Name: measuring the switch cost of smartphone use while walking
Uploaded: 2020-04-30T14:00:00.000+00:00
Duration: 7 min
Description: Watch this Scientific Journal Video about Measuring the Switch Cost of Smartphone Use While Walking at JoVE.com

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

<ol>
	<li>Monsell, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Task+switching.">Task switching.</a> Trends in Cognitive Sciences. 7 (3), 134-140 (2003).</li><li>Haga, S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Effects+of+using+a+Smart+Phone+on+Pedestrians'+Attention+and+Walking.">Effects of using a Smart Phone on Pedestrians' Attention and Walking.</a> Procedia Manufacturing. 3, 2574-2580 (2015).</li><li>Hatfield, J., Murphy, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+effects+of+mobile+phone+use+on+pedestrian+crossing+behaviour+at+signalised+and+unsignalised+intersections.">The effects of mobile phone use on pedestrian crossing behaviour at signalised and unsignalised intersections.</a> Accident Analysis, Prevention. 39 (1), (2007).</li><li>Stavrinos, D., Byington, K. W., Schwebel, D. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Distracted+walking:+Cell+phones+increase+injury+risk+for+college+pedestrians.">Distracted walking: Cell phones increase injury risk for college pedestrians.</a> Journal of Safety Research. 42 (2), 101-107 (2011).</li><li>Nasar, J., Hecht, P., Wener, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Mobile+telephones,+distracted+attention,+and+pedestrian+safety.">Mobile telephones, distracted attention, and pedestrian safety.</a> Accident Analysis, Prevention. 40 (1), 69-75 (2008).</li><li>Hyman, I. E., Boss, S. M., Wise, B. M., McKenzie, K. E., Caggiano, J. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Did+you+see+the+unicycling+clown?+Inattentional+blindness+while+walking+and+talking+on+a+cell+phone.">Did you see the unicycling clown? Inattentional blindness while walking and talking on a cell phone.</a> Applied Cognitive Psychology. 24 (5), 597-607 (2010).</li><li>Pourchon, R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Is+augmented+reality+leading+to+more+risky+behaviors?+An+experiment+with+pok&#233;mon+go.">Is augmented reality leading to more risky behaviors? An experiment with pok&#233;mon go.</a> Proceedings of the International Conference on HCI in Business, Government, and Organizations. , 354-361 (2017).</li><li>Thornton, I. M., Rensink, R. A., Shiffrar, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Active+versus+Passive+Processing+of+Biological+Motion.">Active versus Passive Processing of Biological Motion.</a> Perception. 31 (7), 837-853 (2002).</li><li>Neider, M. B., McCarley, J. S., Crowell, J. A., Kaczmarski, H., Kramer, A. F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Pedestrians,+vehicles,+and+cell+phones.">Pedestrians, vehicles, and cell phones.</a> Accident Analysis, Prevention. 42, 589-594 (2010).</li><li>Wylie, G., Allport, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Task+switching+and+the+measurement+of+"switch+costs".">Task switching and the measurement of "switch costs".</a> Psychological Research. 63 (3-4), 212-233 (2000).</li><li>Johansson, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Visual+perception+of+biological+motion+and+a+model+for+its+analysis.">Visual perception of biological motion and a model for its analysis.</a> Perception, Psychophysics. 14 (2), 201-211 (1973).</li><li>Cavanagh, P., Labianca, A. T., Thornton, I. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Attention-based+visual+routines:+Sprites.">Attention-based visual routines: Sprites.</a> Cognition. 80 (1-2), 47-60 (2001).</li><li>Troje, N. F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Retrieving+Information+from+Human+Movement+Patterns.">Retrieving Information from Human Movement Patterns.</a> Understanding Events. , 308-334 (2008).</li><li>Klimesch, W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=EEG+alpha+and+theta+oscillations+reflect+cognitive+and+memory+performance:+A+review+and+analysis.">EEG alpha and theta oscillations reflect cognitive and memory performance: A review and analysis.</a> Brain Research Reviews. 29 (2-3), 169-195 (1999).</li><li>Jensen, O., Gelfand, J., Kounios, J., Lisman, J. E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Oscillations+in+the+Alpha+Band+(9-12+Hz)+Increase+with+Memory+Load+during+Retention+in+a+Short-term+Memory+Task.">Oscillations in the Alpha Band (9-12 Hz) Increase with Memory Load during Retention in a Short-term Memory Task.</a> Cerebral Cortex. 12 (8), 877-882 (2002).</li><li>Busch, N. A., Herrmann, C. S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Object-load+and+feature-load+modulate+EEG+in+a+short-term+memory+task.">Object-load and feature-load modulate EEG in a short-term memory task.</a> NeuroReport. 14 (13), 1721-1724 (2003).</li><li>Herrmann, C. S., Senkowski, D., R&#246;ttger, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Phase-Locking+and+Amplitude+Modulations+of+EEG+Alpha.">Phase-Locking and Amplitude Modulations of EEG Alpha.</a> Experimental Psychology. 51 (4), 311-318 (2004).</li><li>Pfurtscheller, G., Aranibar, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Event-related+cortical+desynchronization+detected+by+power+measurements+of+scalp+EEG.">Event-related cortical desynchronization detected by power measurements of scalp EEG.</a> Electroencephalography and Clinical Neurophysiology. 42 (6), 817-826 (1977).</li><li>Sauseng, P., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=EEG+alpha+synchronization+and+functional+coupling+during+top-down+processing+in+a+working+memory+task.">EEG alpha synchronization and functional coupling during top-down processing in a working memory task.</a> Human Brain Mapping. 26 (2), 148-155 (2005).</li><li>Pope, A. T., Bogart, E. H., Bartolome, D. S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Biocybernetic+system+evaluates+indices+of+operator+engagement+in+automated+task.">Biocybernetic system evaluates indices of operator engagement in automated task.</a> Biological Psychology. 40 (1-2), 187-195 (1995).</li><li>Scerbo, M. W., Freeman, F. G., Mikulka, P. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+brain-based+system+for+adaptive+automation.">A brain-based system for adaptive automation.</a> Theoretical Issues in Ergonomics Science. 4 (1-2), 200-219 (2003).</li><li>Charland, P., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Assessing+the+Multiple+Dimensions+of+Engagement+to+Characterize+Learning:+A+Neurophysiological+Perspective.">Assessing the Multiple Dimensions of Engagement to Characterize Learning: A Neurophysiological Perspective.</a> Journal of Visualized Experiments. (101), e52627 (2015).</li><li>Courtemanche, F., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Texting+while+walking:+An+expensive+switch+cost.">Texting while walking: An expensive switch cost.</a> Accident Analysis, Prevention. 127, 1-8 (2019).</li><li>Townsend, J. T., Ashby, F. G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> The stochastic modeling of elementary psychological processes. , (1983).</li><li>Jung, T., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Removal+of+eye+activity+artifacts+from+visual+event-related+potentials+in+normal+and+clinical+subjects.">Removal of eye activity artifacts from visual event-related potentials in normal and clinical subjects.</a> Clinical Neurophysiology. 111, 1745-1758 (2000).</li><li>Luck, S. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> An Introduction to the Event-related Potential Technique (Cognitive Neuroscience). , (2005).</li><li>Steiger, J. H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Tests+for+comparing+elements+of+a+correlation+matrix.">Tests for comparing elements of a correlation matrix.</a> Psychological Bulletin. 87 (2), 245-251 (1980).</li><li>L&#233;ger, P. -. M., Davis, F., Riedl, R., vom Brocke, J., L&#233;ger, P. -. M., Randolph, A., Fischer, T. H., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Task+Switching+and+Visual+Discrimination+in+Pedestrian+Mobile+Multitasking:+Influence+of+IT+Mobile+Task+Type.">Task Switching and Visual Discrimination in Pedestrian Mobile Multitasking: Influence of IT Mobile Task Type.</a> Information Systems and Neuroscience: Vienna Retreat on NeuroIs 2019. , 245-251 (2020).</li><li>Mourra, G. N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Addicted to my smartphone: what factors influence the task-switching cost that occurs when using a smartphone while walking. , (2019).</li><li>Schabrun, S. M., van den Hoorn, W., Moorcroft, A., Greenland, C., Hodges, P. W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Texting+and+walking:+strategies+for+postural+control+and+implications+for+safety.">Texting and walking: strategies for postural control and implications for safety.</a> PloS One. 9 (1), 84312 (2014).</li></ol>

Die Autoren haben nichts zu offenbaren.

Eine kritische Entscheidung bei der Verwendung des Protokolls wäre die Sicherstellung der Qualität der neurophysiologischen Daten. Es gibt eine inhärente Komplikation bei der Verwendung eines Tools wie EEG während der Bewegung, da übermäßige Bewegung viel Rauschen in den Daten erzeugen kann. Es ist daher wichtig, vor der Datenerfassung zu überlegen, wie die Daten aufbereitet werden, um so viele Artefakte wie möglich zu entfernen, ohne das eigentliche Signal zu verändern. Nichtsdestotrotz ist es immer noch sehr ...

An erratum was issued for:&#160;<a href="https://www.jove.com/t/60555/measuring-the-switch-cost-of-smartphone-use-while-walking">Measuring the Switch Cost of Smartphone Use While Walking</a>. An&#160;author&#39;s name&#160;was&#160;updated.
The name was corrected from:
Gabrielle-Na&#239;m&#233; Mourra
to:
Gabrielle Na&#239;m&#233; Mourra

An erratum was issued for:&#160;<a href="https://www.jove.com/t/60555/measuring-the-switch-cost-of-smartphone-use-while-walking">Measuring the Switch Cost of Smartphone Use While Walking</a>. An&#160;author&#39;s name&#160;was&#160;updated.

Erratum: Measuring the Switch Cost of Smartphone Use While Walking

Da sowohl die Smartphone-Verbreitung als auch die Tendenz zum Multitasking zunehmen, ist es wichtig zu verstehen, welche Auswirkungen die Smartphone-Nutzung beim Gehen auf die Aufmerksamkeit hat. Die Literatur hat wiederholt gezeigt, dass der Aufgabenwechsel mit Kosten verbunden ist1, einschließlich der Smartphone-Nutzung beim Gehen. Studien haben gezeigt, dass die Verwendung eines Smartphones während des Gehens ablenkend und gefährlich sein kann 2,3,4. Diese Gefahren wurden mit den Aufmerksamkeitsbeeinträchtigungen einer solchen Aufgabe in Verbindung gebracht 3,4,5,6,7. Aufgrund der komplexen Natur der Fußgängerumgebung kann es problematisch sein, sie in einem experimentellen Kontext zu untersuchen, der ökologisch gültig ist. Nichtsdestotrotz kann die Durchführung solcher Studien in realen Fußgängerumgebungen mit eigenen Komplikationen verbunden sein, da viele äußere Variablen ins Spiel kommen können und die Gefahr besteht, dass der Teilnehmer aufgrund von Ablenkungen geschädigt wird. Es ist wichtig, ein solches Phänomen in einer relativ sicheren Umgebung untersuchen zu können, die so realistisch wie möglich bleibt. In diesem Artikel beschreiben wir eine Forschungsmethode, die die Kosten für den Aufgabenwechsel beim Texten während des Gehens untersucht und gleichzeitig die Gültigkeit der Aufgabe erhöht und die damit verbundenen potenziellen Risiken mindert.
Bei der Verwendung eines Smartphones während des Gehens sind Einzelpersonen gezwungen, von den Smartphone-Aufgaben auf Geh- und Umweltaufgaben umzusteigen. Um ein solches Phänomen zu untersuchen, hielten wir es daher für angebracht, diese Methode in die Literatur über Multitasking einzubetten, die sich speziell auf das Task-Switching-Paradigma konzentriert. Um dies zu erreichen, wurde das Task-Switching-Paradigma1 verwendet, bei dem die Teilnehmer zwischen einer Pre-Stimulus-Aufgabe und einer Post-Stimulus-Aufgabe wechselten. Eine der beiden Aufgaben vor dem Stimulus beinhaltete Multitasking, die andere nicht. In der Post-Stimulus-Aufgabe mussten die Teilnehmer auf einen Reiz reagieren, dessen Wahrnehmung durch geteilte Aufmerksamkeit beeinflusst wird8. Darüber hinaus haben experimentelle Laborstudien, die versuchen, so ökologisch wie möglich zu sein, oft virtuelle Fußgängerumgebungen verwendet, um die Aufmerksamkeitswirkung der Smartphone-Nutzung beim Gehenzu verstehen 4,9. Um die zugrunde liegenden neurophysiologischen Mechanismen zu erfassen, haben wir uns jedoch entschieden, uns auf die spezifische Task-Switching-Reaktion auf einen Reiz zu konzentrieren, um die Anzahl der Reize, auf die die Teilnehmer reagieren mussten, zu minimieren. Auf diese Weise können wir die Kosten für den Taskwechsel genauer bestimmen, die allein durch das Verlagern der Aufmerksamkeit vom Smartphone auf den Stimulus entstehen. Mit unserem Studiendesign verwenden wir Verhaltensmessungen (d.h. Kosten für den Aufgabenwechsel) und neurophysiologische Daten, um die Aufmerksamkeitsbeeinträchtigungen bei der Smartphone-Nutzung von Fußgängern besser zu verstehen.
Während eines Task-Switching-Experiments führten die Teilnehmer in der Regel mindestens zwei einfache Aufgaben aus, die sich auf eine Reihe von Stimuli bezogen, wobei jede Aufgabe einen anderen Satz kognitiver Ressourcen erforderte, die als "Aufgabensatz"1 bezeichnet werden. Wenn Individuen gezwungen sind, zwischen Aufgaben zu wechseln, müssen sich ihre mentalen Ressourcen anpassen (d.h. Hemmung des vorherigen Aufgabensatzes und Aktivierung des aktuellen Aufgabensatzes). Es wird angenommen, dass dieser Prozess der "Neukonfiguration des Aufgabensatzes" die Ursache für die Kosten des Taskwechsels ist1. Die Kosten für den Aufgabenwechsel werden in der Regel durch Beobachtung der Unterschiede in der Reaktionszeit und/oder der Fehlerrate zwischen Versuchen, bei denen die Teilnehmer zwischen Aufgaben wechseln, und solchen, bei denen sie nicht wechseln10, bestimmt. In unserem Experiment hatten wir drei Aufgabensätze: 1) Reagieren auf einen Punktlicht-Walker-Stimulus; 2) SMS auf einem Smartphone während des Gehens; und 3) einfach zu Fuß gehen. Wir verglichen die Wechselkosten zwischen zwei verschiedenen Bedingungen: 1) einfaches Gehen vor der Reaktion auf den Reiz und 2) Gehen während des SMS-Schreibens vor der Antwort. Auf diese Weise erfassten wir die Kosten für Multitasking auf einem Smartphone, bevor wir die Aufgabe wechselten, und konnten sie direkt mit den Kosten für den Nicht-Multitasking-Wechsel vergleichen, die durch einfaches Gehen vor dem Auftreten des visuellen Reizes entstehen. Da das in dieser Studie verwendete Smartphone von einer bestimmten Marke war, wurden alle Teilnehmer vor dem Experiment überprüft, um sicherzustellen, dass sie wussten, wie man das Gerät richtig benutzt.
Um ein realistisches Erlebnis zu simulieren, das für den Fußgängerkontext repräsentativ ist, haben wir uns entschieden, eine Punkt-Licht-Walker-Figur als visuellen Stimulus zu verwenden, die eine menschliche Form darstellt, die mit einem Abweichungswinkel von 3,5° nach links oder rechts des Teilnehmers geht. Diese Figur besteht aus 15 schwarzen Punkten auf weißem Hintergrund, wobei die Punkte den Kopf, die Schultern, die Hüften, die Ellbogen, die Handgelenke, die Knie und die Knöchel eines Menschen darstellen (Abbildung 1). Dieser Reiz beruht auf biologischer Bewegung, d.h. er folgt dem für Mensch und Tier typischen Bewegungsmuster11. Darüber hinaus ist dieser Anreiz mehr als ökologisch gültig; Es erfordert eine komplexe visuelle Verarbeitung und Aufmerksamkeit, um erfolgreich analysiert zu werden12,13. Interessanterweise fanden Thornton et al.8 heraus, dass die korrekte Identifikation der Richtung des punktförmigen Läufers stark von geteilter Aufmerksamkeit beeinflusst wird, was sie als Leistungsmaßstab bei der Untersuchung der Kosten für den Taskwechsel beim Multitasking geeignet macht. Die Teilnehmer wurden gebeten, die Richtung, in die die Figur ging, verbal anzugeben. Dem Erscheinen des Spaziergängers ging immer ein akustischer Hinweis voraus, der sein Erscheinen auf dem Bildschirm signalisierte.
Die Leistung bei der Punktlicht-Walker-Aufgabe und neurophysiologische Daten ermöglichten es uns, die Aufmerksamkeitswirkung beider Zustände zu bestimmen und zu bestimmen, was sie verursachte. Die Leistung wurde gemessen, indem die Fehlerraten und Reaktionszeiten bei der Bestimmung der Richtung der Punkt-Licht-Walker-Figur betrachtet wurden. Um die zugrunde liegenden kognitiven und Aufmerksamkeitsmechanismen zu verstehen, die an den Aufmerksamkeitsbeeinträchtigungen beteiligt sind, die wir mit dem Leistungsmaß gefunden haben, haben wir die neurophysiologischen Daten der Teilnehmer mit dem EEG actiCAP mit 32 Elektroden ausgewertet. Das EEG ist ein geeignetes Werkzeug in Bezug auf die vorübergehende Präzision, was wichtig ist, um zu sehen, was zu bestimmten Zeitpunkten eine schlechte Leistung verursacht (z. B. das Aussehen der Punktlicht-Walker-Figur), obwohl Artefakte in den Daten aufgrund von Bewegungen vorhanden sein können. Bei der Analyse der EEG-Daten sind zwei Indizes besonders relevant: 1) Alpha-Oszillationen; und 2) kognitives Engagement. Die Forschung hat herausgefunden, dass Alpha-Oszillationen sowohl die Kontrolle des Arbeitsgedächtnisses als auch die aktive Hemmung von aufgabenirrelevanten Gehirnschaltkreisen darstellen können14,15,16,17. Durch den Vergleich der Alpha-Oszillationen zu Beginn der Studie mit denen, die bei der Stimuluspräsentation18,19 auftraten, erhielten wir das Alpha-Verhältnis. Mit diesem Verhältnis haben wir die ereignisbezogenen Veränderungen bestimmt, die der Aufmerksamkeitsbeeinträchtigung zugrunde liegen könnten, die beim Texten während des Gehens beobachtet wird. In Bezug auf das kognitive Engagement entwickelten Pope et al.20 einen Index, bei dem die Beta-Aktivität eine erhöhte Erregung und Aufmerksamkeit darstellt und die Alpha- und Theta-Aktivität eine Abnahme der Erregung und Aufmerksamkeit widerspiegelt21,22. Diese Analyse wurde durchgeführt, um festzustellen, ob ein erhöhtes Engagement vor dem Auftreten des Stimulus die Neukonfiguration des Aufgabensatzes erschweren würde, die erforderlich ist, um auf die Gehfigur zu reagieren.
Mit der in diesem Artikel beschriebenen Methodik versuchen wir, die zugrunde liegenden Mechanismen zu erfassen, die sich auf die Leistung beim Wechseln von Aufgaben bei Teilnehmern auswirken, die an Multitasking-Episoden beteiligt sind. Die Gehbedingung stellt eine Nicht-Multitasking-Task-Switch-Leistung dar, die mit einer Multitasking-Task-Switch-Leistung (d. h. SMS während des Gehens) verglichen wird. Durch die Messung der Rollen der Aufgaben-Set-Hemmung und der Task-Set-Aktivierung haben wir versucht, die Wechselkosten besser zu verstehen, die beim Texten während des Gehens auftreten. Es ist wichtig anzumerken, dass die ursprüngliche Studie in einer immersiven virtuellen Umgebung23 durchgeführt wurde, aber später in einem Versuchsraum (siehe Abbildung 2) mit einem Projektor repliziert wurde, der die Gehfigur auf einem Bildschirm vor dem Teilnehmer anzeigte. Da diese virtuelle Umgebung nicht mehr zur Verfügung steht, wurde das Protokoll an die aktuelle experimentelle Raumgestaltung angepasst.

<table><tbody><tr><td>The Observer XT</td><td>Noldus</td><td></td><td>Integration and synchronization software: The Noldus Observer XT (Noldus Information Technology) is used to synchronize all behavioral, emotional and cognitive engagement data.</td></tr><tr><td>MediaRecorder</td><td>Noldus</td><td></td><td>Audio and video recording software</td></tr><tr><td>FaceReader</td><td>Noldus</td><td></td><td>Software for automatic analysis of the 6 basic facial expressions</td></tr><tr><td>E-Prime</td><td>Psychology Software Tools, Inc.</td><td></td><td>Software for computerized experiment design, data collection, and analysis</td></tr><tr><td>BrainVision Recorder</td><td>Brain Vision</td><td></td><td>Software used for recording neuro-/electrophysiological signals (EEG in this case)</td></tr><tr><td>Analyzer</td><td></td><td></td><td>EEG signal processing software</td></tr><tr><td>Qualtrics</td><td>Qualtrics</td><td></td><td>Online survey environment</td></tr><tr><td>Tapis Roulant</td><td>ThermoTread GT Office Treadmill</td><td></td><td></td></tr><tr><td>Syncbox</td><td>Noldus</td><td></td><td>Syncbox start the co-registration of EEG and gaze data by sending a Transistor-Transistor Logic (TTL) signal to the EGI amplifier and a keystroke signal to the Tobii Studio v 3.2.</td></tr><tr><td>Move2actiCAP</td><td>Brain Vision</td><td></td><td>Add-on for a digital wireless system for EEG</td></tr><tr><td>iPhone 6s</td><td>Apple</td><td></td><td></td></tr><tr><td>iMessage</td><td>Apple</td><td></td><td></td></tr><tr><td>iPad</td><td>Apple</td><td></td><td></td></tr></tbody></table>

measuring the switch cost of smartphone use while walking

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

Dieses Studienprotokoll wurde ursprünglich mit 54 Teilnehmern durchgeführt, die jeweils auf 88 Richtungsstudien ansprachen. Die Hälfte dieser Studien fand statt, wenn die Teilnehmer vor der Stimuluspräsentation einfach gingen. Die andere Hälfte trat auf, als die Teilnehmer vor der Stimuluspräsentation während des Gehens SMS schrieben.
Ergebnisse des Verhaltens Die Leistung in der Richtung des Punktlicht-Walkers stellt die Kosten für den Taskwechsel dar, während ein...

Watch this Scientific Journal Video about Measuring the Switch Cost of Smartphone Use While Walking at JoVE.com

Measuring the Switch Cost of Smartphone Use While Walking

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

Messung der Wechselkosten für die Smartphone-Nutzung während des Gehens

This paper presents a study protocol to measure the task-switching cost of using a smartphone while walking. This method involves having participants walk ...

measuring-the-switch-cost-of-smartphone-use-while-walking

Research

JoVE Journal

Behavior

1.8K Aufrufe.  HEC Montréal. Dieses Studiendesign misst die Kosten für den Aufgabenwechsel bei der Verwendung eines Smartphones während des Gehens. Die Teilnehmer durchlaufen zwei experimentelle Bedingungen: eine Kontrollbedingung (Gehen) und eine Multitasking-Bedingung (SMS während des Gehens). Die Teilnehmer wechseln zwischen diesen Aufgaben und einer richtungsbestimmenden Aufgabe. Es werden sowohl EEG-Daten als auch Verhaltensmessungen aufgezeichnet.

Serie: Measuring the Switch Cost of Smartphone Use While Walking

Evaluation of a Smartphone-based Human Activity Recognition System in a Daily Living Environment

An evaluation method that includes continuous activities in a daily-living environment was developed for Wearable Mobility Monitoring Systems (WMMS) that attempt to recognize user activities. Participants performed a pre-determined set of daily living actions within a continuous test circuit that included mobility activities (walking, standing, sitting, lying, ascending/descending stairs), daily living tasks (combing hair, brushing teeth, preparing food, eating, washing dishes), and subtle environment changes (opening doors, using an elevator, walking on inclines, traversing staircase landings, walking outdoors). 
To evaluate WMMS performance on this circuit, fifteen able-bodied participants completed the tasks while wearing a smartphone at their right front pelvis. The WMMS application used smartphone accelerometer and gyroscope signals to classify activity states. A gold standard comparison data set was created by video-recording each trial and manually logging activity onset times. Gold standard and WMMS data were analyzed offline. Three classification sets were calculated for each circuit: (i) mobility or immobility, ii) sit, stand, lie, or walking, and (iii) sit, stand, lie, walking, climbing stairs, or small standing movement. Sensitivities, specificities, and F-Scores for activity categorization and changes-of-state were calculated.
The mobile versus immobile classification set had a sensitivity of 86.30% &#177; 7.2% and specificity of 98.96% &#177; 0.6%, while the second prediction set had a sensitivity of 88.35% &#177; 7.80% and specificity of 98.51% &#177; 0.62%. For the third classification set, sensitivity was 84.92% &#177; 6.38% and specificity was 98.17 &#177; 0.62. F1 scores for the first, second and third classification sets were 86.17 &#177; 6.3, 80.19 &#177; 6.36, and 78.42 &#177; 5.96, respectively. This demonstrates that WMMS performance depends on the evaluation protocol in addition to the algorithms. The demonstrated protocol can be used and tailored for evaluating human activity recognition systems in rehabilitation medicine where mobility monitoring may be beneficial in clinical decision-making.

A standardized evaluation method was developed for Wearable Mobility Monitoring Systems (WMMS) that includes continuous activities in a realistic daily living environment. Testing with a series of daily living activities can decrease activity recognition sensitivity; therefore, realistic testing circuits are encouraged for valid evaluation of WMMS performance.

Evaluation eines Smartphone-basierte Personal Activity Recognition System in einem täglichen Lebens Umwelt

An evaluation method that includes continuous activities in a daily-living environment was developed for Wearable Mobility Monitoring Systems (WMMS) that ...

Forschung

Verhalten

An Application for Pairing with Wearable Devices to Monitor Personal Health Status

The current protocol aims to showcase the technology integration, providing a detailed description of adopting the HealthCloud app, developed by the Healthy Landscape and Healthy People Lab, National Taiwan University (HLHP-NTU), on smartphones and smartwatches to collect data on users' real-time psychological and physiological responses and environmental information. A flexible and integrated research method was proposed because it can be difficult to measure multi-dimensional aspects of personal data in on-site studies in landscape and outdoor recreation research. An on-site study conducted in 2020 at the National Taiwan University campus was used as an application example. A dataset of 385 participants was used after excluding invalid samples. During the experiment, participants were asked to walk around campus for 30 min when their heart rate and psychological-scale items were measured, together with several environmental metrics. This work aimed to provide a possible solution to help on-site studies track real-time human responses that match ambient factors. Due to the app's flexibility, its use on wearable devices shows excellent potential for multidisciplinary research studies.

The present protocol introduces a non-commercial self-developed application for collecting real-time on-site data, including psychological scales, GPS location, heart rate, and blood-oxygen saturation level, as well as the application's operating procedures. An empirical study conducted in Taiwan in 2020 was used as an application example.

Eine Anwendung zur Kopplung mit tragbaren Geräten zur Überwachung des persönlichen Gesundheitszustands

The current protocol aims to showcase the technology integration, providing a detailed description of adopting the HealthCloud app, developed by the ...

Umwelt

An Assessment Method and Toolkit to Evaluate Keyboard Design on Smartphones

Keyboard input has played an essential role in human-computer interaction with a vast user base, and the keyboard design has always been one of the fundamental objects of studies on smart devices. With the development of screen technology, more precise data and indicators could be collected by smartphones to in-depth evaluate the keyboard design. The enlargement of the phone screen has led to unsatisfactory input experience and finger pain, especially for one-handed input. The input efficiency and comfort have attracted the attention of researchers and designers, and the curved keyboard with size-adjustable buttons, which roughly accorded with the physiological structure of thumbs, was proposed to optimize the one-handed usage on large-screen smartphones. However, its real effects remained ambiguous. Therefore, this protocol demonstrated a general and summarized method to evaluate the effect of curved QWERTY keyboard design on a 5-inch smartphone through a self-developed software with detailed variables, including objective behavioral data, subjective feedback, and the coordinate data of each touchpoint. There is sufficient existing literature on evaluating virtual keyboards; however, only a few of them systematically summarized and took reflection on the evaluation methods and processes. Therefore, this protocol fills in the gap and presents a process and method of the systematic evaluation of keyboard design with available codes for analysis and visualization.&#160;It needs no additional or expensive equipment&#160;and is easy to conduct and operate. In addition, the protocol also helps to get potential reasons for the disadvantages of the design and enlightens the optimization of designs. In conclusion, this protocol with the open-source resources could not only be an in-class demonstrative experiment to inspire the novice to start their studies but also contributes to improving the user experience and the revenue of input method editor companies.

The presented protocol integrates various evaluation methods and demonstrates a method to evaluate the keyboard design on smartphones. Pairs matched by English characters are proposed as the input material, and the transition time between two keys is used as the dependent variable.

Eine Bewertungsmethode und ein Toolkit zur Bewertung des Tastaturdesigns auf Smartphones

Keyboard input has played an essential role in human-computer interaction with a vast user base, and the keyboard design has always been one of the ...

Walk with Me Hybrid Virtual/In-Person Walking for Older Adults with Neurodegenerative Disease

This study presents a protocol for virtual and in-person walking groups for older adults with neurodegenerative diseases and addresses the decline in physical activity and social connectivity during the pandemic. Physical activity, specifically moderate-intensity walking, has been shown to have multiple health benefits for older adults. This methodology was created during the COVID-19 pandemic, contributing to lower physical activity levels and social isolation in older adults. Both the in-person and virtual classes utilize technology such as fitness tracking apps and video platforms. Data are presented from two groups of older adults with neurodegenerative disease: people with prodromal Alzheimer's disease and people with Parkinson's disease. Participants in the virtual classes were screened for balance impairments before the walk, and any person deemed at risk for falls was not eligible to participate virtually. As COVID vaccines became available and restrictions were lifted, in-person walking groups became feasible. Staff and caregivers were trained in balance management, roles/responsibilities, and delivering walking cues. Both walks, virtual and in-person, consisted of a warm up, a walk, and a cool down, and posture, gait, and safety cues were given throughout. Measures of the rate of perceived exertion (RPE) and heart rate (HR) were taken pre-warm up, post-warm up, and at 15 min, 30 min, and 45 min time points. Participants also used a walking application (app) on their phones to record the distance walked and the number of steps taken. The study showed a positive correlation between HR and RPE in both groups. The participants in the virtual group rated the walking group favorably in terms of improving their quality of life during a period of social isolation and contributing to physical, mental, and emotional well-being. The methodology shows a safe and feasible way to implement virtual and in-person walking groups for older adults with neurological diseases.

The present protocol aims to inform rehabilitation specialists and fitness instructors in safe, feasible, and evidence-based methods of delivering virtual and in-person walking classes to older adults with neurodegenerative diseases.

Walk with Me Hybrides virtuelles/persönliches Gehen für ältere Erwachsene mit neurodegenerativen Erkrankungen

This study presents a protocol for virtual and in-person walking groups for older adults with neurodegenerative diseases and addresses the decline in ...

Video Movement Analysis Using Smartphones (ViMAS): A Pilot Study

The use of smartphones in clinical practice is steadily increasing with the availability of low cost/freely available &#34;apps&#34; that could be used to assess human gait. The primary aim of this manuscript is to test the concurrent validity of kinematic measures recorded by a smartphone application in comparison to a 3D motion capture system in the sagittal plane. The secondary aim was to develop a protocol for clinicians on the set up of the smartphone camera for video movement analysis.
The sagittal plane knee angle was measured during heel strike and toe off events using the smart phone app and a 3D motion-capture system in 32 healthy subjects. Three trials were performed at near (2-m) and far (4-m) smartphone camera distances. The order of the distances was randomized. Regression analysis was performed to estimate the height of the camera based on either the subject&#39;s height or leg length.
Absolute measurement errors were least during toe off (3.12 &#177; 5.44 degrees) compared to heel strike (5.81 &#177; 5.26 degrees). There were significant (p &#60; 0.05) but moderate agreements between the application and 3D motion capture measures of knee angles. There were also no significant (p &#62; 0.05) differences between the absolute measurement errors between the two camera positions. The measurement errors averaged between 3 - 5 degrees during toe off and heel strike events of the gait cycle.
The use of smartphone apps can be a useful tool in the clinic for performing gait or human movement analysis. Further studies are needed to establish the accuracy in measuring movements of the upper extremity and trunk.

Video Movement Analysis Using Smartphones ViMAS: A Pilot Study

This manuscript describes the method to test the concurrent validity of kinematic measures recorded by the smartphone application in comparison to a 3D motion capture system in the sagittal plane. This protocol will enable clinicians to set up smartphones for video capture of human movement.

Video Bewegungsanalyse mit Smartphones (VIMAS): Eine Pilotstudie

The use of smartphones in clinical practice is steadily increasing with the availability of low cost/freely available &#34;apps&#34; that could be used to ...

Medizin

Setup of Consumer Wearable Devices for Exposure and Health Monitoring in Population Studies

Wearable sensors, which are often embedded in commercial smartwatches, allow for continuous and non-invasive health measurements and exposure assessments in clinical studies. Nevertheless, the real-life application of these technologies in studies involving a large number of participants for a significant observation period may be hindered by several practical challenges. 
In this study, we present a modified protocol from a previous intervention study for the mitigation of health effects from desert dust storms. The study involved two distinct population groups: asthmatic children aged 6-11 years and elderly patients with atrial fibrillation (AF). Both groups were equipped with a smartwatch for the assessment of physical activity (using a heart rate monitor, pedometer, and accelerometer) and location (using GPS signals to locate individuals in indoor "at home" or outdoor microenvironments). The participants were required to wear the smartwatch equipped with a data collection application on a daily basis, and data were transmitted via a wireless network to a centrally administered data collection platform for the near real-time assessment of compliance. 
Over a period of 26 months, more than 250 children and 50 patients with AF participated in the aforementioned study. The main technical challenges identified included restricting access to standard smartwatch features, such as gaming, internet browser, camera, and audio recording applications, technical issues, such as loss of GPS signal, especially in indoor environments, and the internal smartwatch settings interfering with the data collection application.
The aim of this protocol is to demonstrate how the use of publicly available application lockers and device automation applications made it possible to address most of these challenges in a simple and cost-effective way. In addition, the inclusion of a Wi-Fi received signal strength indicator significantly improved indoor localization and largely minimized GPS signal misclassification. The implementation of these protocols during the roll-out of this intervention study in the spring of 2020 led to significantly improved results in terms of data completeness and data quality.

Commercial smartwatches equipped with wearable sensors are increasingly being used in population studies. However, their utility is often constrained by their limited battery duration, memory capacity, and data quality. This report provides examples of cost-effective solutions to real-life technical challenges encountered during studies involving asthmatic children and elderly cardiac patients.

Einrichtung von Consumer Wearable Devices zur Expositions- und Gesundheitsüberwachung in Bevölkerungsstudien

Wearable sensors, which are often embedded in commercial smartwatches, allow for continuous and non-invasive health measurements and exposure assessments ...

Biotechnik

<meta charset="utf8"></head><body>Smartphone-App zur Messung von Brechungsfehlern und Pupillenabständen

Subjective Refraction Test Using a Smartphone for Vision Screening

To improve access to vision care and to enable mass vision screening, a smartphone app has been developed to measure refractive errors. Without needing any external attachment, the app running on a standalone phone can be used by lay personnel to measure subjective refraction. Its validity has been pilot-tested in clinical settings and underserved communities. The app estimates the refractive error by measuring the distances of far points for discerning visual stimuli. Spherical equivalent refraction and astigmatism can be measured using Tumbling E letters and grating patterns, respectively. The purpose of this paper is to describe the measurement protocols for performing subjective refraction using the app. Experimental results with 34 subjects (30 eyes for spherical equivalent and 38 eyes for astigmatism assessment) are presented. Measurement with the app was compared with standard clinical methods. The average absolute error of spherical equivalent refraction was 0.63D, and the average absolute error of astigmatism measurement was 0.28D. In addition, 22 subjects were enrolled to evaluate inter-pupillary distance (IPD) measurement with the app. The average absolute error in IPD measurement with the app was 1.2 mm. The protocol for measuring IPD with the app is also described.

<meta charset="utf8"></head><body>Subjektiver Refraktionstest mit einem Smartphone für das Sehscreening

This paper presents the protocols and clinical validation data for using a smartphone app to subjectively measure refractive error.

Subjektiver Refraktionstest mit einem Smartphone für das Sehscreening

To improve access to vision care and to enable mass vision screening, a smartphone app has been developed to measure refractive errors. Without needing ...

Supply

Supply is a fundamental concept in economics that refers to the quantity of goods and services that producers are willing and able to offer for sale at various prices within a given period.
It represents the relationship between the price of a product and the quantity supplied. Generally as prices rise, producers are typically motivated to supply more goods or services to the market, increasing the quantity supplied. Conversely, when prices fall, producers may reduce the quantity supplied as it becomes less profitable.
Several factors affect supply, including input costs, technology, government policies, the number of suppliers, and future price expectations. Input costs, like raw materials and labor, significantly impact production expenses. Higher input costs tend to decrease supply, while lower input costs can increase it. Technological advancements can enhance production efficiency, leading to an increase in supply. Government policies, such as subsidies, taxes or regulations, shape supply dynamics. The number of suppliers in the market increases or decreases overall supply levels. Additionally, producers&#39; expectations about future prices can influence current supply decisions. If higher price anticipated, producers might reduce current supply to sell more later, and vice versa. All these factors interact to determine how much producers are willing and able to supply at different price levels.
Understanding supply is essential as it helps individuals comprehend how businesses make production decisions and how changes in supply affect market equilibrium.

Versorgung

Supply is the amount of a good or service that producers are willing and able to sell at a particular price during a specific period.
It depends on ...

Messung der Wechselkosten für die Smartphone-Nutzung während des Gehens

Zusammenfassung

Weitere Videos entdecken

Kapitel in diesem Video

Evaluation eines Smartphone-basierte Personal Activity Recognition System in einem täglichen Lebens Umwelt

Eine Anwendung zur Kopplung mit tragbaren Geräten zur Überwachung des persönlichen Gesundheitszustands

Eine Bewertungsmethode und ein Toolkit zur Bewertung des Tastaturdesigns auf Smartphones

Walk with Me Hybrides virtuelles/persönliches Gehen für ältere Erwachsene mit neurodegenerativen Erkrankungen

Video Bewegungsanalyse mit Smartphones (VIMAS): Eine Pilotstudie

Einrichtung von Consumer Wearable Devices zur Expositions- und Gesundheitsüberwachung in Bevölkerungsstudien

Subjektiver Refraktionstest mit einem Smartphone für das Sehscreening

Subjektiver Refraktionstest mit einem Smartphone für das Sehscreening

Subjektiver Refraktionstest mit einem Smartphone für das Sehscreening

Versorgung