Måling av lys-switching atferd ved hjelp av en Occupancy og Light data logger

* These authors contributed equally
Behavior

Your institution must subscribe to JoVE's Behavior section to access this content.

Fill out the form below to receive a free trial or learn more about access:

 

Summary

Denne artikkelen beskriver en fremgangsmåte for å bruke og distribuere en belegg og lys data logger som tillater innsamling av data om lys-svitsjing oppførsel av deltakere i Feltinnstillinger.

Cite this Article

Copy Citation | Download Citations | Reprints and Permissions

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).

Please note that all translations are automatically generated.

Click here for the english version. For other languages click here.

Abstract

På grunn av avvik mellom selvrapportert og observert Pro-miljø atferd, forskere foreslår bruk av mer direkte tiltak for atferd. Selv om direkte atferdsdata observasjon kan øke den eksterne gyldigheten og generalizability av en studie, kan det være tidkrevende og være gjenstand for eksperimentator eller observatør bias. For å løse disse problemene, kan bruk av data logger som et alternativ til naturlig observasjon tillate forskere å gjennomføre bred studier uten å avbryte deltakernes naturlig forekommende atferd. Denne artikkelen beskriver en av slike verktøy-den belegg og lys data logger-med sin tekniske beskrivelse, distribusjon protokollen, og informasjon om sine mulige søknader i psykologiske eksperimenter. Resultatene av å teste påliteligheten av logger i forhold til menneskelig observasjon er gitt sammen med et eksempel på de innsamlede data under en 15-dagers måling i offentlig toalett (N = 1 148) som inkluderer: 1) rom Occupancy endringer; 2) innendørs lys endringer; og 3) rom Occupancy tid.

Introduction

En av de mest brukte tiltakene for Pro-miljø atferd i psykologi er selv-rapporter i form av undersøkelser, intervjuer, eller spørreskjemaer1. Blant årsakene indikert for denne trenden er rett og slett vanskeligheten i å gjennomføre feltet eksperimenter, som vanligvis krever en god del ressurser og presis Operasjonalisering2,3. Men, er den hestekreftene verdt innsatsen siden det er godt etablert at å stole på selv rapportering tiltak kan være misvisende i prediksjon av objektiv atferd4,5,6.

Mens du prøver å unngå dette problemet, forskere som er fokusert på å studere energisparing atferd generelt bruk observasjons (nominell kategorisering av observerte hendelser, for eksempel slå på/av lys) eller rest (målbare bevis for en tidligere atferd, for eksempel, energiforbruk i kWh) data som målinger av avhengige variabler7. Selv om begge typer målinger er verdifulle, er observasjons data mest brukt i felt eksperimenter2,3,8, spesielt når deres avhengige variabler gjelder lys-svitsjing oppførsel.

Før innhenting observasjons data, bør forskerne vurdere flere metodisk problemstillinger, som er: 1) sample representativitet; 2) antall observatører for å utelukke mulige menneskelige feil; 3) Inter-observatør avtale for å utelukke eksperimentator bias; 4) observatør sted, som bør være skjult for å redusere muligheten for å bli oppdaget av deltakerne; 5) klart og spesifikt definert observasjon koding; 6) advarer før av observasjons tiltak; 7) observatør trening; og 8) etablere systematisk timing av observasjon9. Selv om de fleste av de nevnte problemene var allerede adressert-for eksempel de som angår pålitelighet analyse10 eller koding observasjons data11-det virker som ikke alle av dem får mye oppmerksomhet i artikler som beskriver eksperimenter på lys-svitsjing oppførsel.

En analyse av fire studier12,13,14,15 som ble valgt for deres likhet i eksperimentell sammenheng (alle av dem bekymret lys-svitsjing atferd i offentlige bad/toalettblokk) viste at selv om plasseringen detaljer i hver av studiene var presis, observasjon måling detaljer varierte. Siden hver studie ansatt natur observasjon, samle informasjon om atferden til deltakerne som var det motsatte kjønn observatører var ikke alltid mulig14 på grunn av mulige forstyrrelser eller brudd på sosiale normer (f. eks, hvis en mannlig eksperimentator skulle gå inn i en kvinners toalett eller vice versa). I noen tilfeller ble ikke de nøyaktige dataene til deltakernes kjønn gitt15. Dette synes å være en begrensning når det tas hensyn til at kjønn kan være en viktig faktor i å forutsi Pro-miljømessige atferd16.

De største forskjellene, men dukket opp i beskrivelsen av observatører og målings tider. Selv om disse beskrivelsene naturlig vil variere på grunnlag av eksperimentell plassering, var det nøyaktige antallet observatører ikke alltid gitt14. Videre var den nøyaktige plasseringen av observatører ikke eksplisitt12,14,15 som gjør det vanskelig å gjennomføre mulige replikeringer og sikre at deltakerne er uvitende om å bli observert. Over fire analysert artikler, bare en gitt en detaljert beskrivelse av observatøren plassering13.

Videre ble de nøyaktige tidspunktene for observasjons intervaller kun gitt av en studie12 , mens andre studier enten beskrevet samlet studietid (med en generell beskrivelse av hvor mange ganger på hver studie dag observasjonen fant sted)13,15 eller ikke beskrive det i det hele14. Dette kan igjen hindre replikere og etablere om observasjon timingen var systematisk og tilstrekkelig for formålene med studiet mål.

Begrensningene i disse eksperimentene presenteres som retningslinjer og viktige punkter som bør tas i betraktning i fremtidig forskning. I noe tilfelle var det ment å undergrave viktigheten av disse studiene. De indikerte områdene bør vurderes for å maksimere studie Operasjonalisering for å lette replikeringer, som spiller en viktig rolle i psykologi17,18, og forenkle gjennomføring av feltet eksperimenter. Det er imidlertid tvilsomt om alle de nevnte problemene kan håndteres ved å forbedre observasjon metoder som til slutt stole på menneskelige observatører.

Av disse grunner, den belegg og lys data logger (se tabell over materialer) er et verdifullt verktøy som kan brukes effektivt til å samle informasjon om en bestemt type energisparing atferd, lys-svitsjing, uten begrensninger ved bruk av observatører eller etiske restriksjoner (den logger ikke samle audiovisuelle data). Total, målet av denne gjenstand er å gave det teknisk signalementet og muligheter av ettall modell av det Occupancy og lyset data ført inn i loggbok. Til forfatternes kunnskap, er dette det første forsøket på å presentere dette verktøyet grundig i sammenheng med bruken i feltet eksperimenter i psykologi.

Logger ' teknisk beskrivelse
Modellen av belegg/lys data logger (se tabell over materialer) som ble brukt for denne artikkelen var utstyrt med standard minnekapasitet på 128 kB. Den logger vekter 30 g og dens størrelse er 3,66 cm × 8,48 cm × 2,36 cm. du finner mer informasjon og produkthåndboken på produsentens webområde19.

Kontrollknapper, lyssensor og batteriskuff er plassert på topp panelet. Frontpanelet består av en belegg sensor og en LCD-skjerm, mens bakpanelet er utstyrt med monterings magneter og løkker (figur 1). USB 2,0-porten er plassert på det nederste panelet, slik at tilkoblingen av logger til datamaskinen med en USB-kabel for å muliggjøre oppsett før distribusjon og senere få readouts ved hjelp av analyseprogramvare pakke dedikert til denne data logger.

Den integrerte lyssensor (fotocelle) terskelen er større enn 65 LX, som fungerer med ulike lys typer (LED, CFL, fluorescerende, HID, glødelamper, naturlig) som finnes i de fleste offentlige rom. Overall, tolker logger lys statusendringer (ON/OFF) avhengig av styrken av lyssignalet, mer presist, enten det faller under eller stiger over nivåene av kalibrerings terskelen. Det bør også bemerkes at sensoren er sikret mot falsk påvisning av ON og OFF stater av en innebygd hysterese nivå på ca ± 12,5%19.

En bevegelsessensor avgjør om rommet er opptatt eller er ledig. Med bruk av en pyroelectric infrarød (PIR) sensor, den oppdager bevegelse av mennesker ved deres kroppstemperatur (som avviker fra temperaturen i omgivelsene). Gjenkjennings området til den diskuterte logger har maksimalt 5 m og den utvidede versjonen av logger har en rekkevidde på 12 m. horisontal deteksjons ytelse fungerer opp til 94 ° (± 47 °), og vertikalt opp til 82 ° (± 41 °).

Den beskrevne modell av belegg/lys data logger har blitt validert sammen med åpen kildekode-bygningen Science sensorer og ser ut til å gi en pålitelig måling av lys intensitet og belegg frekvens21. Videre har disse modellene av hogst er vist nyttig i bygget miljø forskning, nettopp i belysning programmer22,23,24.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

Studien ble godkjent av etikk komiteen av SWPS University of Social Science and humaniora i Warszawa (nummer 46/2016).

1. velge en eksperimentell nettsted for logger distribusjon

  1. Velg en innendørs eksperimentell nettsted som vil tillate montering av logger i umiddelbar nærhet til lyskilden (for tilstrekkelig lys endringer deteksjon) samt å samle data om atferden om rom belegg status (for tilstrekkelig bevegelsesdeteksjon) av enkeltdeltakere (dvs. en om gangen).
  2. Etablere tiltenkt bruk av rommet og dets utpekte brukere (hanner, hunner eller co-Ed).
    Merk: et eksempel på en eksperimentell området kan være en offentlig single-stall toalett på grunn av det faktum at denne type rom er ofte og individuelt besøkt av sine brukere. Videre, i de fleste tilfeller, er det mulig å spesifisere om rommet er besøkt av menn eller kvinner, basert på betegnelsen.
  3. Besøk et valgt nettsted og Legg merke til type/antall fungerende lyskilder sammen med sine lys brytere. Kontroller om flere lyskilder styres av én eller flere lys brytere.
  4. Sjekk mulighetene for montering av logger ved siden av lyskilden. Sørg for at stedet for logger montering ikke er i nærheten av noen form for oppvarming kilder (f. eks, varmeovner, Vinduer eller speil) for å sikre at bare kroppsvarmen av rommet brukerne vil bli registrert.
  5. Tilegne seg nødvendige skriftlige tillatelser fra eieren av nettstedet for installasjon av logger og gjennomføre eksperimentet. Gi nettstedet eier med detaljene i eksperimentet, logger ' type og dens anvendelse i skriftlig form.

2. logger konfigurasjon før distribusjon

  1. Last ned og Installer den dedikerte programvaren (se tabell over materialer) som er tilgjengelig for Windows/Mac-plattformer for lansering, lesing og plotting av data fra data logger.
    Merk: i tillegg en detaljert beskrivelse med grunnleggende systemkrav og programvarehåndboken finnes på produsentens hjemmeside (se tabell over materialer).
  2. Koble logger via USB-kabelen til datamaskinen (koble den største enden av USB-kabelen til en USB-port på datamaskinen og den minste enden av USB-kabelen inn i porten på enheten).
  3. Start programvaren.
  4. Klikk på Start -ikonet på verktøylinjen (eller velg Start kommando fra enhetsmenyen) som åpner den logger oppsettsvinduet.
    Merk: dette alternativet vil være utilgjengelig når logger ikke er koblet til datamaskinen. Lanseringen logger vinduet er delt inn i følgende tre deler: 1) logger informasjon som presenterer modell, serienummer, distribusjonsnummer og gjeldende batterinivå for den valgte logger; 2) liste over sensorer tilgjengelig for logger; og 3) distribusjonskonfigurasjon. Fra dette grensesnittet, kan man angi bestemte funksjoner som vil konfigurere logger før distribusjon, slik som tidligere nevnt: sensor konfigurasjon, konfigurasjon av dataskjerm filtre, start/stopp logging, og visning av LCD-skjermen.
  5. Skriv inn et navn for lanseringen som vil bli brukt som standardfilnavn under lesing og lagring av data registrert av logger.
  6. Velg lys sensoren. Angi målingen til Logg tilstand fra rullegardinlisten, og velg tilstands beskrivelsen av/på fra rullegardinlisten.
  7. Velg belegg sensoren. Sett målingen til å logge staten fra rullegardinlisten, og velg staten beskrivelsen ledig/okkupert fra rullegardinlisten.
    Merk: bruk og lyssensor kanaler kan konfigureres til å loggføre statusendringer eller kjøretid. På staten endre innstillingen, er arbeidet til logger hendelses avhengige. Stund avmerker hver andre for en begrunne endre, det ført inn i loggbok ville bare fortegnelse en tid-stemplet salgsverdi (hvor lenge en begivenhet varer, dato og tid) når staten endre hender. På den annen side, på Runtime konfigurasjonsinnstillingen, sjekker logger og registrerer status for sensorstatus en gang hvert sekund.
  8. Klikk på filtre -knappen for å aktivere automatisk beregning av tilleggsverdier (f.eks. maksimum, minimum, gjennomsnitt eller totalsum).
    Merk: trinn 2,8 er valgfritt og fungerer for å filtrere data for hver serie under logger ' avlesning.
    1. Velg Sensortypen du ønsker. Velg filtertypen og intervallet som skal brukes.
    2. Rediger navnet , og klikk på Opprett ny serie. Klikk på ferdig.
  9. Klikk på Avansert -knappen for å få tilgang til sensor egenskapene.
    1. Velg lys sensoren. Velg Sett til maksimal følsomhet for kalibrering, og klikk på Lagre -knappen.
      Merk: som standard kan lyssensoren kalibreres automatisk på det stedet der logger skal distribueres ved hjelp av kontrollknappen som ligger på topp panelet. Av bare trykker det kalibrering knapp, stund på sted av oppstillingen, det ført inn i ' LCD skjermen ville utfoldelse signalet styrke av lyset tilværelse kontrollert (Bruk denne valgmuligheten når lyset høyder inne det eksperimentelle sted er ubekjent tidligere å oppstillingen). Sensorene følsomhet kan også justeres via alternativet "satt til maksimum/minimum følsomhet"-hvis lyset nivåer i stedet for distribusjon er kjent på forhånd. Disse kalibrerings formene sikrer en nøyaktig avlesning av lys endringer mellom ON-og OFF-tilstander.
    2. Velg belegg sensoren. Velg en forhåndsinnstilt tidsavbruddsverdi (dvs. 10 s; 30 s; 1 min.; 2 min.; 5 min), eller velg Egendefinert og angi en verdi i minutter og sekunder om nødvendig. Klikk på Lagre -knappen.
      Merk: tidsavbruddsverdien angir perioden med inaktivitet som kreves for at sensoren skal vurdere området som ikke er ledig. Som standard er dette attributtet satt til 1 min.
  10. Velg når du vil starte logger, avhengig av eksperimentell plan: 1) umiddelbart; 2) i intervaller (tilgjengelig ved logging Runtime); 3) på en spesifisert dato/klokkeslett; eller 4) manuelt ved å bruke Start knappen.
  11. Velg når logger skal slutte å logge: 1) når minne fyll; 2) stoppe på en bestemt dato/klokkeslett; 3) stopp manuelt eller 4) aldri stopp – noe som fører til at de nyeste dataene overskriver de eldste.
  12. Klikk på Start -knappen når konfigurasjonen er fullført. Koble logger fra datamaskinen.

3. distribuere logger i feltinnstillingene

  1. Besøk det eksperimentelle nettstedet før den tid logger vil starte innspillingen av data.
  2. Utstyre logger med en ekstra fiberoptisk lysrør (se tabell over materialer) ved å koble den til baksiden av logger, for å filtrere ut eventuelle omgivelseslys (kommer fra Vinduer eller speil refleksjoner) og sikre de mest nøyaktige målingene.
    Merk: lysrøret er 30,48 cm lang og kan bøyes for å få tilgang til vanskelige å nå områder, som også kan være nyttig i skjule logger fra synet av ethvert rom bruker.
  3. Monter logger med lysrøret ved siden av den angitte lyskilde med bruk av: 1) fire innebygde magneter på baksiden av logger som kan feste den til en magnetisk overflate; 2) selvklebende stripe som kan festes til baksiden av logger for å montere den på vegger eller andre flate overflater; 3) noen dobbeltsidig tape for å stikke logger til en overflate; eller 4) kroken-og-loop stropp som kan brukes gjennom montering looper på begge sider av logger for å montere den på en buet overflate.
    Merk: valget av monteringsmetoden avhenger av hvilken type overflate som logger vil bli montert.
  4. Avreise det eksperimentelle stedet for tidspunktet for data logging satt eller planlagt.
  5. Etter endt opptak, tilbake til eksperimentell nettstedet og fjerne logger for det formål å data avlesning.

4. data avlesning

  1. Koble logger via USB-kabel til datamaskinen og lansere analyseprogramvare pakke dedikert til data logger (se tabell over materialer).
  2. Klikk på avlesning enhet knappen fra kontrollpanelet eller velg avlesning fra enhetsmenyen, som vil gjøre det mulig for logger å lesse av innsamlede data.
  3. Velg en plassering og et filnavn, eller godta standardplasseringen og-navnet for å lagre dataene. Klikk på Lagre og velg sensorene og/eller hendelsene som skal vises i en graf, og klikk på plott.
  4. Velg serien du vil vise på tabelldataene og plottet. Klikk på knappen alle eller ingen for å velge eller oppheve merkingen av alle seriene, eller klikk på avkrysningsrutene for å velge eller oppheve den enkelte serien.
    Merk: tabelldataene vises numerisk ved hjelp av ekstra filtre som ble angitt før distribusjonen. Hver kolonne tilsvarer den typen data som er samlet inn. For eksempel presenterer kolonnen merket "Light" forekomstene av lys-svitsjing, mens kolonnen merket "Occupancy" presenterer informasjon om tilstedeværelsen av bevegelse i feltet der logger ble deployert. I hver kolonne, staten endringene presenteres dichotomously (tallet "0" representerer lys status av av i "lys" kolonne og mangel på bevegelse i "belegg" kolonnen).
  5. Velg Eksporter tabelldata fra kontrollpanelet. Velg målmappe for eksporten.
    Merk: det er mulig å utføre en data avlesning og eksportere den til tekst, kommaseparerte verdier eller regnearkfiler. Andre alternativer, for eksempel data plotting, er også tilgjengelige. men på grunn av det faktum at de fleste forskere arbeider med eksporterte data og bruke statistiske pakker, bestemte vi oss for å presentere de mest grunnleggende data avlesning. For mer informasjon se den logger manuell19.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

Logger ' pålitelighets test i forhold til menneskelig observasjon
For å teste påliteligheten av logger i forhold til menneskelig observasjon, en 4 h felt test ble gjennomført i en single-stall mannlig toalett ligger på universitetsområdet. To mannlige observatører ventet utenfor toalettet (ca 5 m unna inngangsdøren) og uavhengig registrert de besøkendes atferd i form av belegg priser/tider og lys veksling (lysene igjen på eller av ved spennende). Samtidig, to data logger ble montert i samme single-stall toalett og samlet den samme informasjonen som menneskelige observatører. Totalt ble oppførselen til 24 hanner registrert.

Fleiss ' s Kappa ble kjørt for å avgjøre om det var en avtale mellom logger og menneskelige observatører på om besøkende inn i single-stall toalett og utstilt slå av eller på lysene ved avreise. Resultatene viste nesten perfekt avtale25 i form av innspillingen lys status, ĸ = 1,000 (95% CI, 0,885 til 1,115), p < 0,001; samt belegg status ĸ = 1,000 (95% CI, 0,885 til 1,115), p < 0,001 (i begge tilfeller var prosentandelen av avtalen mellom hvert par av logger/menneskelige observatører lik 100%). Videre, graden som logger og menneskelige observatører gitt konsistens i sine rangeringer av Occupancy tid over ble vurdert ved hjelp av en to-veis blandet, konsistens, gjennomsnittlig tiltak intra-klasse korrelasjon (ICC)26. Den resulterende ICC var i utmerket utvalg, ICC = 0,99, som indikerte at programmerere hadde en høy grad av enighet27.

Derfor kan det antas at bruk av data logger kan tjene som et nyttig verktøy for å gjennomføre felt eksperimenter i psykologi siden de innsamlede dataene er pålitelig selv når sammenlignet med menneskelige observatører. Flere fordeler ved å bruke data logger vil bli presentert gjennom et eksempel på feltet eksperimentet, som adressert forekomsten av energisparing atferd.

Logger distribusjon i feltinnstillingen
Forekomsten av energisparing atferd (for eksempel slå av lyset når du avslutter et offentlig rom) kan bli påvirket av beskrivende normer, som angir hva folk flest gjør i en bestemt situasjon, og gir informasjon om hvilke atferd er generelt sett på som effektiv eller adaptive28. Derfor kan det antas at folk inn i rommet der lysene er slått av (beskrivende norm) vil oppføre seg i henhold til denne normen, og vil slå lyset av når du forlater rommet. Denne antakelsen har allerede blitt positivt verifisert av tidligere studier på lys-svitsjing atferd13,14. Imidlertid bør det bemerkes at i disse studiene den beskrivende normen for lys-off status var, i de fleste tilfeller, manuelt manipulert av forskere. Mulighetene som presenteres av den brukte Occupancy/lys data logger tillate å verifisere innflytelsen av naturlig forekommende endringer i lys status på hyppigheten av folk å slå av lyset når spennende offentlige toaletter.

Deltakere og prosedyre
Under en 15-dagers distribusjon (ukedager fra mandag til fredag) av belegg og lys data logger, er lys-svitsjing oppførsel av 1 148 mennesker (536 menn og 612 kvinner) registrert. Deltakernes kjønns identifikasjon var basert på den besøkte toalett typen (menns eller kvinners). Demografiske data ble ikke innhentet på grunn av arten av studien og det faktum at logger ikke posten audiovisuelle data.

Registreringen ble gjennomført i to single-stall toaletter (en for kvinner og en for menn) i byggingen av en gjør-det-selv (DIY) butikken ligger i Warszawa. Begge toalettene hadde en identisk arkitektonisk layout (dvs. to uten vindu rom utstyrt med to separate lys brytere) bestående av: 1) første rom med en vask, speil, trash bin og en inngangsdør til en enkelt stall; og 2) enkelt stall med toalett og en lyskilde i midten av taket.

Før registrering, den logger ble kalibrert til å logge staten endringer for lys og belegg kanaler. Lyset sensor (med i tillegg fiberoptisk lyset pipe) var sette å maksimum følsomheten og det Occupancy sensor ' pause salgsverdi var sette for 10 s. Etter programvareoppsett, dobbeltsidig tape ble brukt til å stikke logger til taket ved siden av lyskilden, som var et innslag med en glødende lyspære hengende fra en himling.

De første 5 måling dagene ble gjennomført i mennenes toalettet (etter å ha valgt det tilfeldig). Deretter ble målingene tatt i kvinnenes toalettet i 10 dager (den lengre perioden resulterte fra det faktum at det var halvparten av antall kvinner enn menn besøker DIY butikken per dag). Oppsummert var det tre 5-dagers logging SKIFT. På den første dagen av hvert SKIFT, den logger ble montert på 7:00 AM (før logging startet), og demontert på den femte dagen av hvert Skift på 8:00 PM (etter logging stoppet). Riktig logging i hvert toalett startet på 8:00 AM på den første dagen av måling og varte til 7:00 PM på den siste dagen. Ervervet data innrømmet analyserer intervaller oppstiller fra 8:00 er å 7:00 PM opp på hver av det måler dager.

Resultater fra felt måling
I det første trinnet ble frekvensene av lys-switching atferd sammenlignet mellom logging dager (i begge toalettene) for å undersøke om forekomsten av studert atferd var stabil på tvers av målings dager. For dette formålet, brukte vi chi-kvadrat test for en variabel med Bonferroni korreksjon. Resultatene av analysen viste ingen statistisk betydning i forskjellene mellom målings dager i menns toalett x2 (4, N = 536) = 5,56; p = 0,23 eller i kvinnenes toalettet x2 (9, N = 612) = 3,27; p = 0,95.

For undersøkende formål gjennomførte vi to ekstra ANOVA-tester, en-veis mellom, på målings datoen for den tillatte tiden til brukerne i hvert toalett. I begge tilfeller avviker ikke Occupancy tid til et nivå av statistisk betydning i mennenes toalett f(4, 531) = 1,51, p = 0,19, η2 = 0,01 eller i kvinnenes toalettet f(9, 612) = 1,01, p = 0,43, η2 = 0,01 på tvers av målings datoer. Tabell 1 viser frekvenser for virkemåte ved lys veksling samt belegg tid for brukere på tvers av målings dager i hver av toalettene.

For å verifisere påvirkning av lys status og toalett type på forekomsten av energisparing atferd, gjennomførte vi logistikk regresjonsanalyse. Lys status (ON vs OFF før du går inn på toalettet) og toalett type (menns vs kvinner) ble lagt inn i en modell. Den avhengige variabelen, energisparing atferd, var lik 1 Hvis deltakeren slått av lyset etter å ha forlatt, og 0 hvis ikke. Tabell 2 viser koeffisienten til den bygde modellen.

Resultatene fra den bygde modellen indikerte at toalettet type og lys status pålitelig skilles mellom å slå av/på lyset: x2 (2) = 25,16; p < 0,001. Wald-kriteriet demonstrerte som en betydelig type toalett: x2 (1) = 8,03; p < 0,01 og lys status: x2 (1) = 16,08; p < 0,01. Statistikk for Cox og Snell ' s (r2 = 0,02) og Nagelkerke ' s (r2 = 0,05) avdekket en svak sammenheng mellom prediksjon og gruppering, mens samlet prediksjon suksessen var 85,9% (23,2% for å slå av lyset og 91,5% for å forlate lyset på). Analyse av oddsen ratio (eller) avdekket at slå av lyset mens du går ut av toalettet var 94% større sannsynlighet for å skje i kvinnenes toalettet (eller = 1,94) enn i menns toalettet. Videre inn i et toalett med lyset slått av genererte en nesten tre ganger mer sannsynlig forekomst av energi konservativ atferd (eller = 2,96).

Figure 1
Figur 1: visuelle karakteristikker av logger på hver side. Vennligst klikk her for å se en større versjon av dette tallet.

Toalett type Distribusjon dag N Lys-skifter hyppighet Tid for occupancy
Lys på Lys av
Mannlige 1 85 82 3 M = 1 min 43 s SD = 1 min 11 s
2 99 92 7 M = 1 min 55 s SD = 1 min 21 s
3 109 100 9 M = 1 min 36 s SD = 0 min 54 s
4 132 129 3 M = 1 min 48 s SD = 1 min 06 s
5 111 104 7 M = 1 min 38 s SD = 0 min 50 s
Kvinnelige 1 62 54 8 M = 1 min 58 s SD = 1 min 02 s
2 67 58 9 M = 1 min 56 s SD = 0 min 50 s
3 56 51 5 M = 1 min 37 s SD = 0 min 44 s
4 60 53 7 M = 1 min 56 s SD = 0 min 53 s
5 58 52 6 M = 1 min 56 s SD = 1 min 06 s
6 61 53 8 M = 1 min 52 s SD = 0 min 53 s
7 62 56 6 M = 1 min 51 s SD = 0 min 52 s
8 66 59 7 M = 2 min 03 s SD = 1 min 13 s
9 63 56 7 M = 2 min 05 s SD = 1 min 15 s
10 57 54 3 M = 2 min 07 s SD = 1 min 43 s

Tabell 1: lys-veksling oppførsel og belegg tid på tvers av målings dager.

B S.E. Wald x2 P Exp (b) 95% CI
Ll Ul
Toalett type 0,66 0,23 8,03 <. 01 1,94 1,22 3,07
Lys status 1,08 0,27 16,08 <. 001 2,96 1,74 5,02
Konstant -3,63 til en 0,41 80,17 <. 001 0,03

Tabell 2: koeffisienter av bygget modell i logistisk regresjon.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

Når du planlegger å bruke mer enn ett nettsted (for logger distribusjon) på samme tid, bør det sikres at hvert område har en identisk arkitektonisk utforming for å utelukke muligheten for forekomst av ulike atferdsdata mønstre fra deltakere (dvs. som følge av Occupancy tider og lys-svitsjing muligheter). Et egnet område bør være utstyrt med en eller flere lyskilder med bare én tilsvarende lysbryteren, synlig for beboer. Hvis annet, bør man plann å bruke en logger Gran hver lyskilde/lys bryter. Videre, før du velger en forhåndsinnstilt timeout verdi av belegg sensor (andre trinn i protokollen) er det tilrådelig å kjøre en pilottest av den logger distribusjon på eksperimentell nettsted å velge den mest valgfrie verdi basert på den faktiske belegg frekvenser av deltakerne. I det tredje trinnet i protokollen, er det tilrådelig å sjekke om det er mulig å skjule opptakeren fra øynene til mulige rom brukere (selv om data logger har relativt liten størrelse). Til slutt, på grunn av det faktum at den logger distribusjon kan skje på offentlige steder (for eksempel toalettene) er det avgjørende å tilegne seg nødvendige skriftlige tillatelser fra nettstedet eiere og etikk komiteer.

Den presenterte typen Occupancy/lys data logger kommer i to modeller (besøk produsenter nettsted for mer informasjon-se tabell over materialer) som hovedsakelig varierer i deres nivåer av deteksjon rekkevidde, ytelse og soner. Annet vise egenskaper som målestokk hukommelse behandlingskapasitet av 128 kB (hvilke kan utbygget til 512 KB) og tegning kjennetegnene, er lignende. Hver modell er utstyrt med et litium mynt batteri som kan vare ett år19. Antall distribusjoner i tillegg til typen logging-konfigurasjon kan imidlertid redusere batteriets levetid. Videre, der er to versjoner av ført inn i staver ' plikttro programvare: ledig (det var anvendt inne det forevist gjenstand) og en betalt versjon for i tillegg analyse valgmulighetene med annerledes ført inn i logger. Den logger kan i tillegg utstyrt med en data transportør som gjør det mulig for praktisk data avlastning i feltet. Samlet sett har forskerne mulighet til å velge en bestemt modell, programvaretype og kompatible enheter, basert på deres behov og karakteristikker av nettstedet som den logger distribusjon finner sted. En omfattende feilsøkingsveiledning er tilgjengelig på produsentens nettsted.

Den belegg sensor kan bare gi informasjon om bevegelse fra en kilde. Med andre ord, hvis rommet er okkupert av mer enn én person, logger fortsatt ville behandle og registrere belegg som en. Denne begrensningen kan omgås ved å bruke flere logger på en gang (for eksempel i flere stall toaletter) med oppmerksomhet til logger plassering for å unngå mulig falsk deteksjon. Videre, den logger av seg selv ikke gir data som ville tillate identifisering av kjønn, alder eller annen demografisk informasjon om potensielle deltakere. I eksempelet presentert, distribusjon av logger i toalettene dedikert til hver av kjønnene lov til å overvinne denne hindringen. Men det er fortsatt en mulighet for at noen menn eller kvinner kan besøke et toalett ikke dedikert til deres kjønn. I tillegg bør det bemerkes at den beskrevne modellen av logger (så vel som andre modeller) er kun tilgjengelig ved kjøp gjennom produsenten eller deres distribusjonspartnere (se tabell over materialer).

Til tross for kjøpskostnadene, egenskapene til den logger er verdt sin pris. Distribusjon av bruk/lys data logger kan gi en klar Operasjonalisering av et gitt eksperiment. Hver logger oppsett, samt logger montering og distribusjon, kan presenteres eksplisitt. I forhold til rapportering plasseringen av menneskelige observatører i eksperimenter, er det ingen understatements i sammenheng med anvendelsen av data logger. Dette kan gi godt etablerte grunnlag for mulige replikeringer og en hyppigere gjennomføring av felt eksperimenter. En fordel med å bruke belegg/lys data logger er den typen data som kan samles. I tillegg til nominelle utfall av lys og belegg status, er det mulig å analysere kvantitativ informasjon om tidspunktet for rom bruk status samt tid mellom Occupancy hendelser (som ikke ble analysert i tidligere studier om lys-svitsjing atferd). I denne artikkelen ble denne typen data evaluert for forsøks formål, i tillegg til å kontrollere om forekomsten av virkemåten var stabil på målings tidspunkter. Som et resultat, kan denne typen informasjon brukes til videre metodisk og teoretiske avgrensninger i å gjennomføre felt eksperimenter. I løpet av 15 dager etter måling var det mulig å samle et betydelig utvalg av 1 148 deltakere. Selv om utvalgsstørrelsen er ikke alltid problematisk i feltet eksperimenter, det faktum at forskeren bare måtte besøke den eksperimentelle området seks ganger (i motsetning til en typisk observasjon metode som krever konstant tilstedeværelse av observatører) viser enorme løftet for å forenkle gjennomføring av feltet eksperimenter. Videre, mens i noen tilfeller, forskerne var ikke i stand til å observere kvinnelige lys-svitsjing atferd14, bruk av en logger lov til å samle denne informasjonen uten risiko for å krenke sosiale normer om bruk av toalettene av motsatt kjønn (som ville være problematisk hvis en mannlig forsker var å observere og angi en kvinners toalett). Samlet, distribusjon av en data logger redusert behovet for å ansette observatører og dermed begrenset mulige menneskelige feil.

Selv om denne artikkelen tar for seg bruk av logger i måling lys-switching atferd, bør det påpekt at de presenterte verktøyet kan være verdifullt i andre domener også. Når som helst indikatoren av avhengig variabel ville forlange måler forekomsten av bevegelse og dens tid (inne en stengt mellomrom), data ført inn i ville tillate for akkurat og automatisert måler. Fra og med domenet til industriell-organisatoriske psykologi (f. eks måle tid brukt på arbeidsplassen eller priser på arbeidsplassen belegg), videre til miljøvitenskap (f. eks måle løypelys i helseinstitusjoner), og slutter med atferdsforskning (f. eks, i studier som ikke ville tillate direkte observasjon eller ved hjelp av videoopptak av deltakere på grunn av juridiske begrensninger). Videre kan presentert logger være effektivt brukes som et supplerende måleverktøy til Oppgående vurderingsmetoder som elektronisk aktivert opptaker (EAR)20. I praksis kan de akustiske dataene som samles inn fra ØRET, sammenlignes med dataene fra belegg logger for å øke presisjonen til den registrerte informasjonen om atferden til deltakerne.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Forfatterne har ingenting å avsløre.

Acknowledgments

Ingen.

Materials

Name Company Catalog Number Comments
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

DOWNLOAD MATERIALS LIST

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. Research Designs for Environmental Issues. Research Methods for Environmental Psychology. Gifford, R. Wiley-Blackwell. Hoboken, NJ. 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. Observational Methods. Research Methods for Environmental Psychology. Gifford, R. Wiley-Blackwell. Hoboken, NJ. 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. HOBO® Occupancy / Light Data Logger UX90- 005x/-006x) [Manual]. Onset Computer Corporation. Available from: http://www.onsetcomp.com/files/manual_pdfs/15433-C-MAN-UX90-005-006.pdf (2018).
  20. 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).
  21. 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).
  22. Popoola, O., Munda, J., Mpanda, A. Comparative analysis and assessment of ANFIS-based domestic lighting profile modelling. Energy and Buildings. 107, 294-306 (2015).
  23. 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).
  24. 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).
  25. Landis, J. R., Koch, G. G. The measurement of observer agreement for categorical data. Biometrics. 33, (1), 159-174 (1977).
  26. McGraw, K. O., Wong, S. P. Forming inferences about some intraclass correlation coefficients. Psychological methods. 1, (1), 30 (1996).
  27. Hallgren, K. A. Computing inter-rater reliability for observational data: an overview and tutorial. Tutorials in quantitative methods for psychology. 8, (1), 23 (2012).
  28. 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).

Comments

0 Comments


    Post a Question / Comment / Request

    You must be signed in to post a comment. Please or create an account.

    Usage Statistics