら、プロジェクターでそれらを表示しようとします。
- プロジェクターの設定で、歩行者のフィギュアの高さを変更し、参加者がトレッドミルに立っている場所の真正面の中央に配置されていることを確認します。
- 巻尺を使用して、プロジェクタースクリーンで歩行器の高さを直接測定します。刺激が視角の25°をカバーするために、画面とトレッドミルの上に立っている人の目の間の距離を計算し、それに応じてトレッドミルを動かします。必要な距離を計算するには、次のWebサイトを使用できます。 http://elvers.us/perception/visualAngle/
2. ラボ環境のセットアップ
- 4台の記録コンピューター、EEGアンプ、プロジェクター、トレッドミル、スピーカー、スマートフォンの電源を入れます。
- 録音機器をセットアップします。
- 10秒のマーカーを使用してスタディ用に作成された特定のサブルーチンで同期ソフトウェアを開きます。
- 同期ソフトウェアは、マーカーの形で現れるパルスと、EEGおよびビデオ録画に10秒ごとに光パルスを送信します。
- ビデオ録画ソフトウェアの電源を入れます。カメラの電源も自動的にオンになります。そうでない場合は、手動でオンにします。
- 参加者のEEG記録ソフトウェアを開いて設定します。
- 視覚実験発表ソフトで作成した視覚刺激実行スクリプトファイルが入っているフォルダを開きます。
- メーカーが提案する手順に従って、EEGのセットアップと材料を準備します。
- スマートフォンから前の参加者の会話を削除します。
- 参加者の休憩椅子の横に新しいボトル入り飲料水を置きます。
- 10秒のマーカーを使用してスタディ用に作成された特定のサブルーチンで同期ソフトウェアを開きます。
3. 参加者の準備
- 参加者を部屋1に歓迎し、研究期間と報酬について簡単に伝えます。
- 参加者に、ジュエリー(イヤリング、ピアス、ネックレスなど)、メガネ、スマートフォン、ポケットの中身を取り出し、ゴミ箱に入れてロッカーに入れるように依頼します。
- 実験を開始する前に、参加者に食べている可能性のあるチューインガムを取り除き、食べたことを確認するように依頼します。
- 実験中の参加者の安全を確保するために、参加者が快適なウォーキングシューズを着用していることを確認し、靴ひもを二重に結びます。
- 参加者に同意書を読んで署名してもらいます。
- 次のスクリプトを読み、参加者を座らせて、同意書を読んで署名できるようにします。
「これは、この研究への参加に同意することを示す同意書です。注意深く読んで署名してください。ご不明な点がございましたら、お気軽にお問い合わせください。」
- 次のスクリプトを読み、参加者を座らせて、同意書を読んで署名できるようにします。
- 参加者を、EEGキャップが設置される指定された参加者準備室、部屋3に連れて行きます。
- 実験プロセスの流れを説明する準備されたスクリプトを読んでください。
「時々、私がテキストを読むことに気付くかもしれません。これは、すべての参加者が同じ指示を確実に受け取るようにするために行われます。本研究では、人々がテキストメッセージを送信したり、適度な速度で歩いたりしながら、目の前の刺激とどのように相互作用するかに興味を持っています。約40分間、このスマートフォンで以前に会った[研究助手の名前]をテキストで送信します[スマートフォンを表示します]。あなたがテキストメッセージを送っている間、あなたは時々音を聞くでしょう。この音の後には、歩くキャラクターの画像が続きます。あなたの仕事は、ここの画面に頭を上げて[画面をポイントして]、キャラクターがあなたの右に向かって歩いているのか左に向かって歩いているのかを声に出して示すことです。他に何もするように求められることはありません。私はあなたの答えを書き留めます。すべてのブロックで、回答には2つの選択肢(右と左)があるため、たとえば、1つの選択肢として左または右のみが存在することは不可能であることに注意してください。キャラクターの方向は完全にランダムです。あなたの答えを口述した後、あなたは単にテキストを続けます[研究助手のname]。あなたが答えるとき、またはあなたが不安定になって転倒する可能性があるので、あなたが私と話したいとき、振り向かないことが重要です。頭を前に向けてください。私は実験期間中、この鏡の後ろにいます[ガラスを指さしてください]。何か質問はありますか?」 - EEG電極キャップの参加者の頭囲を測定します。この実験では、32個のプリアンプ電極を備えたEEGアクティキャップを使用しました。
- 適切なサイズのEEGキャップを選択し、サポートのためにフォームヘッドに置き、すべての電極を適切な場所に配置します。
- 参加者の頭囲を再測定し、10-20参照システムを使用してキャップの開始点を決定します。
- キャップを参加者の頭に正面から置き、後ろに引っ張りながら所定の位置に保持します。キャップが正しく配置されていることを確認してください。
- EEGキャップのケーブルをEEGコントロールボックスに接続します。
- ゲルアプリケーターを参加者に見せて、鋭利ではないことを確認し、必要に応じて触れられるようにします。次のスクリプトを読みます。
「これがアプリケーターと、頭にあるEEGキャップにゲルを装着するために使用するチップです。あなたはそれに触れることができます。痛くない。先端は頭に触れないほど短いです。」 - すべての電極ライトが赤に変わるように、EEG電極ボックスをオンにします。
- 最初に髪を邪魔にならないように動かし、次に各電極にゲルを塗布することによって電極を活性化します:接地電極から始めて、次に参照電極から始めます。これらの2つの電極が緑色に変わったら、残りの電極を追加します。
- すべての電極センサーが緑色に変わるまでゲルを置きます。
- コントロールボックスのインピーダンスを測定します。
- コントロールボックスからケーブルを外し、ムーブアダプター(つまり、データをコントロールボックスにワイヤレスで送信するアダプターキット)に接続します。
- アダプターキットをファニーパックに入れ、ケーブルとアダプターキットを参加者の背中に向けて、腰に取り付けてもらいます。
- コンピュータ室(第4室)に戻り、各電極のインピーダンスを確認します。
- EEGソフトウェアのモニター画面で信号を視覚的に検査することにより、データ品質が満足のいくものであることを確認します。必要に応じて、問題のある電極を修正します。
- 参加者を実験室(つまり、部屋2)に連れて行きます。
- 参加者にトレッドミルの上に立ち、トレッドミルの安全キーを参加者に取り付けてもらいます。
- トレッドミルを時速0.8マイルの速度までオンにし、参加者に2分間歩かせて、速度に慣れてもらいます。この2分間の間に、参加者に指示について思い出させます。
「約40分間、スマートフォンで[研究助手の名前]にテキストを送信します。あなたがテキストメッセージを送っている間、あなたは時々音を聞くでしょう。この音の後には、歩くキャラクターの画像が続きます。あなたの仕事は、その時に頭を画面に上げて、あなたの意見では、キャラクターがあなたの右に向かって歩いているのか左に向かって歩いているのかを声に出して示すことです。他に何もするように求められることはありません。私はあなたの答えを書き留めます。あなたの答えを述べた後、あなたは単に[研究助手の名前]をテキストで送り続けます。常に答えを出すことが重要です。よくわからない場合は、最善の推測を教えてください。答えを出すときや、不安定になって転倒する可能性があるため、私と話したい場合は、振り向かないでください。頭を前に向けてください。実験には4つの部分があり、2つは歩きながら[研究助手の名前]と2つはただ歩いているところです。各パートは約12分続き、各パートの間に2分の休憩があります。何か質問はありますか?」
4. 模擬試験
- 参加者にスマートフォンを渡します。
- 模擬試験を行うことを参加者に伝えます。
- 模擬試験用の刺激の実行可能スクリプトファイルをクリックします。参加者番号を入力し、トライアルを開始します。
- 研究助手とのテキストメッセージの会話に参加しながら、参加者に視覚刺激に反応する練習をしてもらいます。この練習セッションは3分間続きます。
- セッションが開始されたら、研究用に作成されたテキストメッセージ会話スクリプトに従います。
- 各刺激の出現に対する参加者の答えをスプレッドシートテンプレートに書き留めます。
- 3分後、参加者に椅子に座って水を飲ませます。この間、トレッドミルの速度を時速0.4マイルに調整します。
- 参加者に学習指示を思い出させます。
5. データ収集
- セットアップ
- ワークフローシートに移動して、現在の参加者の条件順序を選択します。2つの注文が可能です:注文Aでは、試行1と3はテキストメッセージ条件を使用し、試行2と4は対照条件を使用します。順序Bでは、試行1と3は対照条件を使用し、試行2と4はテキストメッセージ条件を使用します。各試行中に視覚刺激が22回現れる。
- すべての録音ソフトウェアを同期して起動する準備ができていることを確認してください。
- すべての録音ソフトウェア(EEG、ビデオなど)をオンにします
- 参加者にトレッドミルに戻ってもらい、ゆっくりと速度を時速0.8マイルに戻します。
- 視覚刺激プログラムをオンにして、実行を開始します。
- 実験条件に応じて試験の指示をお読みください。
- 実験試行用の刺激の実行可能スクリプトファイルを実行します。参加者番号と、特定の条件に対して選択したコードを入力します。トライアルを開始します。
- 制御条件
- このタスク中は、スマートフォンが参加者の視野外にあることを確認してください。
- 参加者に、トレッドミルの上を歩き、視覚刺激が現れるたびに「左」または「右」と答えて反応するように指示します。
「このタスクでは、トレッドミルの上を歩くだけです。時々音が聞こえます。この音の後には、歩くキャラクターの画像が続きます。あなたの仕事は、頭を画面に上げて、キャラクターが右に動いているのか左に動いているのかを声に出して示すことです。他に何もするように求められることはありません。私はあなたの答えを自分で書き留めます。あなたの答えを口述した後、あなたはただ歩き続けます。常に答えを出すことが重要です。よくわからない場合は、最善の推測を教えてください。答えを出すときや、不安定になって転倒する可能性があるため、私と話したい場合は、振り向かないでください。頭を前に向けてください。私があなたに合図をするときから始めてください。何か質問はありますか?」 - 試験が開始されようとしていることを参加者に合図し、視覚刺激試験を開始します。
- 視覚刺激に答えるたびに参加者の反応を書き留めます。参加者が応答しない場合は、フィールドを空白のままにします。
- 試験が終わったら、参加者に座って水を飲んでもらいます。
- これらの休憩中は、すべての録音ソフトウェアを実行し続け、時速0.4マイルの速度でトレッドミルをオンのままにします。
- 休憩後、参加者をトレッドミルに戻し、歩きながら徐々に速度を時速0.8マイルに戻します。
- テキストメッセージの条件
- 参加者がトレッドミルの上を歩いている間に、スマートフォンを渡します。
- トレッドミルの上を歩きながら自然にテキストを送信するように参加者に指示し(たとえば、片手または両手を使用して)、視覚刺激が表示されるたびに「左」または「右」と答えて応答します。
「このタスクでは、スマートフォンで[研究助手の名前]にテキストを送信します。スマートフォンで、メッセージアプリケーションを開きます。次に、「こんにちは」という会話を選択します。テキストメッセージの会話に積極的に参加する必要があります。あなたがテキストメッセージを送っている間、あなたは時々音を聞くでしょう。この音の後には、歩くキャラクターの画像が続きます。あなたの仕事は、ここで画面に頭を上げて、あなたの意見では、キャラクターがあなたの右または左に移動しているかどうかを示すことです。他に何もするように求められることはありません。私はあなたの答えを自分で書き留めます。あなたの答えを口述した後、あなたは単にテキストメッセージを続けます。常に答えを出すことが重要です。よくわからない場合は、最善の推測を教えてください。答えを出すときや、不安定になって転倒する可能性があるため、私と話したい場合は、振り向かないでください。頭を前に向けてください。私があなたに合図をするときから始めてください。何か質問はありますか?」 - 試験が開始されようとしていることを参加者に合図し、視覚刺激試験を開始します。
- トレッドミルの上を歩きながらテキストメッセージの会話をするように参加者に指示します。視覚刺激が現れるたびに、「左」または「右」と答えて反応するように指示します。
- 研究助手に会話スクリプトに従ってもらい、状態全体を通して会話を続けてもらいます。
- 視覚刺激に答えるたびに参加者の反応を書き留めます。参加者が応答しない場合は、フィールドを空白のままにします。
- トライアルの最後に、参加者からスマートフォンを取り上げ、参加者に座って水を飲んでもらいます。
- これらの休憩中は、すべての録音ソフトウェアを実行し続け、時速0.4マイルの速度でトレッドミルをオンのままにします。
- 休憩後、参加者をトレッドミルに戻し、歩きながら徐々に速度を時速0.8マイルに戻します。
6. データ収集の終了
- 実験操作の最後に、参加者にトレッドミルの電源を切ってもらいます。参加者に座って水を飲んでもらいます。
- EEGキャップを外し、参加者をシャワーに連れて行き、必要に応じて髪を洗うことができます。
- 参加者に報酬を与え、参加に感謝します。参加者が同意書のコピーを持って出発し、すべての私物を取得することを確認します。
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
この研究プロトコルは当初、54人の参加者で実施され、それぞれが88の方向試験に応答しました。これらの試験の半分は、参加者が刺激呈示の前に単に歩いていたときに発生しました。残りの半分は、参加者が刺激の提示の前に歩きながらテキストメッセージを送っていたときに発生しました。
行動結果
ポイントライトウォーカーの方向でのパフォーマンスはタスク切り替えコストを表し、パフォーマンスが低いほどタスク切り替えコストが高くなります。参加者の応答は、2つの応答変数で分析されました:1)正しい識別。2)応答時間。2つの実験条件は、2つのグループを表しています:1)歩きながらテキストメッセージを送る。2)刺激に反応する前に単に歩く。応答時間は実験の最後に計算した。実験のビデオ録画はオーディオファイルに変換され、音の波長のピークをマークするサウンドソフトウェアで分析されました。合図の音と参加者の口頭での反応の音がマークされると、2つの間の時間が決定されました。正しい応答時間は、実験プレゼンテーションソフトウェアから88回の試行に対する参加者の正しい方向をエクスポートし、参加者の回答を含むデータベースファイルに追加することによって分析されました。使用したプログラム(Excel)では、精度をテストする式(= IF(A1 = B1,1,0))を使用して、最初のデータ列に含まれる情報(つまり、参加者の応答)が2番目の列と同じかどうかを判断しました。
各参加者は刺激の向きを繰り返し決定する必要があったため、t検定を使用して条件間のパフォーマンス平均の差を分析することはできませんでした。代わりに、試験間の被験者内相関を説明するために、一般化線形回帰モデルが使用されました。この分析は、SAS 9.4ソフトウェアでProc Glimmixを使用して実行されました。グループ変数は応答変数の説明変数であり、被験者ごとにランダムなガウス切片が追加されました。応答変数の精度(正解または不正応答)は2値であったため、この回帰モデルにはロジットリンク関数が適していました。
参加者は、刺激の出現前にテキストメッセージを送っていなかったときに、ポイントライトウォーカー刺激の正しい方向を特定する可能性が高いことがわかりました(オッズ比= 0.77; T = −3.12; p = 0.001;95%信頼区間(.657;。反応時間に有意差は認められなかった(β = −0.005; T = −.26; p = 0.799;95%信頼区間(-.047;.036))( 図3を参照)。
精度と応答時間を組み合わせるために、逆効率スコア(IES)24 が使用されました。方向試行が正確である確率は、応答時間を制御変数とするロジスティック回帰を使用してモデル化した。ここでも、試験間の潜在的な被験者内相関を説明するために、被験者ごとに個別のランダム切片を追加しました。この混合効果回帰の結果は、刺激の出現前に単に歩いた場合と比較して、参加者が歩きながらテキストメッセージを送った条件では、刺激に正確に反応する推定確率が18.9%小さい実験条件の有意な効果を示しました(オッズ比= 0.811; T = −2.46; p = 0.014;95%信頼区間0.686–0.959; 図3を参照)。これは、応答時間に関係なく、参加者が歩きながらテキストメッセージを送ると、刺激の方向の精度が一貫して低いことを示しました。
神経生理学的データ
EEG記録は、アルファ振動と認知的関与を観察することにより、タスク切り替えに関与する神経生理学的活動を決定するために使用されました。移動中にEEGを使用すると、より多くのアーティファクトにつながりました。データの品質を確保するために、いくつかの手順が取られました。まず、歩行中の記録を可能にするために、ノイズ減算回路を備えた新しいアクティブ電極技術(すなわち、プリアンプ電極)が使用されました。次に、EEGデータを20HzのローパスIIRフィルタでオフラインでフィルタリングしてアルファ波を分離し、1HzのハイパスIIRフィルタを使用してノイズを低減しました。第三に、脳波データ25のまばたきや眼球サッカードによって引き起こされるアーティファクトを減衰させるために、独立成分分析(ICA)が適用されました。第4に、自動アーティファクト除去を使用して、隣接する2つのサンプリングポイント間の電圧差が50μVを超え、75ms間隔で50μVを超える差があるエポックを除外しました。
データ解析はビジョンアナライザ2で実施しました。Luck26に基づいて、データは共通平均参照に再参照されました。さらに、データをセグメント化して、歩行者刺激の提示後の2秒と2秒のベースラインを分離しました。各刺激提示について、参加者が歩行中に単独で歩いたときまたはテキストメッセージを送ったときに発生する活動を表すベースラインが決定された。このベースラインは、各刺激の出現の聴覚的合図の12秒前に発生する2秒の時点で取得されました。両方のセグメントを1秒エポックの高速フーリエ変換で別々に解析し、周波数領域の電力値を取得しました。全てのエポックは、実験条件によって別々に平均した。
この分析の目的は、タスクセットの抑制とタスクセットのアクティブ化の2つのサブステップが、行動スイッチのコスト(つまり、パフォーマンス測定)に異なる影響を与えるかどうかを判断することでした。これを行うために、EEGデータは2つの指標に基づいて分析されました:1)アルファ振動;2)認知的関与。すべての計算は、データに含まれるノイズとアーティファクトが少ないため、CzサイトとPzサイトを使用して行われました。刺激呈示によるアルファ振動の変化を、ベースラインアルファパワーと刺激呈示で生じるアルファパワーと比較することによってアルファ比で分析された18、19。Popeら20によって開発された認知エンゲージメント指数を使用して、ベータ(14〜20 Hz)の合計電力をアルファ(8〜12 Hz)およびシータ(4〜8 Hz)成分の総電力で割った比率を作成しました。合計電力を計算するために、使用された累乗の合計はCzとPzの位置でした。
アルファ比とその性能への影響を2つの条件の間で比較した。アルファ比は、タスク抑制のプロセスを反映しています。アルファ比は参加者ごとに測定されたため、その条件における集計されたパフォーマンス(すなわち、その条件の44件の試験の正解率)と比較する必要があった。両方の条件の相関係数を比較するために、Steiger27 によって提案されたz検定は、同じ個人から測定された相関係数を比較する手段として使用されました。Pzサイトでは、パフォーマンスとアルファ比の相関が2つの条件間で統計的に異なることがわかりました(p = 0.032;95%信頼区間= 0.054–1.220)( 図4を参照)。各条件の相関は相反する符号であったため、阻害プロセスは2つの条件でパフォーマンスに異なる影響を与え、アルファ比が高いほど歩行状態のパフォーマンスが向上し、テキストメッセージ条件ではアルファ比が高いほどパフォーマンスが妨げられることが示されました。これらの結果は、歩行中にテキストメッセージを送信する場合、前のタスクセットを阻害するために必要なリソースの量がパフォーマンスに悪影響を及ぼしたことを示しています。したがって、参加者がタスクセットの抑制にリソースをどの程度関与させたかは、テキストメッセージを送ったときの今後のパフォーマンスに大きな影響を与えました。Cz部位に関しては有意差は認められず、その効果は主に頭皮の頭頂部にあることが示唆された。
認知的関与率とそのパフォーマンスへの影響も2つの条件の間で比較されました。アルファ比に関しては、Steiger27 によって提案されたz検定もこの分析に使用されました。結果は、刺激の出現直前に行われたタスクへの関与(すなわち、歩行または歩行中のテキストメッセージ)が各条件で異なるパフォーマンスに影響を与えたという2つの条件の間に統計的に有意な差を示しました(p = 0.027;95%信頼区間= -1.062 – -0.061)。ここでも相関関係は反対の兆候でした。その結果、参加者がタスク切り替え前に歩いていた場合、認知的関与の比率が高いほどパフォーマンスの低下と関連していたのに対し、タスク切り替え前に歩きながらテキストメッセージを送っていた参加者では、認知的関与の比率が高いほどパフォーマンスの向上に関連していることが示唆されました。これは、歩行中のテキストメッセージのタスク切り替えコストが高いのは、そのタスクへの認知的関与が高いためではないことを示しています。
図1:このビデオでは、被写体の右側に向かって歩いている人物が見えます。このビデオを見るには、ここをクリックしてください。(右クリックしてダウンロードしてください。
図2:部屋の実験的なセットアップ。この図の拡大版を表示するには、ここをクリックしてください。
図3:精度と応答時間に対するテキストメッセージの影響。この図の拡大版を表示するには、ここをクリックしてください。
図4:Fzでのアルファとパフォーマンスの相関関係。この図の拡大版を表示するには、ここをクリックしてください。
Subscription Required. Please recommend JoVE to your librarian.
Discussion
プロトコルを使用する際の重要な選択は、神経生理学的データの品質を保証することです。過度の動きはデータに多くのノイズを生成する可能性があるため、移動中にEEGのようなツールを使用することには固有の複雑さがあります。したがって、データ収集の前に、実際の信号を変更せずにできるだけ多くのアーティファクトを削除するためにデータをどのように準備するかを検討することが重要です。それにもかかわらず、参加者は実験中ずっとトレッドミルの上を歩くため、データ除外率が高くなる可能性が非常に高いです。特定の参加者のデータは、過度の顔、頭、体の動きによって引き起こされるアーティファクト、および過度の発汗や機器の誤動作の可能性のために使用できなくなります。結果の偏りや影響を避けるために、行動分析の前にデータの除外を決定する必要があります。本研究をきっかけに、当研究室では電極位置を局在化する能力を獲得しており、今後の研究でこの技術を用いて線源活性の解析を進めていきたいと考えています。今後の研究では、関連する脳波信号のソース推定を可能にするために、電極局在化技術を活用することをお勧めします。
このプロトコルで注意を払うべき重要なステップは、参加者と研究助手とのテキストメッセージの会話のスクリプトです。テキストメッセージの会話は、事前定義されたトピックといくつかの自由形式の質問でガイドされることが重要です。そのようなスクリプトに従うことには多くの価値があります。まず、すべての参加者が同様のタイプの会話をするようにすることで、自然に発生する会話に存在する変動性を排除します。このようにして、参加者間で会話が過度に異なるために気晴らしのレベルが変化しないようにします。第二に、トピックを賢く選択することで、会話が強い感情的な反応につながらないようにすることができます。感情的にチャージされた相互作用は、EEG分析と注意散漫のレベルを変える可能性があり、それは行動と神経生理学的結果の両方の解釈を複雑にします。すべてのテキストメッセージの会話は必然的にある程度異なりますが、スクリプトを使用すると、この変動性をある程度制御できます。会話のばらつきをさらに制限するには、研究プロジェクトの期間中、このタスクを担当する特定の研究助手が1人いることが望ましいでしょう。それにもかかわらず、スクリプトに従うことによって、そのような会話の生態学的妥当性も失われます。たとえば、個人が友人と会話するとき、これらの会話は感情的に充電される可能性があり、これは実際にタスク切り替えのコストを変更する可能性があります。しかし、会話タイプがタスク切り替えコストに与える影響を分析するには、そのような分析が複雑であるため、研究の目標はその側面に焦点を当てる必要があることを考慮することが重要です。したがって、私たちの目的のためには、スクリプトの使用がより適切でした。
また、参加者の回答が記録されるデータベースファイルを作成する場合にも注意が必要です。精度をテストするためにExcelで使用した数式(つまり、= IF(A1 = B1,1,0))は形式に依存します(たとえば、余分な空白や大文字の影響を受けます)。そのため、右はR、左はLと、視覚実験発表ソフトから抽出した出力と同じ形式で書くことをお勧めします。ファイルの書き込みにエラーがあると、精度評価に偽陰性が発生する可能性があります。最後に、視覚処理が大きな役割を果たすこの種の研究では、すべての参加者が正常または正常への矯正視力を持っていることが重要です。私たちはEEGツールを使用しているため、参加者の脳信号に影響を与える可能性のあるてんかんや神経学的診断、および精神医学的診断のスクリーニングにも関連しています。脳活動の違いが結果に偏りを与える可能性があるため、これらの参加者を研究から除外するのが賢明です。
この方法論は、複数のスマートフォンの使用(読書、ソーシャルメディア、ゲーム、画像の表示など)をテストするように変更できます。28.実験条件の間、または実験の最後にアンケートを追加して、参加者の特性と認識についてより多くの洞察を得ることもできます(Mourra29を参照)。タスク間のアンケートは、以下の条件で参加者の疲労を不必要に増加させないように、時間がかかるべきではありません。この瞬間は、時間の認識、参加者が完了したばかりのタスクへの関心、認識された難易度など、さまざまなタスク関連の構造をテストするのに非常に役立ちます。実験終了時のアンケートは時間がかかる場合がありますが、条件を確定する際の疲労を考慮する必要があります。アンケートのタイミングは、参加者の回答がタスク中の経験によって偏らないように、また、以前に尋ねられた質問のために参加者の行動が偏らないように行う必要があります。
この方法は、実際の歩行者環境では多くの刺激が同時に提示されるため、これらの環境で必要とされる認知負荷はおそらくこの研究よりもはるかに高いという点で制限されています(Pourchon et al.7を参照)。それにもかかわらず、根底にある神経生理学的メカニズムを真に特定できるようにするには、そのようなトレードオフを行う必要があるように思われました。特定の研究の目的に応じて、視覚刺激を変更して、歩行中にスマートフォンを使用するタスク切り替えコストに影響を与える可能性のあるさまざまな要因をテストすることができます。この方法論では、このポイントライトウォーカーは偏りが生じにくいため、実際の人間の人物の代わりにポイントライトウォーカーフィギュアが使用されました。実際の人間の歩行者の外観は、特定の参加者にとってより喜ばしいまたは不快である可能性があり、これはそれに起因する注意に影響を与える可能性があります。人間の形と人間の動きを表すドットのグループを使用することにより、結果を歪める可能性のある他の変数の中でも、人間の歩行者の性別、衣服、身体イメージのこの潜在的な無関係な変数を回避できます。たとえば、人間の歩行器がより魅力的であると感じる参加者は、そうでない場合よりも歩行器に注意を向ける傾向がある可能性があります。
この方法論は、将来の研究でさまざまなアプリケーションに使用できます。例えば、視覚刺激を異なる特性を持つように変更することにより、環境内の物体の特性がタスク切り替えコストにどのように影響するかを研究することができるでしょう。デッキに対する参加者の足の動きがトレッドミルベルトを動かす手動トレッドミルでこの方法を使用することも興味深いかもしれません。このようにして、マルチタスクやタスクの切り替えによって実験中に速度がどのように変動するかを判断することができました。これにより、分析で考慮する新しい変数が追加されながら、生態学的妥当性が高まります(たとえば、停止または歩行が遅くなるか速くなるかは、参加者のパフォーマンスに影響しますか?したがって、刺激と被験者の動きの両方の観点から、歩行行動中のテキストメッセージを調査するために、この方法(すなわち、ポイントライトウォーカーと自動トレッドミル)で提案されているもの以外にも多くの可能性があります(Pourchon et al.7、Schabrun et al.30)。これにより、将来の研究の内部または外部の妥当性が高まります。また、2つの電極のみからのEEGデータを使用するという決定には、いくつかの制限があることに注意する必要があります。今後の研究では、複数の電極を含む関心領域に分析を拡張するように努める必要があります。会話スクリプトを使わず、自然に会話をさせることも可能です。このような場合、会話の内容をコンテンツ分析で分析し、さまざまな種類の会話の影響を自然な方法で調査できます。要するに、この方法論は、歩行中にスマートフォンでマルチタスクを実行する能力に影響を与える可能性のあるさまざまな要因の知識を深めるために、より複雑な研究を構築するための基盤となる可能性があります。
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
著者は開示するものは何もありません。
Acknowledgments
著者らは、カナダ社会科学人文科学研究評議会(SSHERC)の財政的支援を認めています。
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 |
References
- Monsell, S.
Task switching. Trends in Cognitive Sciences. 7 (3), 134-140 (2003). - Haga, S., et al. Effects of using a Smart Phone on Pedestrians' Attention and Walking. Procedia Manufacturing. 3, 2574-2580 (2015).
- 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).
- 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).
- Nasar, J., Hecht, P., Wener, R. Mobile telephones, distracted attention, and pedestrian safety. Accident Analysis, Prevention. 40 (1), 69-75 (2008).
- 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).
- 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).
- Thornton, I. M., Rensink, R. A., Shiffrar, M. Active versus Passive Processing of Biological Motion. Perception. 31 (7), 837-853 (2002).
- 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).
- Wylie, G., Allport, A. Task switching and the measurement of "switch costs". Psychological Research. 63 (3-4), 212-233 (2000).
- Johansson, G. Visual perception of biological motion and a model for its analysis. Perception, Psychophysics. 14 (2), 201-211 (1973).
- Cavanagh, P., Labianca, A. T., Thornton, I. M.
Attention-based visual routines: Sprites. Cognition. 80 (1-2), 47-60 (2001). - Troje, N. F. Retrieving Information from Human Movement Patterns. Understanding Events. , 308-334 (2008).
- 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).
- 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).
- 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).
- Herrmann, C. S., Senkowski, D., Röttger, S. Phase-Locking and Amplitude Modulations of EEG Alpha. Experimental Psychology. 51 (4), 311-318 (2004).
- Pfurtscheller, G., Aranibar, A. Event-related cortical desynchronization detected by power measurements of scalp EEG. Electroencephalography and Clinical Neurophysiology. 42 (6), 817-826 (1977).
- 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).
- 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).
- 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).
- Charland, P., et al. Assessing the Multiple Dimensions of Engagement to Characterize Learning: A Neurophysiological Perspective. Journal of Visualized Experiments. (101), e52627 (2015).
- Courtemanche, F., et al. Texting while walking: An expensive switch cost. Accident Analysis, Prevention. 127, 1-8 (2019).
- Townsend, J. T., Ashby, F. G. The stochastic modeling of elementary psychological processes. , Cambridge University Press. Cambridge. (1983).
- 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).
- Luck, S. J. An Introduction to the Event-related Potential Technique (Cognitive Neuroscience). , MIT Press. Cambridge, MA. (2005).
- Steiger, J. H. Tests for comparing elements of a correlation matrix. Psychological Bulletin. 87 (2), 245-251 (1980).
- 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).
- 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).
- 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
行動 問題158 タスクの切り替え 注意プロセス 神経人間工学 事故分析 モバイルデバイス 脳波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