Mäta ljus växling beteende med hjälp av en beläggning och ljus datalogger

* 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

Den här artikeln beskrivs en procedur för att använda och distribuera en beläggning och ljus datalogger som gör det möjligt att samla in data om ljus växling beteende deltagare i Fältinställningar.

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 grund av avvikelser mellan självrapporterade och observerade Pro-miljöbeteende, forskare föreslår användning av mer direkta åtgärder av beteende. Även om direkta beteendemässiga observation kan öka den externa giltigheten och generaliserbarhet av en studie, kan det vara tidskrävande och vara föremål för försöksledaren eller observatör bias. För att ta itu med dessa frågor kan användningen av datalogger som ett alternativ till naturlig observation göra det möjligt för forskare att genomföra breda studier utan att störa deltagarnas naturligt förekommande beteenden. I den här artikeln beskrivs ett av dessa verktyg – beläggning och ljus datalogger – med teknisk beskrivning, distributions protokoll och information om möjliga program i psykologiska experiment. Resultaten av provning av tillförlitligheten i logger i jämförelse med mänsklig observation ges tillsammans med ett exempel på insamlade data under en 15-dagars mätning i offentliga toaletten (N = 1 148) som inkluderar: 1) förändringar i rumsbeläggningen; 2) inomhus ljusförändringar; och 3) rummens beläggnings tid.

Introduction

En av de mest använda åtgärderna för miljövänliga beteenden i psykologi är själv rapporter i form av enkäter, intervjuer eller enkäter1. Bland de skäl som anges för denna trend är helt enkelt svårigheten att bedriva fältexperiment, som vanligtvis kräver en hel del resurser och exakt driftsättning2,3. Dock är nackdelen värt ansträngningen eftersom det är väl etablerat att förlita sig på själv-rapportering åtgärder kan vara vilseledande i förutsägelse av objektiva beteende4,5,6.

Samtidigt som man försöker undvika detta problem, forskare som är inriktade på att studera energihushållning beteende i allmänhet använder observations (nominell kategorisering av observerade händelser, t. ex., slå på/av lampor) eller REST(kvantifierbara bevis på ett tidigare beteende, t. ex. energiförbrukning i kWh) data som mätningar av beroende variabler7. Även om båda typerna av mätningar är värdefulla, är observationella data vanligast i fältexperiment2,3,8, särskilt när deras beroende variabler berör ljus växling beteende.

Innan forskare erhåller observationsdata bör de överväga flera metodologiska frågor, som är: 1) prov representativitet. 2) antalet observatörer för att utesluta eventuella mänskliga fel. 3) Inter-observatör avtal för att utesluta försöksledaren bias; 4) observatörs plats, som bör döljas för att minska risken för att upptäckas av deltagarna; 5) tydligt och särskilt definierade observation kodning; 6) här testar du av observations åtgärder; 7) observatörs utbildning. och 8) om systematisk tidsplan för observation9. Även om de flesta av de nämnda frågorna redan tagits upp, till exempel de som berör tillförlitlighetsanalys10 eller kodning observationsdata11-det verkar som om inte alla av dem får mycket uppmärksamhet i artiklar som beskriver experiment på ljus-växling beteende.

En analys av fyra studier12,13,14,15 som valdes för deras likhet i experimentella sammanhang (alla berörda ljus-växling beteende i offentliga badrum/toaletter) visade att även om lokaliseringsuppgifter i var och en av studierna var exakta, Observationen Mät detaljerna varierade. Eftersom varje studie anställd naturalistisk observation, samla in information om beteendet hos deltagare som var det motsatta könet på observatörer var inte alltid möjligt14 på grund av eventuella störningar eller kränkningar av sociala normer (t. ex., om en manlig försöksledaren skulle gå in i en kvinno toaletten eller vice versa). I vissa fall tillhandahölls inte de exakta uppgifterna om deltagarnas kön15. Detta verkar vara en begränsning när man tar hänsyn till att kön kan vara en viktig faktor för att förutsäga Pro-miljöbeteende16.

De största skillnaderna framkom dock i beskrivningen av observatörerna och mätnings tiderna. Även om dessa beskrivningar naturligtvis skiljer sig åt på grundval av försöks lokalisering, var det exakta antalet observatörer inte alltid14. Dessutom var observatörernas exakta lokalisering inte explicit12,14,15 , vilket gör det svårt att genomföra eventuella replikationer och se till att deltagarna inte känner till att de kan observeras. I fyra analyserade artiklar gav endast en en detaljerad beskrivning av observatörens plats13.

Dessutom tillhandahölls de exakta observations intervallen endast av en studie12 medan andra studier antingen beskrev övergripande studietider (med en allmän beskrivning av hur många gånger på varje studiedag observationen ägde rum)13,15 eller inte beskrev det alls14. Detta kan återigen hämma replikationen och fastställa om observationstidpunkten var systematisk och tillräcklig för studiens syfte.

Begränsningarna i dessa experiment presenteras som riktlinjer och viktiga punkter som bör beaktas i framtida forskning. I inget fall var avsikten att undergräva betydelsen av dessa studier. De angivna områdena bör övervägas för att maximera studie driftsättning för att underlätta replikationer, som spelar en viktig roll i psykologi17,18, och förenkla ledning av fältexperiment. Det är dock tveksamt om alla de nämnda frågorna kan hanteras genom att förbättra observationsmetoder som i slutändan förlitar sig på mänskliga observatörer.

Av dessa skäl, beläggning och ljus datalogger (se tabell över material) är ett värdefullt verktyg som effektivt kan användas för att samla in information om en viss typ av energihushållning beteenden, ljus växling, utan begränsningar av att använda observatörer eller etiska restriktioner (Logger inte samla in audiovisuella data). Sammantaget är syftet med denna artikel att presentera den tekniska beskrivningen och möjligheterna för en modell av beläggning och ljus datalogger. Till författarna kunskap, detta är det första försöket att presentera detta verktyg grundligt i samband med dess användning i fältexperiment i psykologi.

Loggrar tekniska beskrivning
Modellen för beläggning/ljus datalogger (se tabell över material) som användes för den här artikeln var utrustad med standard minneskapacitet på 128 kB. Logger vikter 30 g och dess storlek är 3,66 cm × 8,48 cm × 2,36 cm. Ytterligare information och produkthandboken finns på tillverkarens webbplats19.

Kontrollknapparna, ljussensorn och batterifacket sitter på den övre panelen. Frontpanelen består av närvaro sensorn och en LCD-skärm, medan baksidan är försedd med magneter och slingor (figur 1). USB 2,0-porten är placerad på den nedre panelen, för att möjliggöra anslutning av logger till datorn med en USB-kabel för att möjliggöra installation före driftsättning och för att senare få avläsning med analys programpaket dedikerad till denna datalogger.

Den integrerade ljussensorn (photocell) tröskeln är större än 65 LX, som arbetar med olika ljustyper (LED, CFL, fluorescerande, HID, glödlampa, naturlig) som kan hittas i de flesta offentliga utrymmen. Sammantaget tolkar logger ljus statusförändringar (på/av) beroende på styrkan i ljussignalen, mer exakt, om det sjunker under eller stiger över nivåerna av kalibrerings tröskeln. Det bör också noteras att sensorn är säkrad från falsk detektering av på och av stater med en inbyggd hysteres nivå på ca ± 12,5%19.

En rörelsesensor avgör om rummet är ockuperat eller oockuperat. Med hjälp av en pyroelektrisk infraröd (PIR) sensor, upptäcker den rörelse av människor genom sin kroppstemperatur (som skiljer sig från temperaturen i omgivningen). Detekteringsområdet för den diskuterade logger har högst 5 m och den utökade versionen av logger har en räckvidd på 12 m. horisontell detekteringsprestanda fungerar upp till 94 ° (± 47 °), och vertikal upp till 82 ° (± 41 °).

Den beskrivna modellen för beläggning/ljus datalogger har validerats tillsammans med öppen källkod Building Science sensorer och verkar ge en tillförlitlig mätning av ljusintensitet och närvaro frekvens21. Dessutom har dessa modeller av loggrar visat användbar i byggd miljö forskning, just i belysningstillämpningar22,23,24.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

Studien godkändes av etikkommittén vid SWPS University of Social Science and Humanities i Warszawa (nr 46/2016).

1. välja en experimentell webbplats för logger Deployment

  1. Välj en inomhus experimentell webbplats som gör det möjligt att montera logger i nära anslutning till ljuskällan (för adekvat ljusförändringar upptäckt) samt att samla in uppgifter om beteendet om rummets beläggning status (för adekvat rörelsedetektering) av enskilda deltagare (dvs. en i taget).
  2. Fastställa den avsedda användningen av rummet och dess utsedda användare (hanar, honor eller co-ed).
    Anmärkning: ett exempel på en experimentell webbplats kan vara en offentlig enda stall toaletten på grund av det faktum att denna typ av rum är ofta och individuellt besöks av dess användare. Dessutom, i de flesta fall, är det möjligt att ange om rummet besöks av män eller kvinnor, baserat på dess beteckning.
  3. Besök en utvald webbplats och notera typ/antal fungerande ljuskällor tillsammans med deras strömbrytare. Kontrollera om flera ljuskällor styrs av en eller flera strömbrytare.
  4. Kontrollera möjligheterna att montera logger bredvid ljuskällan. Se till att platsen för logger montering är inte i närheten av någon form av värmekällor (t. ex. värmare, fönster eller speglar) för att säkerställa att endast kroppsvärmen i rummet användare kommer att registreras.
  5. Förvärva alla nödvändiga skriftliga behörigheter från webbplatsens ägare för installation av logger och genomföra experimentet. Förse webbplatsens ägare med information om experimentet, loggrar typ och dess tillämpning i skriftlig form.

2. logger konfiguration före driftsättning

  1. Hämta och installera den dedikerade programvaran (se tabell över material) som är tillgänglig för Windows/Mac-plattformar för att starta, läsa och plotta data från datalogger.
    Obs: Dessutom finns en detaljerad beskrivning med grundläggande systemkrav och programvaruhandboken på tillverkarens webbplats (se tabell över material).
  2. Anslut logger via USB-kabel till datorn (Anslut den större änden av USB-kabeln till en USB-port på datorn och den mindre änden av USB-kabeln i porten på enheten).
  3. Starta programvaran.
  4. Klicka på ikonen Starta i verktygsfältet (eller Välj Starta kommandot från enhetsmenyn) som öppnar loggers ' Setup fönster.
    Obs: det här alternativet kommer inte att vara tillgängligt när logger inte är ansluten till datorn. Lanseringen logger fönstret är uppdelat i följande tre avsnitt: 1) logger information som presenterar modell, serienummer, driftsättnings nummer, och aktuell batterinivå av den valda logger; 2) lista över sensorer tillgängliga för logger; och 3) distributionskonfiguration. Från detta gränssnitt kan man ställa in specifika funktioner som kommer att konfigurera logger före distributionen, till exempel de som tidigare nämnts: sensor konfiguration, konfiguration av data visningsfilter, start/stopp loggning, och visning av LCD-skärmen.
  5. Ange ett namn för lanseringen som kommer att användas som standardfilnamn under läsa ut och spara data som registrerats av Logger.
  6. Välj ljus sensorn. Ställ in mätningen på Loggläge i listrutan och välj status Beskrivning av/på i listrutan.
  7. Välj närvaro sensorn. Ställ in mätningen för att logga tillstånd från rullgardinsmenyn och välj tillstånds Beskrivning upptagen /upptagen från rullgardinsmenyn.
    Närvaro-och ljussensor kanaler kan konfigureras för att logga tillståndsändringar eller Runtime. På inställningen tillståndsändring är arbetet i logger händelse beroende. När du checkar varje sekund för en tillståndsändring registrerar logger endast ett tidsstämplat värde (hur lång tid en händelse varar, datum och tid) när tillståndsändringen inträffar. Å andra sidan, på runtime-konfigurationsinställningen, kontrollerar logger och registrerar status för sensorstatusen en gång per sekund.
  8. Klicka på knappen filter om du vill aktivera automatisk beräkning av ytterligare värden (t. ex. Max, minimum, medelvärde eller total).
    Anmärkning: steg 2,8 är valfritt och fungerar för filtrering av data för varje serie under loggers ' avläsning.
    1. Välj sensorns typ av val. Välj typ av filter och intervallet som ska användas.
    2. Redigera namnet och klicka på Skapa ny serie. Klicka på klar.
  9. Klicka på knappen Avancerat för att komma åt sensorns egenskaper.
    1. Välj ljus sensorn. Välj Ställ in till maximal känslighet för kalibrering och klicka på knappen Spara .
      Anmärkning: som standard kan ljussensorn kalibreras automatiskt på den plats där logger kommer att distribueras med hjälp av kontrollknappen som finns på den övre panelen. Genom att helt enkelt trycka på kalibreringsknappen, medan på platsen för utbyggnaden kommer loggers ' LCD-skärmen visar signalstyrkan hos ljuset som övervakas (Använd det här alternativet när ljusnivåer på försöks platsen är okända före distributionen). Sensorernas känslighet kan också justeras via option "Ställ in på maximal/minimal känslighet"-om Ljusnivåerna på platsen för utbyggnaden är kända i förväg. Dessa former av kalibrering säkerställa en noggrann avläsning av ljusförändringar mellan på och av stater.
    2. Välj närvaro sensorn. Välj ett förinställt timeout-värde (d.v.s. 10 s; 30 s; 1 min; 2 min; 5 min) eller Välj anpassad och ange ett värde i minuter och sekunder om det behövs. Klicka på knappen Spara .
      Obs: timeout-värdet anger den period av inaktivitet som krävs för att sensorn ska beakta området som inte är upptaget. Som standard är det här attributet inställt på 1 min.
  10. Välj när du vill starta logger, beroende på experiment plan: 1) omedelbart; 2) i intervaller (tillgängliga vid loggning Runtime); 3) på ett angivet datum/tid; eller 4) genom att manuellt använda Start-knappen.
  11. Välj när logger ska sluta logga: 1) när minnet fylls; 2) stanna vid ett angivet datum/tid; 3) stoppa manuellt eller 4) aldrig sluta-vilket resulterar i den nyaste Dataöverskrivning den äldsta.
  12. Klicka på Start -knappen när du har avslutat konfigurationen. Koppla från logger från datorn.

3. driftsätta logger i Fältinställningar

  1. Besök experiment platsen innan den tid logger kommer att börja registrera data.
  2. Utrusta logger med en extra fiberoptiska ljus röret (se tabell över material) genom att ansluta den till bak i logger, för att filtrera bort alla omgivande ljus (som kommer från Windows eller spegel reflektioner) och säkerställa de mest exakta avläsningar.
    Obs: ljus röret är 30,48 cm lång och kan böjas för att få tillgång till svåråtkomliga områden, som kan också vara till nytta för att dölja logger från åsynen av alla rums användare.
  3. Montera logger med ljus röret bredvid den utsedda ljuskällan med hjälp av: 1) fyra inbyggda magneter på bak bilden av logger som kan fästa den på en magnetisk yta; 2) självhäftande remsa som kan fästas på baksidor av Logger för att montera den på väggar eller andra plana ytor; 3) någon dubbelhäftande tejp för att hålla logger till en yta; eller 4) den krok-och-ögla rem som kan användas genom montering slingor på båda sidor av Logger för att montera den på en böjd yta.
    Obs: valet av monteringsmetod beror på vilken typ av yta som logger kommer att monteras.
  4. Lämna försöks platsen för tiden för dataloggning inställd eller planerad.
  5. Efter avslutad inspelning, gå tillbaka till experiment platsen och ta bort Logger för data avläsning.

4. avläsning av data

  1. Anslut logger via USB-kabel till datorn och starta analys programpaket tillägnad datalogger (se tabell över material).
  2. Klicka på knappen för avläsning av enhet från Kontrollpanelen eller Välj avläsning från enhetsmenyn, vilket gör det möjligt för logger att lasta av insamlade data.
  3. Välj en plats och ett filnamn eller acceptera standardplatsen och namnet för att spara data. Klicka på Spara och välj de sensorer och/eller händelser som ska visas i ett diagram och klicka på Rita.
  4. Markera serien som du vill visa på tabelldata och rita. Markera eller avmarkera alla serier genom att klicka på knappen alla eller inga , eller markera eller avmarkera enskilda serier genom att klicka på kryssrutorna.
    Obs: tabelldata presenteras numeriskt med tillagda filter som ställdes in före distributionen. Varje kolumn motsvarar den typ av data som samlats in. Kolumnen "Light" visar till exempel förekomsten av ljus växling, medan kolumnen "beläggning" visar information om förekomsten av förflyttning i det fält där loggern distribuerades. I varje kolumn presenteras tillstånds ändringarna dikotomously (siffran "0" representerar ljusets status i kolumnen "ljus" och en avsaknad av rörelse i kolumnen "beläggning").
  5. Välj exportera tabelldata från Kontrollpanelen. Välj målmapp för exporten.
    Obs: det är möjligt att utföra en avläsning av data och exportera den till text, kommaseparerade värden eller kalkylbladsfiler. Andra alternativ, såsom data plottning, finns också; men på grund av det faktum att de flesta forskare arbetar med exporterade data och använder statistiska paket, bestämde vi oss för att presentera de mest grundläggande data avläsning. För mer information se loggers manual19.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

Loggrar tillförlitlighetstest i jämförelse med mänsklig observation
För att testa tillförlitligheten av logger i jämförelse med mänsklig observation, en 4 h fälttest genomfördes i en enda stall manliga toaletten ligger på universitetets campus. Två manliga observatörer väntade utanför toaletten (cirka 5 m från ytterdörren) och självständigt antecknade besökarnas beteende när det gäller beläggning/tider och ljus växling (lamporna kvar på eller av vid utgång). Samtidigt var två datalogger monterade i samma enda stall toaletten och samlat samma information som mänskliga observatörer. Totalt spelades beteendet hos 24 hanar in.

Fleiss kappa kördes för att avgöra om det fanns en överenskommelse mellan loggers och mänskliga observatörer om huruvida besökare in i enda stall toaletten och uppvisade avstängning eller på lamporna vid avresan. Resultaten visade nästan perfekt överenskommelse25 när det gäller inspelnings ljus status, κ = 1,000 (95% ki, 0,885 till 1,115), p < 0,001; samt närvaro status κ = 1,000 (95% KI, 0,885 till 1,115), p < 0,001 (i båda fallen var andelen avtal mellan varje par av loggers/mänsklig observatörer lika med 100%). Dessutom bedömdes den grad som loggers och mänskliga observatörer konsekvent i sina bedömningar av beläggning tid över försökspersonerna med hjälp av en tvåvägs blandad, konsekvens, medel-åtgärder intra-klass korrelation (ICC)26. Den resulterande ICC var i det utmärkta intervallet, ICC = 0,99, vilket indikerar att kodare hade en hög grad av enighet27.

Därför kan man utgå från att användning av datalogger kan fungera som ett användbart verktyg för att genomföra fältexperiment i psykologi, eftersom insamlade data är pålitliga även i jämförelse med mänskliga observatörer. Fler fördelar med att använda datalogger kommer att presenteras genom ett exempel på fältet experiment, som behandlade förekomsten av energihushållning beteende.

Logger-distribution i fältinställningen
Förekomsten av energisparande beteenden (t. ex. att stänga av ljuset när man lämnar ett offentligt rum) kan påverkas av beskrivande normer, som anger vad de flesta människor gör i en viss situation, vilket ger information om vilket beteende som i allmänhet ses som effektiv eller adaptiv28. Därför kan det antas att personer som kommer in i rummet där belysningen är avstängd (beskrivande norm) beter sig enligt denna norm och kommer att stänga av ljuset när man lämnar rummet. Detta antagande har redan verifierats positivt av tidigare studier om ljus växling beteende13,14. Det bör dock noteras att i dessa studier den beskrivande normen av ljus-off status var, i de flesta fall, manuellt manipuleras av praktiker. De möjligheter som presenteras av begagnade beläggning/ljus datalogger gör det möjligt att kontrollera påverkan av naturligt förekommande förändringar i ljus status på frekvensen av människor att stänga av ljuset när de lämnar offentliga toaletter.

Deltagare och förfarande
Under en 15-dagars driftsättning (vardagar från måndag till fredag) av beläggningen och ljus datalogger, registrerades ljus växling beteende 1 148 personer (536 män och 612 kvinnor). Deltagarnas könsidentifiering baserades på den besökta toaletten typ (män eller kvinnor). Demografiska data erhölls inte på grund av Studiens art och det faktum att logger inte spelar in audiovisuell data.

Registreringen genomfördes i två enda stall toaletter (en för kvinnor och en för män) i byggandet av en gör-det-själv (DIY) butik som ligger i Warszawa. Båda toaletter hade en identisk arkitektonisk layout (dvs två fönsterlösa rum utrustade med två separata strömbrytare) som består av: 1) första rum med ett handfat, spegel, soptunna och en entré dörr till en enda stall; och 2) enda stall med en toalett och en ljuskälla i mitten av taket.

Före registreringen var logger kalibrerad för att logga tillståndsändringar för ljus och beläggning kanaler. Ljussensorn (med extra fiberoptisk ljus pipa) var inställd på maximal känslighet och närvaro sensorernas timeout-värde var inställt på 10 s. Efter programvara setup, dubbelhäftande tejp användes för att hålla logger till taket bredvid ljuskällan, som var en fixtur med en glödlampa hängande från ett undertak.

De första 5 mätnings dagarna genomfördes i herrarnas toalett (efter att ha valt det slumpmässigt). Därefter mätningar togs i damernas toaletten för 10 dagar (den längre perioden berodde på det faktum att det fanns halva antalet kvinnor än män som besöker DIY butiken per dag). Sammanfattnings, det fanns tre 5-dagars loggning SKIFT. På den första dagen i varje Skift, Logger var monterad på 7:00 AM (innan loggning startade), och demonteras på 5: e dagen i varje skift på 8:00 PM (efter loggning stoppas). Korrekt loggning i varje toalett började på 8:00 är den första dagen av mätningen och varade till 7:00 PM på den sista dagen. Förvärvade data tillåtna analysera intervall från 8:00 AM till 7:00 PM på varje mätning dagar.

Resultat från fältmätningar
I det första steget jämfördes frekvenserna av ljus växling beteende mellan loggnings dagar (i båda toaletter) för att undersöka om förekomsten av studerade beteende var stabil över Mät dagar. För detta ändamål tillämpade vi Chi-square test för en variabel med Bonferroni korrigering. Analysresultaten visade ingen statistisk signifikans i skillnaderna mellan Mät dagarna i männens restrum χ2 (4, N = 536) = 5,56; p = 0,23 eller i damernas toalett χ2 (9, N = 612) = 3,27; p = 0,95.

För undersökande ändamål genomförde vi två ytterligare ANOVA-tester, enkelriktad mellan ämnen, på mätnings datumet för beläggnings tiden för användarna i varje toalett. I båda fallen skilde sig beläggnings tiden inte till en nivå av statistisk signifikans i männens toalett f(4, 531) = 1,51, p = 0,19, η2 = 0,01 eller i damernas toalett f(9, 612) = 1,01, p = 0,43, η2 = 0,01 över Mät datum. Tabell 1 visar frekvenser av ljus växling beteende samt beläggning tid för användare över Mät dagar i var och en av toaletter.

För att kontrollera påverkan av ljus status och toalett typ på förekomsten av energihushållning beteenden, genomförde vi Logistic regressionsanalys. Ljus status (på vs. off innan toaletten) och toalett typ (mäns vs kvinnor) angavs i en modell. Den beroende variabeln, energisparande beteende, var lika med 1 om deltagaren stängde av ljuset efter att ha lämnat, och 0 om inte. Tabell 2 visar koefficienten för den byggda modellen.

Resultaten från den byggda modellen indikerade att restrumstyp och ljus status på ett tillförlitligt sätt skiljer mellan avstängning/på ljuset: χ2 (2) = 25,16; p < 0,001. Wald-kriteriet uppvisade en betydande restrumstyp: χ2 (1) = 8,03; p < 0,01 och ljus status: χ2 (1) = 16,08; p < 0,01. Statistik för Cox och Snell ' s (r2 = 0,02) och nagelkerke ' s (r2 = 0,05) avslöjade en svag relation mellan förutsägelse och gruppering, medan övergripande förutsägelse framgång var 85,9% (23,2% för att stänga av ljuset och 91,5% för att lämna ljuset på). Analys av odds förhållandet (eller) visade att stänga av ljuset medan du lämnar toaletten var 94% mer sannolikt att inträffa i damernas toaletten (eller = 1,94) än i männens toaletten. Dessutom, in i en toalett med ljuset avstängd genererade en nästan tre gånger mer sannolikt förekomst av energi konservativa beteende (eller = 2,96).

Figure 1
Bild 1: loggern på varje sida. Vänligen klicka här för att se en större version av denna siffra.

Restroom typ Distributions dag N Ljus växling frekvenser Uthyrningstid
Ljus på Ljus av
Manliga 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
Kvinna 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: ljus växling beteende och beläggning tid över Mät dagar.

B S.Ö. Wald χ2 P EXP (b) 95% CI
Ll Ul
Restroom typ 0,66 0,23 8,03 <. 01 1,94 1,22 3,07
Ljus status 1,08 0,27 16,08 <. 001 2,96 1,74 5,02
Konstant -3,63 0,41 80,17 <. 001 0,03

Tabell 2: koefficienter av inbyggd modell i Logistic regression.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

När du planerar att använda mer än en plats (för logger Deployment) samtidigt, bör det säkerställas att varje webbplats har en identisk arkitektonisk layout för att utesluta möjligheten att förekomsten av olika beteendemönster från deltagare (dvs., till följd av beläggning gånger och lätt växlings möjligheter). En lämplig plats bör utrustas med en eller flera ljuskällor med endast en motsvarande strömbrytare, synlig för den sittande. Om annars, bör man plann att använda en logger FIR varje ljuskälla/strömbrytare. Dessutom, innan du väljer en förinställd timeout värde för Närvarosensor (andra steget i protokollet) är det tillrådligt att köra ett pilottest av loggers driftsättning på försöks platsen att välja att de flesta valfria värde baserat på de faktiska beläggning frekvenserna av deltagarna. I det tredje steget i protokollet, är det tillrådligt att kontrollera om det är möjligt att dölja brännaren från ögonen på eventuella rum användare (även om datalogger har relativt liten storlek). Till sist, på grund av det faktum att distributionen av loggers kan ske på offentliga platser (t. ex. toaletter) är det viktigt att inhämta alla nödvändiga skriftliga behörigheter från webbplatsägarna och etikkommittéerna.

Den presenterade typen av beläggning/ljus datalogger finns i två modeller (besök tillverkarens hemsida för mer information-se tabellen av material) som främst skiljer sig i deras nivåer av detekteringsområde, prestanda och zoner. Annan dragen sådan som standaren minne utrymme av 128 kB (vilken kanna bli utsträckt upp till 512 KB) och design karakteristikerna, är lik. Varje modell är utrustad med ett litium mynt batteri som kan pågå i ett år19. Antalet distributioner samt typ av loggningskonfiguration kan dock minska batteriets livslängd. Dessutom finns det två versioner av loggers dedikerade programvara: gratis (som användes i den presenterade artikeln) och en betald version för ytterligare analysalternativ med olika loggers. Logger kan dessutom utrustas med en data transportör som möjliggör bekväm data avlastning i fältet. Sammantaget har forskarna möjlighet att välja en viss modell, programvara typ och kompatibla enheter, baserat på deras behov och egenskaper av platsen där loggers distribution sker. En omfattande felsökningsguide finns på tillverkarens webbplats.

Närvaro sensorn kan endast ge information om förflyttning från en källa. Med andra ord, om rummet är ockuperat av mer än en person, Logger fortfarande skulle behandla och registrera beläggningen som en. Denna begränsning kan kringgås genom att anställa flera loggers på en gång (till exempel i flera stall toaletter) med uppmärksamhet på logger plats för att undvika eventuella falsk upptäckt. Dessutom tillhandahåller logger i sig inte data som möjliggör identifiering av kön, ålder eller annan demografisk information om potentiella deltagare. I exemplet presenteras, distribuera logger i toaletter tillägnad var och en av könen tillåts att övervinna detta hinder. Men det finns fortfarande en möjlighet att vissa män eller kvinnor kan besöka en toalett som inte ägnas åt deras kön. Dessutom bör det noteras att den beskrivna modellen av logger (liksom andra modeller) är endast tillgänglig genom köp genom tillverkaren eller deras distributionspartner (se tabell över material).

Trots inköpskostnader, funktionerna i loggers är värt sitt pris. Distribuera beläggning/ljus datalogger kan ge en tydlig driftsättning av ett givet experiment. Varje logger setup, samt logger montering och distribution, kan presenteras explicit. I jämförelse med rapporteringen av placeringen av mänskliga observatörer i experiment finns det inga under satser i samband med tillämpningen av datalogger. Detta kan ge väletablerade grunder för möjliga replikationer och en mer frekvent ledning av fältexperiment. En fördel med att använda beläggning/ljus datalogger är den typ av data som kan samlas in. Utöver de nominella resultaten av ljus-och beläggnings status är det möjligt att analysera kvantitativ information om tiden för rums beläggnings status samt tid mellan närvaro händelser (som inte analyserades i tidigare studier avseende ljus växling beteende). I den här artikeln utvärderades denna typ av data för undersökande ändamål samt för att kontrollera om förekomsten av beteendet var stabil över Mät tiderna. Som en följd av detta kan denna typ av information användas för ytterligare metodologiska och teoretiska förfiningar i genomförandet av fältexperiment. Under 15 dagars mätning var det möjligt att samla ett stort urval av 1 148 deltagare. Även om provstorleken inte alltid är problematiskt i fältexperiment, visar det faktum att forskaren bara var tvungen att besöka försöks platsen sex gånger (i motsats till en typisk observationsmetod som kräver ständig närvaro av observatörer) enorma löfte för att förenkla ledning av fältexperiment. Dessutom, medan det i vissa fall, forskarna inte kunde observera kvinnlig ljus växling beteende14, användning av en Logger får lätt samla in denna information utan risk för brott mot sociala normer om användning av toaletter genom motsatta könsorgan (vilket skulle vara problematiskt om en manlig forskare var att observera och ange en kvinno toaletten). Sammantaget minskade utbyggnaden av en datalogger behovet av att anställa observatörer och därmed begränsade möjliga mänskliga fel.

Även om denna artikel behandlar användningen av loggers i mäta ljus-växling beteende, bör det påpekas att det presenterade verktyget kan vara värdefull i andra domäner också. När indikatorn för beroende variabel skulle kräva att man mäter förekomsten av rörelse och dess tid (i ett slutet utrymme), skulle datalogger möjliggöra precisa och automatiserade mätningar. Från och med domänen för industriell-organisatoriska psykologi (t. ex. mäta tid på arbetsplatsen eller graden av arbetsplats beläggning), vidare till miljövetenskap (t. ex., mätning vägvisnings i vårdinrättningar), och slutar med beteendevetenskap (t. ex. i studier som inte skulle tillåta direkt observation eller använda videoinspelning av deltagare på grund av rättsliga begränsningar). Dessutom kan presenterade loggers effektivt användas som ett kompletterande mätverktyg för ambulatorisk bedömningsmetoder såsom elektroniskt aktiverad Recorder (EAR)20. I själva verket kan den akustiska data som samlats in från ÖRAT jämföras med data från beläggning Logger för att öka precisionen i den inspelade informationen om beteendet hos deltagarna.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Författarna har inget att avslöja.

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