Skip to content
Torna ai risultati

Raccolta Dati da Sensori — Raccolta Dati Basata su Sensori

Introdotto da
Multidisciplinary; sensor networks formalized in engineering and computer science from the 1990s onward
Anno
1990s–2000s (widespread deployment with IoT ~2000s)
Tipo
Quantitative / mixed data collection technique
Famiglia
Data collection

Questo testo è una traduzione automatica e non è ancora stato revisionato. Leggi l’originale in inglese

Dimensione del carattere

A cosa serve?

La raccolta dati da sensori utilizza strumenti fisici o digitali per acquisire automaticamente misurazioni quantitative dall'ambiente, dal corpo umano o da macchine nel tempo.

Sensori comuni misurano temperatura, movimento, frequenza cardiaca, posizione, luce, suono o proprietà chimiche. Poiché la registrazione è automatizzata e continua, il metodo può produrre set di dati ad alta frequenza con un minimo onere per il ricercatore, rendendolo centrale per l'IoT, il monitoraggio ambientale, la ricerca sui dispositivi indossabili e gli studi comportamentali.

L’intuizione alla base del metodo

Si pensi all'applicazione di un piccolo accelerometro al polso di un lavoratore: ogni frazione di secondo registra silenziosamente dati di movimento senza chiedere al lavoratore di fermarsi e compilare un modulo. Questo è il fascino principale della raccolta dati da sensori: cattura ciò che sta realmente accadendo nel mondo piuttosto che ciò che i partecipanti ricordano o riportano al riguardo. Il ricercatore progetta in anticipo il posizionamento del sensore e le regole di campionamento, e gli strumenti effettuano l'osservazione. I dati di serie temporali risultanti possono essere densi, obiettivi e privi di bias di richiamo, ma richiedono un'attenta calibrazione e pre-elaborazione prima di diventare utili per l'analisi.

Storia

L'uso sistematico di strumenti per la misurazione scientifica risale alla scienza moderna iniziale, ma la raccolta dati da sensori in rete come paradigma di ricerca distinto è emersa negli anni '90 con lo sviluppo di reti di sensori wireless nell'informatica e nell'ingegneria. L'articolo di Chong e Kumar del 2003 su IEEE Proceedings è ampiamente citato come un sondaggio fondamentale del campo. La proliferazione di sensori MEMS miniaturizzati, smartphone e piattaforme IoT dalla metà degli anni 2000 in poi ha reso la raccolta dati basata su sensori accessibile agli scienziati sociali, sanitari e comportamentali. I fitness tracker indossabili e i sistemi di valutazione ecologica momentanea hanno formalizzato il suo uso in psicologia e sanità pubblica.

Quando usarlo

Utilizzare la raccolta dati da sensori quando la domanda di ricerca richiede misurazioni oggettive, continue o ad alta frequenza di fenomeni fisici o fisiologici che non possono essere catturati in modo affidabile tramite auto-segnalazione (ad es., monitoraggio dell'attività fisica, esposizione ambientale, qualità del sonno o prestazioni della macchina). È particolarmente prezioso nei disegni longitudinali in cui sondaggi giornalieri o settimanali creerebbero un onere inaccettabile per i partecipanti. Non utilizzarlo quando il fenomeno di interesse è intrinsecamente soggettivo (atteggiamenti, significati, credenze) o quando il costo e la complessità tecnica dell'implementazione dei sensori superano il valore dei dati; in tali casi, sondaggi, interviste o valutazione ecologica momentanea con elementi di auto-segnalazione possono essere più appropriati.

Limiti e considerazioni

  • I sensori misurano proxy, non fenomeni direttamente; l'inferenza di comportamento o stato da segnali grezzi richiede algoritmi validati.
  • Il costo dell'attrezzatura, lo sforzo di calibrazione e l'esperienza tecnica creano elevate barriere di configurazione rispetto ai metodi basati su questionari.
  • I volumi di dati possono essere molto grandi, richiedendo notevole spazio di archiviazione, infrastruttura di elaborazione e capacità analitica.
  • I rischi per la privacy e l'etica sono amplificati quando si raccolgono dati continui di localizzazione, biometrici o comportamentali da partecipanti umani.

Le condizioni della fonte non sostituiscono una revisione scientifica indipendente né la validazione da parte di un motore di analisi.

Punti di forza

  • Fornisce misurazioni oggettive e automatizzate che eliminano il bias di richiamo e gli effetti di desiderabilità sociale.
  • Consente un'elevata risoluzione temporale: acquisizione di dati continua o quasi continua che i sondaggi non possono raggiungere.
  • Scala bene: un'unica implementazione può monitorare decine o centinaia di partecipanti o luoghi contemporaneamente.
  • Supporta disegni longitudinali e del mondo reale (ecologici) con un onere minimo continuativo per i partecipanti o i ricercatori.
  • Genera set di dati riproducibili e archiviabili che possono essere rianalizzati per domande di ricerca secondarie.

Applicazioni

  • Monitoraggio dell'attività fisica e del comportamento sedentario nella sanità pubblica e nelle scienze dello sport utilizzando accelerometri da polso.
  • Monitoraggio ambientale continuo della qualità dell'aria, della temperatura o dei livelli di rumore negli studi urbani e nella salute occupazionale.
  • Ricerca sul sonno utilizzando actigrafia da polso per registrare oggettivamente i cicli sonno-veglia per più notti.
  • IoT industriale: registrazione di vibrazioni, temperatura e parametri operativi delle macchine per prevedere le esigenze di manutenzione.
  • Ecologia comportamentale e ricerca sulla fauna selvatica utilizzando collari GPS e biologger per tracciare i movimenti e la fisiologia degli animali.
  • Ricerca sul comportamento di guida utilizzando sensori diagnostici di bordo (OBD) per registrare velocità, frenata e accelerazione in studi naturalistici.

Come funziona

Come funziona

1

Il ricercatore specifica quale fenomeno misurare, seleziona i tipi di sensore appropriati, determina la frequenza e la durata del campionamento e definisce l'unità di analisi (individuo, luogo, dispositivo). Vengono affrontate considerazioni etiche e sulla privacy, particolarmente importanti quando si raccolgono dati biometrici o di localizzazione da partecipanti umani.

2

I sensori vengono installati o applicati fisicamente (su corpi, in spazi, su macchine) e configurati. Viene eseguita la calibrazione per garantire che le misurazioni siano accurate e coerenti tra i dispositivi. Un'esecuzione pilota verifica che i dati vengano registrati correttamente e che la durata della batteria, la connettività e la capacità di archiviazione siano sufficienti per la durata dello studio.

3

I sensori registrano automaticamente le letture all'intervallo specificato o in risposta a eventi (ad es., rilevamento di movimento, superamento di una soglia). I dati possono essere archiviati localmente sul dispositivo, trasmessi in streaming a un server in tempo reale o trasmessi in batch. Il monitoraggio durante il periodo di raccolta rileva guasti ai sensori, interruzioni della connettività o lacune impreviste.

4

I flussi di dati grezzi dei sensori vengono puliti per rimuovere rumore, valori anomali e artefatti causati da malfunzionamenti del sensore, movimenti del corpo o interferenze ambientali. Le finestre di dati mancanti vengono identificate e gestite (imputazione o esclusione). Le unità vengono standardizzate e i timestamp vengono allineati tra più canali del sensore.

5

I dati puliti vengono archiviati in un formato strutturato (database di serie temporali, file piatti o archiviazione colonnare) con metadati che documentano il modello del sensore, la versione del firmware, il posizionamento e i parametri di calibrazione. I record di provenienza dei dati consentono la riproducibilità e supportano successive analisi secondarie o l'archiviazione.

Errori comuni

  • Saltare la calibrazione: sensori non calibrati introducono errori sistematici che non possono essere corretti nell'analisi; confrontare sempre con un riferimento noto prima e dopo l'implementazione.
  • Ignorare i pattern di perdita dati: il dropout dovuto a guasti della batteria o problemi di connettività è raramente casuale; trattare le finestre mancanti come se fossero mancanti in modo casuale può distorcere le conclusioni.
  • Confondere il segnale del sensore con il costrutto: i conteggi grezzi dell'accelerometro non sono attività fisica; assicurarsi che l'algoritmo o la soglia utilizzata per inferire il costrutto target sia validata per la propria popolazione e contesto.
  • Sottovalutare il tempo di pre-elaborazione: la pulizia e l'ingegneria delle caratteristiche consumano regolarmente più tempo del progetto rispetto all'analisi; prevederlo esplicitamente nel budget.
  • Procedure di consenso inadeguate: il monitoraggio continuo passivo richiede una chiara divulgazione al partecipante e un facile meccanismo di opt-out; la mancata fornitura di questi crea esposizione etica e legale.

Domande frequenti

In che modo la raccolta dati da sensori differisce dalla valutazione ecologica momentanea (EMA)?

L'EMA sollecita i partecipanti a fornire auto-segnalazioni in momenti casuali o programmati nella vita quotidiana; cattura l'esperienza soggettiva. La raccolta dati da sensori registra segnali fisici o fisiologici oggettivi automaticamente senza richiedere l'input del partecipante. Molti studi combinano entrambi: i sensori forniscono dati comportamentali oggettivi mentre l'EMA fornisce un contesto soggettivo concorrente.

Quale frequenza di campionamento dovrei scegliere?

La frequenza di campionamento deve essere almeno il doppio della frequenza più alta del segnale che si desidera catturare (teorema di Nyquist). Per fenomeni lenti come la temperatura ambiente, un intervallo di un minuto può essere sufficiente. Per l'analisi dell'andatura o la variabilità della frequenza cardiaca, sono necessarie frequenze di 50-100 Hz o superiori. Frequenze più elevate generano file più grandi e scaricano le batterie più velocemente, quindi scegliere la frequenza minima che preservi il segnale pertinente.

Come gestisco i dati dei partecipanti che hanno rimosso il sensore in anticipo?

Identificare i periodi di non utilizzo utilizzando algoritmi validati di rilevamento dell'usura (ad es., periodi di varianza zero nell'accelerometria). Escludere tali finestre dalle analisi e riportare la proporzione di tempo di utilizzo valido. Se il non utilizzo è differenziale tra i gruppi o correlato all'esito, affrontare il potenziale bias esplicitamente nei metodi e nelle limitazioni.

È richiesto il consenso del partecipante anche per i sensori ambientali che non mirano a individui?

Dipende dal fatto che il sensore possa catturare informazioni personalmente identificabili. Un sensore di temperatura in un'area comune di un edificio richiede tipicamente solo l'approvazione istituzionale. Una telecamera, un microfono o un beacon di localizzazione che può identificare individui richiede il consenso informato da coloro che potrebbero essere catturati. Consultare il comitato etico della propria istituzione e le normative applicabili sulla protezione dei dati prima dell'implementazione.

I dati dei sensori possono essere utilizzati nella ricerca qualitativa?

I dati dei sensori sono intrinsecamente quantitativi, ma a volte vengono utilizzati come stimoli in follow-up qualitativi: i partecipanti rivedono le proprie tracce di dati (una tecnica chiamata intervista assistita da dati o foto-evocazione con dati personali) per stimolare la riflessione. Questo approccio misto può combinare l'oggettività della misurazione del sensore con la profondità interpretativa dell'indagine qualitativa.

Metodi correlati

Fonti

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

    Apri il riferimento DOI
    Copiato.
  2. Sensor. Wikipedia.

    Apri il riferimento della pubblicazione
    Copiato.