Skip to content
Retour aux résultats

Collecte de données par capteurs — Collecte de données basée sur des capteurs

Introduite par
Multidisciplinary; sensor networks formalized in engineering and computer science from the 1990s onward
Année
1990s–2000s (widespread deployment with IoT ~2000s)
Type
Quantitative / mixed data collection technique
Famille
Data collection

Ce texte est une traduction automatique et n’a pas encore été relu. Lire l’original en anglais

Taille de police

À quoi sert-elle ?

La collecte de données par capteurs utilise des instruments physiques ou numériques pour capturer automatiquement des mesures quantitatives de l'environnement, du corps humain ou des machines au fil du temps.

Les capteurs courants mesurent la température, le mouvement, la fréquence cardiaque, la localisation, la lumière, le son ou les propriétés chimiques. Parce que l'enregistrement est automatisé et continu, cette méthode peut produire des ensembles de données à haute fréquence avec une charge minimale pour le chercheur, ce qui en fait un élément central de l'IdO, de la surveillance environnementale, de la recherche sur les dispositifs portables et des études comportementales.

L’intuition derrière la méthode

Imaginez attacher un petit accéléromètre au poignet d'un travailleur : chaque fraction de seconde, il enregistre silencieusement des données de mouvement sans demander au travailleur de s'arrêter pour remplir un formulaire. C'est l'attrait principal de la collecte de données par capteurs — elle capture ce qui se passe réellement dans le monde plutôt que ce dont les participants se souviennent ou ce qu'ils rapportent. Le chercheur conçoit à l'avance le placement des capteurs et les règles d'échantillonnage, et les instruments font l'observation. Les données de séries temporelles résultantes peuvent être denses, objectives et exemptes de biais de rappel, mais elles nécessitent un étalonnage et un prétraitement minutieux avant de devenir utiles pour l'analyse.

Histoire

L'utilisation systématique d'instruments pour la mesure scientifique remonte à la science moderne précoce, mais la collecte de données par capteurs en réseau en tant que paradigme de recherche distinct a émergé dans les années 1990 avec le développement des réseaux de capteurs sans fil en informatique et en ingénierie. L'article de Chong et Kumar de 2003 dans IEEE Proceedings est largement cité comme une enquête fondamentale sur le domaine. La prolifération des capteurs MEMS miniaturisés, des smartphones et des plateformes IdO à partir du milieu des années 2000 a rendu la collecte de données basée sur des capteurs accessible aux scientifiques sociaux, de la santé et du comportement. Les trackers de fitness portables et les systèmes d'évaluation écologique momentanée ont formalisé son utilisation en psychologie et en santé publique.

Quand l’utiliser

Utilisez la collecte de données par capteurs lorsque la question de recherche nécessite une mesure objective, continue ou à haute fréquence de phénomènes physiques ou physiologiques qui ne peuvent pas être capturés de manière fiable par auto-déclaration — par exemple, la surveillance de l'activité physique, l'exposition environnementale, la qualité du sommeil ou les performances des machines. Elle est particulièrement précieuse dans les conceptions longitudinales où des enquêtes quotidiennes ou hebdomadaires créeraient une charge inacceptable pour les participants. Ne l'utilisez pas lorsque le phénomène d'intérêt est intrinsèquement subjectif (attitudes, significations, croyances) ou lorsque le coût et la complexité technique du déploiement des capteurs dépassent la valeur des données ; dans ces cas, les enquêtes, les entretiens ou l'évaluation écologique momentanée avec des éléments d'auto-déclaration peuvent être plus appropriés.

Limites et points d’attention

  • Les capteurs mesurent des proxys, pas directement les phénomènes ; l'inférence du comportement ou de l'état à partir de signaux bruts nécessite des algorithmes validés.
  • Le coût de l'équipement, l'effort d'étalonnage et l'expertise technique créent des barrières de mise en place élevées par rapport aux méthodes de questionnaire.
  • Les volumes de données peuvent être très importants, nécessitant un stockage substantiel, une infrastructure de traitement et des compétences analytiques.
  • Les risques de confidentialité et éthiques sont amplifiés lors de la collecte de données continues de localisation, biométriques ou comportementales auprès de participants humains.

Les conditions de la source ne remplacent ni une revue scientifique indépendante ni la validation par un moteur d’analyse.

Points forts

  • Fournit une mesure objective et automatisée qui élimine le biais de rappel et les effets de désirabilité sociale.
  • Permet une haute résolution temporelle — capture de données continue ou quasi continue que les enquêtes ne peuvent pas atteindre.
  • Bonne évolutivité : un seul déploiement peut surveiller des dizaines ou des centaines de participants ou de lieux simultanément.
  • Prend en charge les conceptions longitudinales et en situation réelle (écologiques) avec une charge continue minimale pour les participants ou les chercheurs.
  • Génère des ensembles de données reproductibles et archivables qui peuvent être réanalysés pour des questions de recherche secondaires.

Applications

  • Surveillance de l'activité physique et du comportement sédentaire en santé publique et en sciences du sport à l'aide d'accéléromètres portés au poignet.
  • Surveillance environnementale continue de la qualité de l'air, de la température ou des niveaux de bruit dans les études urbaines et la santé au travail.
  • Recherche sur le sommeil utilisant l'actigraphie portée au poignet pour enregistrer objectivement les cycles veille-sommeil sur plusieurs nuits.
  • IdO industriel : enregistrement des vibrations, de la température et des paramètres opérationnels des machines pour prédire les besoins de maintenance.
  • Écologie comportementale et recherche sur la faune sauvage utilisant des colliers GPS et des enregistreurs biologiques pour suivre les mouvements et la physiologie des animaux.
  • Recherche sur le comportement de conduite utilisant des capteurs de diagnostic embarqués (OBD) pour enregistrer la vitesse, le freinage et l'accélération dans des études naturalistes.

Comment ça marche

Comment ça marche

1

Le chercheur spécifie le phénomène à mesurer, sélectionne le(s) type(s) de capteur(s) approprié(s), détermine le taux et la durée d'échantillonnage, et définit l'unité d'analyse (individu, lieu, appareil). Les considérations éthiques et de confidentialité sont abordées — particulièrement importantes lors de la collecte de données biométriques ou de localisation auprès de participants humains.

2

Les capteurs sont installés physiquement ou attachés (sur des corps, dans des espaces, sur des machines) et configurés. L'étalonnage est effectué pour garantir que les mesures sont précises et cohérentes entre les appareils. Un essai pilote vérifie que les données sont enregistrées correctement et que la durée de vie de la batterie, la connectivité et la capacité de stockage sont suffisantes pour la durée de l'étude.

3

Les capteurs enregistrent automatiquement les lectures à l'intervalle spécifié ou en réponse à des événements (par exemple, mouvement détecté, seuil dépassé). Les données peuvent être stockées localement sur l'appareil, transmises en continu vers un serveur en temps réel, ou transmises par lots. La surveillance pendant la période de collecte permet de détecter les défaillances des capteurs, les interruptions de connectivité ou les lacunes inattendues.

4

Les flux bruts de capteurs sont nettoyés pour éliminer le bruit, les valeurs aberrantes et les artefacts causés par un dysfonctionnement du capteur, un mouvement corporel ou une interférence environnementale. Les fenêtres de données manquantes sont identifiées et traitées (imputation ou exclusion). Les unités sont standardisées et les horodatages sont alignés sur plusieurs canaux de capteurs.

5

Les données nettoyées sont stockées dans un format structuré (base de données de séries temporelles, fichiers plats ou stockage en colonnes) avec des métadonnées documentant le modèle du capteur, la version du firmware, le placement et les paramètres d'étalonnage. Les enregistrements de provenance des données permettent la reproductibilité et soutiennent l'analyse secondaire ultérieure ou l'archivage.

Pièges courants

  • Sauter l'étalonnage — les capteurs non étalonnés introduisent une erreur systématique qui ne peut être corrigée en analyse ; comparez toujours avec une référence connue avant et après le déploiement.
  • Ignorer les modèles de perte de données — le décrochage dû à une défaillance de batterie ou à des problèmes de connectivité est rarement aléatoire ; traiter les fenêtres manquantes comme si elles étaient manquantes aléatoirement peut biaiser les conclusions.
  • Confondre le signal du capteur avec le construit — les comptes bruts de l'accéléromètre ne sont pas l'activité physique ; assurez-vous que l'algorithme ou le seuil utilisé pour inférer le construit cible est validé pour votre population et votre contexte.
  • Sous-estimer le temps de prétraitement — le nettoyage et l'ingénierie des caractéristiques consomment généralement plus de temps de projet que l'analyse ; budgétez-le explicitement.
  • Procédures de consentement inadéquates — la surveillance passive continue nécessite une divulgation claire au participant et un mécanisme de retrait facile ; ne pas les fournir crée une exposition éthique et légale.

Questions fréquentes

En quoi la collecte de données par capteurs diffère-t-elle de l'évaluation écologique momentanée (EMA) ?

L'EMA invite les participants à fournir des auto-déclarations à des moments aléatoires ou programmés dans la vie quotidienne ; elle capture l'expérience subjective. La collecte de données par capteurs enregistre automatiquement des signaux physiques ou physiologiques objectifs sans nécessiter la participation du participant. De nombreuses études combinent les deux : les capteurs fournissent des données comportementales objectives tandis que l'EMA fournit un contexte subjectif concomitant.

Quel taux d'échantillonnage dois-je choisir ?

Le taux d'échantillonnage doit être au moins le double de la fréquence la plus élevée du signal que vous souhaitez capturer (théorème de Nyquist). Pour des phénomènes lents tels que la température ambiante, un intervalle d'une minute peut suffire. Pour l'analyse de la démarche ou la variabilité de la fréquence cardiaque, des taux de 50 à 100 Hz ou plus sont nécessaires. Des taux plus élevés génèrent des fichiers plus volumineux et épuisent la batterie plus rapidement, choisissez donc le taux minimum qui préserve le signal pertinent.

Comment gérer les données des participants qui ont retiré le capteur prématurément ?

Identifiez les périodes de non-port à l'aide d'algorithmes validés de détection de port (par exemple, périodes de variance nulle en accélérométrie). Excluez ces fenêtres des analyses et rapportez la proportion de temps de port valide. Si le non-port est différentiel entre les groupes ou corrélé avec le résultat, abordez le biais potentiel explicitement dans vos méthodes et vos limites.

Le consentement du participant est-il requis même pour les capteurs environnementaux qui ne ciblent pas les individus ?

Cela dépend si le capteur peut capturer des informations personnellement identifiables. Un capteur de température dans une zone commune d'un bâtiment ne nécessite généralement qu'une approbation institutionnelle. Une caméra, un microphone ou une balise de localisation qui peut identifier des individus nécessite le consentement éclairé de ceux qui pourraient être capturés. Consultez le comité d'éthique de votre institution et les réglementations applicables en matière de protection des données avant le déploiement.

Les données de capteurs peuvent-elles être utilisées dans la recherche qualitative ?

Les données de capteurs sont intrinsèquement quantitatives, mais elles sont parfois utilisées comme stimuli dans un suivi qualitatif : les participants examinent leurs propres traces de données (une technique appelée entretien assisté par données ou photo-évocation avec données personnelles) pour susciter la réflexion. Cette approche mixte peut combiner l'objectivité de la mesure par capteur avec la profondeur interprétative de l'enquête qualitative.

Méthodes associées

Sources

  1. Chong, C.-Y., & Kumar, S. P. (2003). Sensor networks: Evolution, opportunities, and challenges. Proceedings of the IEEE, 91(8), 1247–1256.

    Ouvrir la référence DOI
    Copié.
  2. Sensor. Wikipedia.

    Ouvrir la référence de la publication
    Copié.