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

Gli autori riconoscono il sostegno finanziario del 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>

Gli autori non hanno nulla da rivelare.

Una scelta critica quando si utilizza il protocollo sarebbe garantire la qualità dei dati neurofisiologici. C'è una complicazione intrinseca nell'utilizzo di uno strumento come l'EEG durante il movimento, perché un movimento eccessivo può creare molto rumore nei dati. È quindi importante considerare, prima della raccolta dei dati, come i dati saranno preparati per rimuovere il maggior numero possibile di artefatti senza modificare il segnale effettivo. Tuttavia, è ancora abbastanza probabile che ci saranno tassi pi...

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

Poiché sia la penetrazione dello smartphone che la tendenza al multitasking sono in aumento, è importante capire l'impatto che l'uso dello smartphone mentre si cammina ha sull'attenzione. La letteratura ha dimostrato ripetutamente che il cambio di attività ha un costodi 1, incluso l'uso dello smartphone mentre si cammina. Gli studi hanno scoperto che l'uso di uno smartphone mentre si cammina può essere fonte di distrazione e pericoloso 2,3,4. Questi pericoli sono stati collegati alle menomazioni attentive di svolgere un tale compito 3,4,5,6,7. A causa della natura complessa dell'ambiente pedonale, studiarlo in un contesto sperimentale ecologicamente valido può essere problematico. Tuttavia, condurre tali studi in ambienti pedonali reali può comportare complicazioni proprie perché possono entrare in gioco molte variabili estranee e c'è il rischio di danni al partecipante a causa di distrazioni. È importante essere in grado di studiare un tale fenomeno in un ambiente relativamente sicuro che rimanga il più realistico possibile. In questo articolo, descriviamo una metodologia di ricerca che studia il costo di commutazione delle attività di invio di messaggi di testo mentre si cammina, aumentando al contempo la validità dell'attività e mitigando i potenziali rischi coinvolti.
Quando si utilizza uno smartphone mentre si cammina, le persone sono costrette a passare dalle attività dello smartphone alle attività relative alla deambulazione e all'ambiente. Quindi, al fine di studiare un tale fenomeno, abbiamo trovato pertinente inquadrare questo metodo all'interno della letteratura sul multitasking, specificamente focalizzata sul paradigma del task switching. Per fare ciò, è stato utilizzato il paradigma di commutazione delle attività1, facendo passare i partecipanti da un compito pre-stimolo a un compito post-stimolo. Uno dei due compiti pre-stimolo riguardava il multitasking, mentre l'altro no. Nel compito post-stimolo, i partecipanti dovevano rispondere a uno stimolo la cui percezione è influenzata dall'attenzione divisa8. Inoltre, studi sperimentali di laboratorio che cercano di essere il più ecologicamente validi possibile hanno spesso utilizzato ambienti pedonali virtuali per comprendere l'impatto attenzionale dell'uso dello smartphone mentre si cammina 4,9. Tuttavia, al fine di catturare i meccanismi neurofisiologici sottostanti, abbiamo scelto di concentrarci sulla specifica reazione di commutazione del compito a uno stimolo per ridurre al minimo il numero di stimoli a cui i partecipanti dovevano reagire. In questo modo, possiamo individuare con maggiore precisione il costo del cambio di attività derivante esclusivamente dallo spostamento dell'attenzione dallo smartphone allo stimolo. Con il nostro disegno di studio, utilizziamo misure comportamentali (cioè costi di commutazione delle attività) e dati neurofisiologici per comprendere meglio i disturbi dell'attenzione riscontrati durante l'uso dello smartphone pedonale.
Durante un esperimento di commutazione delle attività, i partecipanti di solito eseguivano almeno due semplici compiti relativi a un insieme di stimoli, con ogni compito che richiedeva un diverso insieme di risorse cognitive indicato come "task-set"1. Quando gli individui sono costretti a passare da un compito all'altro, le loro risorse mentali devono adattarsi (cioè, l'inibizione del set di compiti precedente e l'attivazione del set di compiti corrente). Si ritiene che questo processo di "riconfigurazione del set di attività" sia la causa del costo di commutazione delle attività1. Il costo del cambio di attività è solitamente determinato osservando le differenze nel tempo di risposta e / o nel tasso di errore tra le prove in cui i partecipanti passano da un'attività all'altra e quelle in cui non lo fanno10. Nel nostro esperimento, abbiamo avuto tre serie di compiti: 1) rispondere a uno stimolo point-light walker; 2) inviare messaggi di testo su uno smartphone mentre si cammina; e 3) semplicemente camminando. Abbiamo confrontato il costo del passaggio tra due diverse condizioni: 1) semplicemente camminare prima di rispondere allo stimolo e 2) camminare mentre si invia un messaggio prima di rispondere. In questo modo, abbiamo catturato il costo del multitasking su uno smartphone prima di cambiare l'attività e siamo stati in grado di confrontarlo direttamente con il costo dello switch non multitasking di camminare semplicemente prima della comparsa dello stimolo visivo. Poiché lo smartphone utilizzato in questo studio era di una marca specifica, tutti i partecipanti sono stati sottoposti a screening prima dell'esperimento per essere sicuri di sapere come utilizzare correttamente il dispositivo.
Al fine di simulare un'esperienza realistica rappresentativa del contesto pedonale, abbiamo deciso di utilizzare una figura di camminatore puntiforme come stimolo visivo, che rappresenta una forma umana che cammina con un angolo di deviazione di 3,5 ° verso sinistra o destra del partecipante. Questa figura è composta da 15 punti neri su sfondo bianco, con i punti che rappresentano la testa, le spalle, i fianchi, i gomiti, i polsi, le ginocchia e le caviglie di un essere umano (Figura 1). Questo stimolo si basa sul movimento biologico, il che significa che segue lo schema di movimento tipico degli esseri umani e degli animali11. Inoltre, questo stimolo è più che ecologicamente valido; Richiede un'elaborazione visiva complessa e attenzione per essere analizzata con successo12,13. È interessante notare che Thornton et al.8 hanno scoperto che la corretta identificazione della direzione del camminatore puntiforme è fortemente influenzata dall'attenzione divisa, rendendola adatta come misura delle prestazioni quando si studiano i costi di commutazione delle attività durante il multitasking. Ai partecipanti è stato chiesto di dichiarare verbalmente la direzione in cui la figura stava camminando. L'aspetto del camminatore era sempre preceduto da un segnale uditivo che segnalava la sua apparizione sullo schermo.
Le prestazioni sul compito del camminatore puntiforme e i dati neurofisiologici ci hanno permesso di determinare l'impatto attenzionale di entrambe le condizioni e aiutare a determinare cosa le ha causate. Le prestazioni sono state misurate osservando i tassi di errore e i tempi di risposta nel determinare la direzione della figura del camminatore puntiforme. Al fine di comprendere i meccanismi cognitivi e attentivi sottostanti coinvolti nei disturbi dell'attenzione che abbiamo trovato con la misurazione delle prestazioni, abbiamo valutato i dati neurofisiologici dei partecipanti utilizzando l'EEG actiCAP con 32 elettrodi. L'EEG è uno strumento appropriato in termini di precisione temporanea, che è importante quando si cerca di vedere cosa causa scarse prestazioni in momenti specifici nel tempo (ad esempio, l'aspetto della figura del camminatore puntiforme), sebbene gli artefatti possano essere presenti nei dati a causa dei movimenti. Quando si analizzano i dati EEG, due indici sono particolarmente rilevanti: 1) oscillazioni alfa; e 2) impegno cognitivo. La ricerca ha scoperto che le oscillazioni alfa possono rappresentare il controllo della memoria di lavoro e l'inibizione attiva dei circuiti cerebrali irrilevanti per il compito14,15,16,17. Confrontando le oscillazioni alfa a livelli basali con quelle che si verificano con la presentazione dello stimolo18,19, abbiamo ottenuto il rapporto alfa. Con questo rapporto, abbiamo determinato i cambiamenti correlati agli eventi che potrebbero essere alla base della compromissione dell'attenzione osservata quando si inviano messaggi di testo mentre si cammina. Per quanto riguarda l'impegno cognitivo, Pope et al.20 hanno sviluppato un indice in cui l'attività beta rappresenta un aumento dell'eccitazione e dell'attenzione, e l'attività alfa e theta riflette la diminuzione dell'eccitazione e dell'attenzione21,22. Questa analisi è stata fatta per determinare se un maggiore coinvolgimento prima della comparsa dello stimolo complicherebbe la riconfigurazione del set di attività richiesta per rispondere alla figura del camminatore.
Con la metodologia descritta in questo documento, cerchiamo di cogliere i meccanismi sottostanti che influiscono sulle prestazioni di commutazione delle attività nei partecipanti impegnati in episodi multitasking. La condizione di deambulazione rappresenta una prestazione di commutazione di attività non multitasking che viene confrontata con una prestazione di commutazione di attività multitasking (ad esempio, inviare messaggi di testo mentre si cammina). Misurando i ruoli dell'inibizione del set di attività e dell'attivazione del set di attività, abbiamo cercato di comprendere meglio i costi di commutazione che si verificano quando si invia un messaggio di testo mentre si cammina. È importante notare che lo studio originale è stato condotto in un ambiente virtuale immersivo23 , ma è stato successivamente replicato in una sala sperimentale (vedi Figura 2) con un proiettore che visualizza la figura del camminatore su uno schermo di fronte al partecipante. Poiché questo ambiente virtuale non è più disponibile, il protocollo è stato adattato all'attuale progettazione della sala sperimentale.

<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

Questo documento presenta un protocollo di studio per misurare il costo di commutazione delle attività dell'utilizzo di uno smartphone mentre si cammina. Questo metodo prevede che i partecipanti camminino su un tapis roulant in due condizioni sperimentali: una condizione di controllo (cioè semplicemente camminare) e una condizione multitasking (cioè inviare messaggi mentre si cammina). Durante queste condizioni, i partecipanti devono passare tra i compiti relativi alla condizione sperimentale e un compito che determina la direzione. Questo compito di direzione viene svolto con una figura di camminatore puntiforme, apparentemente camminando verso la sinistra o la destra del partecipante. Le prestazioni dell'attività di direzione rappresentano i costi di commutazione dell'attività del partecipante. Ci sono state due misure di performance: 1) corretta identificazione della direzione e 2) tempo di risposta. I dati EEG vengono registrati al fine di misurare le oscillazioni alfa e l'impegno cognitivo che si verificano durante il cambio di attività. Questo metodo è limitato nella sua validità ecologica: gli ambienti pedonali hanno molti stimoli che si verificano simultaneamente e competono per l'attenzione. Tuttavia, questo metodo è appropriato per individuare i costi di commutazione delle attività. I dati EEG consentono lo studio dei meccanismi sottostanti nel cervello che sono legati a diversi costi di commutazione delle attività. Questo design consente il confronto tra il cambio di attività quando si esegue un'attività alla volta, rispetto al cambio di attività durante il multitasking, prima della presentazione dello stimolo. Ciò consente di comprendere e individuare sia l'impatto comportamentale che neurofisiologico di queste due diverse condizioni di commutazione dei compiti. Inoltre, correlando i costi di commutazione delle attività con l'attività cerebrale, possiamo saperne di più su ciò che causa questi effetti comportamentali. Questo protocollo è una base appropriata per studiare il costo di commutazione dei diversi usi degli smartphone. È possibile aggiungere diversi compiti, questionari e altre misure al fine di comprendere i diversi fattori coinvolti nel costo di commutazione delle attività dell'uso dello smartphone mentre si cammina.

Questo protocollo di studio è stato originariamente condotto con 54 partecipanti, ciascuno rispondente a 88 studi di direzione. La metà di questi studi si è verificata quando i partecipanti stavano semplicemente camminando prima della presentazione dello stimolo; L'altra metà si è verificata quando i partecipanti stavano scrivendo messaggi mentre camminavano prima della presentazione dello stimolo.
Risultati comportamentali Le prestazioni sulla direzione del camminator...

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

Questo progetto di studio misura il costo di commutazione delle attività dell'utilizzo di uno smartphone mentre si cammina. I partecipanti subiscono due condizioni sperimentali: una condizione di controllo (camminare) e una condizione multitasking (inviare messaggi di testo mentre si cammina). I partecipanti passano da questi compiti a un compito che determina la direzione. Vengono registrati i dati EEG e le misure comportamentali.

Misurare il costo dell'interruttore dell'uso dello smartphone mentre si cammina

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 Views.  HEC Montréal. Questo progetto di studio misura il costo di commutazione delle attività dell'utilizzo di uno smartphone mentre si cammina. I partecipanti subiscono due condizioni sperimentali: una condizione di controllo (camminare) e una condizione multitasking (inviare messaggi di testo mentre si cammina). I partecipanti passano da questi compiti a un compito che determina la direzione. Vengono registrati i dati EEG e le misure comportamentali.

Video: 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.

Valutazione di un sistema di riconoscimento attività umana basata-Smartphone in un ambiente di vita quotidiana

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

Ricerca

Comportamento

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.

Un'applicazione per l'abbinamento con dispositivi indossabili per monitorare lo stato di salute personale

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

Ambiente

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.

Un metodo di valutazione e un toolkit per valutare la progettazione della tastiera su smartphone

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 Camminata ibrida virtuale/di persona per anziani con malattie neurodegenerative

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 Analisi del Movimento Utilizzando Smartphone (VIMAS): uno studio pilota

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 ...

Medicina

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.

Configurazione di dispositivi indossabili di consumo per l'esposizione e il monitoraggio della salute negli studi di popolazione

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

Bioingegneria

<meta charset="utf8"></head><body>App per smartphone per la misurazione degli errori di rifrazione e della distanza interpupillare

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>Test di rifrazione soggettiva con smartphone per lo screening della vista

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

Test di rifrazione soggettiva con smartphone per lo screening della vista

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.

Fornitura

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 ...

Misurare il costo dell'interruttore dell'uso dello smartphone mentre si cammina

Riepilogo

Esplora Altri Video

Capitoli in questo video

Valutazione di un sistema di riconoscimento attività umana basata-Smartphone in un ambiente di vita quotidiana

Un'applicazione per l'abbinamento con dispositivi indossabili per monitorare lo stato di salute personale

Un metodo di valutazione e un toolkit per valutare la progettazione della tastiera su smartphone

Walk with Me Camminata ibrida virtuale/di persona per anziani con malattie neurodegenerative

Video Analisi del Movimento Utilizzando Smartphone (VIMAS): uno studio pilota

Configurazione di dispositivi indossabili di consumo per l'esposizione e il monitoraggio della salute negli studi di popolazione

Test di rifrazione soggettiva con smartphone per lo screening della vista

Test di rifrazione soggettiva con smartphone per lo screening della vista

Test di rifrazione soggettiva con smartphone per lo screening della vista

Fornitura