Optimieren Sie Ihre Verhaltensforschung mithilfe von Beschleunigungsmessung, um die Datenanalyse zu verbessern. Entdecken Sie, wie diese Technologie Ihren Forschungsmethoden eine neue Dimension verleiht und wertvolle Erkenntnisse liefert. Nutzen Sie die Beschleunigungsmessung, um Ihre Forschungsergebnisse voranzutreiben und das Verständnis von Verhaltensmustern zu vertiefen – für umfassende Forschungsergebnisse.

Seitenansicht eines sportlichen Mannes, der mit einem Trainingsfallschirm am Strand läuft.

Kurzfassung:

Der „Accelerometry Notebook“-Algorithmus nutzt die Sensoren des Geräts, um Daten zu körperlichen Bewegungen zu erfassen, und bietet folgende Vorteile:

Bewegungsdaten von unterstützten Geräten abrufen
Passen Sie die Erkennungsschwellenwerte an, um aussagekräftige Bewegungen zu identifizieren
Erzeugung eines Rohdatensignals für Bewegungen in X-, Y- und Z-Richtung, Bewegungsamplitude, Bewegungserkennung und Spitzenwert-Erkennung
Rufen Sie folgende Beschleunigungsmessdaten ab: Anzahl der Bewegungen, Bewegungsdauer (ms), Bewegungsanteil (%), durchschnittliche Bewegungsdauer (ms), durchschnittliche Beschleunigungsstärke (m/s²), durchschnittliche Spitzenbeschleunigung (m/s²), Bewegungsschwelle (m/s²)
Bewegungsmarker für Bewegungsbeginn, Bewegungsende und Bewegungsspitzen generieren
Erstellen Sie Anmerkungen auf der Grundlage von Bewegungsmarkern, um die Analyse zu vereinfachen

Wir freuen uns, Ihnen eine leistungsstarke neue Funktion vorstellen zu dürfen: das Accelerometry-Notebook. Diese Funktion ermöglicht die Bewegungserkennung und ist nahtlos in die iMotions Lab-Plattform integriert, wodurch Ihr Forschungsworkflow optimiert wird.

Warum ist die Bewegungserkennung in der Forschung wichtig?

Bewegungsdaten spielen in verschiedenen Arten von Studien eine entscheidende Rolle, sei es zur Datenqualitätskontrolle, als Indikator für wichtige Ereignisse oder sogar als physiologische Reaktion an sich.

1. Datenqualitätskontrolle

In vielen Fällen kann Bewegung die Datenqualität beeinträchtigen. So reagieren beispielsweise Messungen der galvanischen Hautreaktion (GSR) sehr empfindlich auf Bewegungsartefakte, die die Ergebnisse verfälschen können. Durch die Erkennung von Bewegungen können Forscher von Bewegungen betroffene Datensegmente identifizieren und ausschließen, wodurch sauberere und zuverlässigere Ergebnisse gewährleistet werden.

2. Bewegung als Indikator für wichtige Ereignisse

Bewegungen können oft auf entscheidende Momente innerhalb eines Experiments hinweisen und Forschern dabei helfen, genau zu bestimmen, wann wichtige Wechselwirkungen oder physiologische Reaktionen auftreten.

Bei Produkttests hilft die Bewegungserkennung den Forschern dabei, wichtige Interaktionsmomente zu identifizieren, beispielsweise wenn ein Teilnehmer ein Produkt anwendet. Dies ermöglicht eine genauere Analyse der darauf folgenden physiologischen Reaktionen.

Auch in der Sportwissenschaft kann die Bewegungserfassung dabei helfen, die unmittelbare physiologische Reaktion des Körpers nach einem Schlag beim Baseball oder Golf zu erfassen, was wertvolle Erkenntnisse liefert.

3. Bewegung als physiologische Reaktion

Nahaufnahme einer nicht identifizierbaren Geschäftsfrau, die während der Arbeit im Büro unter Rückenschmerzen leidet.

In manchen Fällen ist Bewegung an sich ein direkter Indikator für das Interesse. Im Bereich der Human Factors und Ergonomie kann übermäßiges Zappeln bei der Nutzung eines neu gestalteten Stuhls oder Schreibtisches auf Unbehagen hindeuten und als Anhaltspunkt für Verbesserungen im Produktdesign dienen.

Ebenso kann in der Verhaltensforschung die Art und Weise, wie sich eine Person bewegt – oder das Ausmaß, in dem sie sich bewegt –, Aufschluss über den Grad an Stress, Engagement oder Entspannung in verschiedenen Umgebungen geben.

Beschleunigungsmessdaten sind ebenso vielseitig wie leistungsstark. Ob sie nun zur Datenbereinigung durch das Herausfiltern von Bewegungsartefakten oder als Indikator für Verhaltensmuster genutzt werden – ihrem Potenzial sind nur durch die eigene Kreativität Grenzen gesetzt. Durch die Einbindung der Bewegungserkennung in Ihre Studien können Sie die Datengenauigkeit verbessern, aussagekräftige Erkenntnisse über das Verhalten gewinnen und ein tieferes Verständnis für die Reaktionen der Teilnehmer erlangen.

Wie funktioniert das?

Wie bereits erwähnt, nutzt unsere neue Beschleunigungsmessfunktion die integrierten Funktionen zur Erfassung von Bewegungsdaten unterstützter Geräte, wie beispielsweise GSR-Sensoren und Eye-Tracking-Brillen. Wenn Sie sich nicht sicher sind, ob Ihr Gerät über eine Beschleunigungsmessfunktion verfügt, wenden Sie sich am besten an den Hersteller.

Nach der Datenerfassung finden Sie den Algorithmus zur Beschleunigungsmessung auf der Registerkarte „Signalverarbeitung“ neben anderen Verarbeitungswerkzeugen für R-Notebooks. Hier können Sie einen Schwellenwert für die Bewegungserkennung festlegen, damit die Software Beschleunigungssignaldaten auf Ihrer Zeitachse generieren kann.

Diese Signaldaten umfassen Rohdaten zu den Bewegungs- und Beschleunigungswerten in X-, Y- und Z-Richtung. Darüber hinaus stellt die iMotions-Software ein Signal für die Bewegungserkennung und die Spitzenwert-Erkennung bereit.

Außerdem erhalten Sie eine Zusammenfassung zu folgenden Punkten:

Anzahl der Bewegungen,
Verstrichene Zeit (ms),
Prozentuale Veränderung (%),
Durchschnittliche Bewegungsdauer (ms),
Durchschnittliche Beschleunigung (m/s²),
Durchschnittliche Spitzenbeschleunigung (m/s²),
Bewegungsschwelle (m/s²)

Anhand all dieser Daten generiert die Software automatisch Markierungen für den Beginn, das Ende und den Höhepunkt einer Bewegung. Diese Markierungen können dann zur Erstellung automatischer Anmerkungen verwendet werden, die Sie an Ihre Forschungsanforderungen anpassen können.

Ganz gleich, ob Sie Bewegungsabschnitte markieren oder sich auf Daten vor oder nach einer Bewegung konzentrieren – diese Markierungen helfen dabei, die Segmentierung zu optimieren, wodurch Ihre Analyse strukturierter und aussagekräftiger wird.

Mit dem Beschleunigungsmessungs-Notebook von iMotions ist die Bewegungserkennung nicht mehr nur ein nachträglicher Einfall, sondern ein fester Bestandteil Ihres Forschungsablaufs. Ganz gleich, ob Sie Ihre Daten bereinigen, wichtige Ereignisse markieren oder Bewegungen als Verhaltensreaktion analysieren möchten – diese Funktion ermöglicht es Ihnen, effizienter zu arbeiten und tiefere Einblicke zu gewinnen.