Summary

Mesurer le comportement de commutation de la lumière à l'aide d'un enregistreur de données d'occupation et de lumière

Published: January 16, 2020
doi:

Summary

Cet article décrit une procédure d’utilisation et de déploiement d’un enregistreur de données d’occupation et de lumière qui permet de recueillir des données sur le comportement de commutation de lumière des participants dans les paramètres de terrain.

Abstract

En raison des écarts entre les comportements pro-environnementaux autodéclarés et observés, les chercheurs suggèrent l’utilisation de mesures plus directes du comportement. Bien que l’observation comportementale directe puisse augmenter la validité externe et la généralisation d’une étude, elle peut prendre du temps et faire l’objet d’un biais d’expérimentation ou d’observateur. Pour résoudre ces problèmes, l’utilisation d’enregistreurs de données comme alternative à l’observation naturelle peut permettre aux chercheurs de mener de vastes études sans interrompre les comportements naturels des participants. Cet article décrit l’un de ces outils, l’enregistreur de données d’occupation et de lumière, avec sa description technique, son protocole de déploiement et ses informations sur ses applications possibles dans le domaine des expériences psychologiques. Les résultats de l’essai de la fiabilité de l’enregistreur par rapport à l’observation humaine sont fournis en même temps qu’un exemple des données recueillies au cours d’une mesure de 15 jours dans les toilettes publiques (N – 1 148) qui comprend : 1) les changements d’occupation des chambres; 2) changements de lumière d’intérieur ; et 3) le temps d’occupation des chambres.

Introduction

L’une des mesures les plus couramment utilisées du comportement pro-environnemental en psychologie sont les auto-déclarations sous forme d’enquêtes, d’entrevues ou de questionnaires1. Parmi les raisons indiquées pour cette tendance, il y a simplement la difficulté de mener des expériences sur le terrain, qui nécessitent généralement une bonne quantité de ressources et une opérationnalisation précise2,3. Cependant, le compromis en vaut la peine puisqu’il est bien établi que le fait de s’appuyer sur des mesures d’autodéclaration peut être trompeur dans la prédiction du comportement objectif4,5,6.

Tout en essayant d’éviter ce problème, les chercheurs qui se concentrent sur l’étude du comportement d’économie d’énergie utilisent généralement des données d’observation (catégorisation nominale des événements observés, par exemple, allumer/éteindre les lumières) ou résiduelles (preuves quantifiables d’un comportement passé, par exemple, la consommation d’énergie en kWh) comme mesures des variables dépendantes7. Bien que les deux types de mesures soient précieux, les données d’observation sont le plus couramment utilisées dans les expériences sur le terrain2,3,8, en particulier lorsque leurs variables dépendantes concernent le comportement de commutation de la lumière.

Avant d’obtenir des données d’observation, les chercheurs devraient tenir compte de plusieurs questions méthodologiques, qui sont : 1) la représentativité de l’échantillon; 2) le nombre d’observateurs afin d’exclure d’éventuelles erreurs humaines; 3) accord inter-observateurs afin d’exclure les biais des expérimentaux; 4) l’emplacement des observateurs, qui doit être dissimulé afin de réduire la possibilité d’être repéré par les participants; 5) codage d’observation clairement et spécifiquement défini; 6) prétest des mesures d’observation; 7) la formation des observateurs; et 8) l’établissement d’un calendrier systématique de l’observation9. Même si la plupart des questions mentionnées ont déjà été abordées — par exemple celles qui concernent l’analyse de fiabilité10 ou le codage des données d’observation11— il semble que toutes ne reçoivent pas beaucoup d’attention dans les articles qui décrivent des expériences sur le comportement de commutation de la lumière.

Une analyse de quatre études12,13,14qui ont été choisies pour leur similitude dans le contexte expérimental (toutes concernaient le comportement de commutation de lumière dans les salles de bains publiques/toilettes) a montré que même si les détails de l’emplacement dans chacune des études étaient précis, les détails de mesure d’observation variaient. Étant donné que chaque étude utilisait l’observation naturaliste, la collecte d’informations sur le comportement des participants qui étaient le sexe opposé des observateurs n’était pas toujours possible14 en raison d’interférences possibles ou de violation des normes sociales (par exemple, si un expérimentateur masculin devait entrer dans les toilettes d’une femme ou vice versa). Dans certains cas, les données précises sur le sexe des participants n’ont pas été fournies15. Cela semble être une limitation lorsque l’on tient compte du fait que le genre peut être un facteur important dans la prévision du comportement pro-environnemental16.

Les plus grandes différences, cependant, sont apparues dans la description des observateurs et les temps de mesure. Même si ces descriptions seront naturellement différentes en fonction de l’emplacement expérimental, le nombre précis d’observateurs n’a pas toujours été fourni14. En outre, l’emplacement exact des observateurs n’était pas explicite12,14,15, ce qui rend difficile la conduite des réplications possibles et de s’assurer que les participants ne sont pas au courant d’être observés. Sur quatre articles analysés, un seul a fourni une description détaillée de l’emplacement de l’observateur13.

En outre, les temps exacts des intervalles d’observation n’ont été fournis que par une étude12, tandis que d’autres études ont décrit les temps d’étude globaux (avec une description générale du nombre de fois par jour d’étude où l’observation a eu lieu)13,15 ou ne l’ont pas décrite du tout14. Cela peut à nouveau empêcher la reproduction et établir si le moment d’observation était systématique et suffisant aux fins des objectifs de l’étude.

Les limites de ces expériences sont présentées comme des lignes directrices et des points importants qui devraient être pris en considération dans les recherches futures. En aucun cas, il n’était destiné à miner l’importance de ces études. Les domaines indiqués devraient être pris en considération pour maximiser l’opérationnalisation des études afin de faciliter les réplications, qui jouent un rôle important dans la psychologie17,18, et de simplifier la conduction des expériences sur le terrain. Cependant, on peut se demander si toutes les questions mentionnées peuvent être traitées en améliorant les méthodes d’observation qui, en fin de compte, reposent sur des observateurs humains.

Pour ces raisons, l’enregistreur de données d’occupation et de lumière (voir Tableau des matériaux) est un outil précieux qui peut être utilisé efficacement pour recueillir des informations sur un type particulier de comportements d’économie d’énergie, de commutation de lumière, sans les limitations de l’utilisation d’observateurs ou de restrictions éthiques (le bûcheron ne recueille pas les données audiovisuelles). Dans l’ensemble, le but de cet article est de présenter la description technique et les possibilités d’un modèle de l’enregistreur de données d’occupation et de lumière. À la connaissance des auteurs, il s’agit de la première tentative de présenter cet outil à fond dans le contexte de son utilisation dans des expériences de terrain en psychologie.

Description technique des bûcherons
Le modèle d’enregistrement des données d’occupation/lumière (voir Tableau des matériaux)qui a été utilisé pour cet article était équipé d’une capacité de mémoire standard de 128 kB. Le bûcheron pèse 30 g et sa taille est de 3,66 cm à 8,48 cm et 2,36 cm. Des détails supplémentaires et le manuel du produit peuvent être trouvés sur le site Web du fabricant19.

Les boutons de commande, le capteur de lumière et le plateau de la batterie sont situés sur le panneau supérieur. Le panneau avant se compose du capteur d’occupation et d’un écran LCD, tandis que le panneau arrière est équipé d’aimants et de boucles de montage (Figure 1). Le port USB 2.0 est situé sur le panneau inférieur, pour permettre la connexion de l’enregistreur à l’ordinateur avec un câble USB afin de permettre la mise en place avant le déploiement et d’obtenir plus tard des readouts en utilisant le logiciel d’analyse dédié à cet enregistreur de données.

Le seuil intégré de capteur de lumière (photocellule) est supérieur à 65 lx, qui fonctionne avec différents types de lumière (LED, CFL, fluorescent, HID, incandescent, naturel) qui peuvent être trouvés dans la plupart des espaces publics. Dans l’ensemble, l’enregistreur interprète les changements d’état de la lumière (ON/OFF) en fonction de la force du signal lumineux, plus précisément, qu’il tombe en dessous ou s’élève au-dessus des niveaux du seuil d’étalonnage. Il convient également de noter que le capteur est protégé contre la fausse détection des états ON et OFF par un niveau d’hystérèse intégré d’environ 12,5 %19.

Un capteur de mouvement détermine si la pièce est occupée ou inoccupée. Avec l’utilisation d’un capteur infrarouge pyroélectrique (PIR), il détecte le mouvement des personnes par leur température corporelle (qui diffère de la température de l’environnement). La plage de détection de l’enregistreur discuté a un maximum de 5 m et la version étendue de l’enregistreur a une portée de 12 m. Les performances de détection horizontale s’accumulent jusqu’à 94 degrés (47 degrés) et verticales jusqu’à 82 degrés (41 degrés).

Le modèle décrit d’enregistreur de données d’occupation/lumière a été validé aux côtés des capteurs de sciences du bâtiment Open Source et semble fournir une mesure fiable de l’intensité lumineuse et de la fréquence d’occupation21. En outre, ces modèles de bûcherons ont été montrés utiles dans la recherche sur l’environnement bâti, précisément dans les applications d’éclairage22,23,24.

Protocol

L’étude a été approuvée par le comité d’éthique de l’Université des sciences sociales et humaines du SWPS à Varsovie (numéro 46/2016). 1. Choix d’un site expérimental pour le déploiement des bûcherons Choisissez un site expérimental intérieur qui permettra de monter l’enregistreur à proximité de la source de lumière (pour une détection adéquate des changements de lumière) ainsi que de recueillir les données sur le comportement concernant l’état d’occupation de l…

Representative Results

Test de fiabilité des bûcherons par rapport à l’observation humaineAfin de tester la fiabilité de l’enregistreur par rapport à l’observation humaine, un essai sur le terrain de 4 h a été effectué dans une toilette masculine à un seul décrochage située sur le campus de l’Université. Deux observateurs masculins ont attendu à l’extérieur des toilettes (environ 5 m de la porte d’entrée) et ont enregistré de façon indépendante le comportement des visiteurs en termes de taux d’occupation/…

Discussion

Lorsque vous prévoyez d’utiliser plus d’un site (pour le déploiement des enregistreurs) en même temps, il faut s’assurer que chaque site a une disposition architecturale identique afin d’exclure la possibilité d’occurrence de différents modèles comportementaux des participants (c.-à-d., résultant des temps d’occupation et des possibilités de commutation de lumière). Un site approprié doit être équipé d’une ou de plusieurs sources lumineuses avec un seul interrupteur correspondant, visible par l’occupant. Da…

Disclosures

The authors have nothing to disclose.

Acknowledgements

Aucun.

Materials

HOBO Occupancy/Light (5m Range) Data Logger ONSET UX90-005 As advertised by Onset – The HOBO UX90-005 Room Occupancy/Light Data Logger is available in a standard 128 KB memory model (UX90-005) capable of 84,650 measurements and an expanded 512KB memory version (UX90-005M) capable of over 346,795 measurements. For details and other products visit: https://www.onsetcomp.com/products/data-loggers/ux90-005
HOBO Light Pipe ONSET UX90-LIGHT-PIPE-1 An optional fiber optic attachment or light pipe that eliminates effects of ambient light to ensure the most accurate readings. For details visit: https://www.onsetcomp.com/support/manuals/17522-using-ux90-light-pipe-1
HOBOware ONSET Setup, graphing and analysis software for Windows and Mac. There are two versions of HOBOware: HOBOware (available for free) and HOBOware Pro (paid version which allows for additional analysis with different loggers). Each of them are dedicated to HOBO loggers. For details visit: https://www.onsetcomp.com/products/software/hoboware

References

  1. Steg, L., Vlek, C. Encouraging pro-environmental behaviour: An integrative review and research agenda. Journal of Environmental Psychology. 29 (3), 309-317 (2009).
  2. Doliński, D. Is psychology still a science of behaviour. Social Psychological Bulletin. 13, 25025 (2018).
  3. Grzyb, T. Why can’t we just ask? The influence of research methods on results. The case of the “bystander effect”. Polish Psychological Bulletin. 47 (2), 233-235 (2016).
  4. Kormos, C., Gifford, R. The validity of self-report measures of proenvironmental behavior: A meta-analytic review. Journal of Environmental Psychology. 40, 359-371 (2014).
  5. Lange, F., Steinke, A., Dewitte, S. The Pro-Environmental Behavior Task: A laboratory measure of actual pro-environmental behavior. Journal of Environmental Psychology. 56, 46-54 (2018).
  6. Lucidi, A., Thevenot, C. Do not count on me to imagine how I act: behavior contradicts questionnaire responses in the assessment of finger counting habits. Behavior research methods. 46 (4), 1079-1087 (2014).
  7. Abrahamse, W., Schultz, P. W., Steg, L., Gifford, R. Research Designs for Environmental Issues. Research Methods for Environmental Psychology. , 53-71 (2016).
  8. Blasko, D. G., Kazmerski, V. A., Corty, E. W., Kallgren, C. A. Courseware for observational research (COR): A new approach to teaching naturalistic observation. Behavior Research Methods, Instruments, & Computers. 30 (2), 217-222 (1998).
  9. Sussman, R., Gifford, R. Observational Methods. Research Methods for Environmental Psychology. , 9-28 (2016).
  10. Jansen, R. G., Wiertz, L. F., Meyer, E. S., Noldus, L. P. Reliability analysis of observational data: Problems, solutions, and software implementation. Behavior Research Methods, Instruments, & Computers. 35 (3), 391-399 (2003).
  11. Maclin, O. H., Maclin, M. K. Coding observational data: A software solution. Behavior Research Methods. 37 (2), 224-231 (2005).
  12. Bergquist, M., Nilsson, A. I saw the sign: promoting energy conservation via normative prompts. Journal of Environmental Psychology. 46, 23-31 (2016).
  13. Dwyer, P. C., Maki, A., Rothman, A. J. Promoting energy conservation behavior in public settings: The influence of social norms and personal responsibility. Journal of Environmental Psychology. 41, 30-34 (2015).
  14. Oceja, L., Berenguer, J. Putting text in context: The conflict between pro-ecological messages and anti-ecological descriptive norms. The Spanish Journal of Psychology. 12 (2), 657-666 (2009).
  15. Sussman, R., Gifford, R. Please turn off the lights: The effectiveness of visual prompts. Applied ergonomics. 43 (3), 596-603 (2012).
  16. Gifford, R., Nilsson, A. Personal and social factors that influence pro-environmental concern and behaviour: A review. International Journal of Psychology. 49 (3), 141-157 (2014).
  17. Earp, B. D., Trafimow, D. Replication, falsification, and the crisis of confidence in social psychology. Frontiers in Psychology. 6, 1-11 (2015).
  18. van Aert, R. C., van Assen, M. A. Examining reproducibility in psychology: A hybrid method for combining a statistically significant original study and a replication. Behavior research methods. 50 (4), 1515-1539 (2018).
  19. Mehl, M. R., et al. The Electronically Activated Recorder (EAR): A device for sampling naturalistic daily activities and conversations. Behavior Research Methods, Instruments, & Computers. 33 (4), 517-523 (2001).
  20. Ali, A. S., Zanzinger, Z., Debose, D., Stephens, B. Open Source Building Science Sensors (OSBSS): A low-cost Arduino-based platform for long-term indoor environmental data collection. Building and Environment. 100, 114-126 (2016).
  21. Popoola, O., Munda, J., Mpanda, A. Comparative analysis and assessment of ANFIS-based domestic lighting profile modelling. Energy and Buildings. 107, 294-306 (2015).
  22. Tetlow, R. M., Beaman, C. P., Elmualim, A. A., Couling, K. Simple prompts reduce inadvertent energy consumption from lighting in office buildings. Building and Environment. 81, 234-242 (2014).
  23. van Someren, K., Beaman, P., Shao, L. Calculating the lighting performance gap in higher education classrooms. International Journal of Low-Carbon Technologies. 13 (1), 15-22 (2017).
  24. Landis, J. R., Koch, G. G. The measurement of observer agreement for categorical data. Biometrics. 33 (1), 159-174 (1977).
  25. McGraw, K. O., Wong, S. P. Forming inferences about some intraclass correlation coefficients. Psychological methods. 1 (1), 30 (1996).
  26. Hallgren, K. A. Computing inter-rater reliability for observational data: an overview and tutorial. Tutorials in quantitative methods for psychology. 8 (1), 23 (2012).
  27. Cialdini, R. B., Kallgren, C. A., Reno, R. R. A focus theory of normative conduct: A theoretical refinement and reevaluation of the role of norms in human behavior. Advances in experimental social psychology. 24, 201-234 (1991).

Play Video

Cite This Article
Leoniak, K. J., Cwalina, W. Measuring Light-Switching Behavior Using an Occupancy and Light Data Logger. J. Vis. Exp. (155), e60771, doi:10.3791/60771 (2020).

View Video