Skip to content
検索結果に戻る

モバイル体験サンプリング法 — スマートフォンによるESM

提唱者
Mihaly Csikszentmihalyi & Reed Larson
年
1983–1987
種類
Intensive longitudinal data collection technique
系統
Data collection

この文章は機械翻訳で、まだ確認されていません。 英語の原文を読む

文字サイズ

何をする手法か?

モバイル体験サンプリング法(ESM)は、スマートフォンアプリを用いて、参加者の自然な環境下で、繰り返しタイムスタンプ付きの自己報告を収集する手法である。1日数回、数日または数週間にわたって参加者にシグナルを送ることで、研究者は心理状態、行動、文脈を発生時に捉え、回顧的バイアスを排除し、単回セッション調査では検出できない個人内のダイナミクスを明らかにする。

手法の背後にある直感

従来の調査では「今週はどう感じましたか?」と尋ね、不完全な記憶に頼る。モバイルESMは代わりに、1日数回、参加者の携帯電話に短いプロンプトを送信する――「今何をしていますか?どんな気分ですか?」といったテキストメッセージのように――そしてその場で回答を収集する。多くのシグナルと多くの日にわたって、研究者は気分、行動、または文脈が実生活でどのように変動し、共変動するかを詳細に把握する。携帯電話はこれを大規模に可能にし、反復測定デザインは洞察を生態学的妥当性と微細なものにする。

歴史学

体験サンプリング法は、1980年代初頭にミハイ・チクセントミハイとリード・ラーソンによって導入され、当初は参加者にシグナルを送るために電子ページャーが使用された。1987年のJournal of Nervous and Mental Disease誌への論文で、このアプローチの信頼性と妥当性が確立された。臨床および健康への応用を強調する生態学的瞬間評価(Ecological Momentary Assessment)という用語は、1990年代にソール・シフマンとアーサー・ストーンによって広められた。2008年以降のスマートフォンの普及により、ESMはロジスティクス的に要求の厳しい実験室ツールからスケーラブルなモバイルデータ収集方法へと変貌し、専用アプリエコシステムを持つモバイルESMバリアントが登場した。

使うべき場面

モバイルESMは、研究課題が個人内変動、リアルタイムの文脈、または心理的・行動的構成概念の生態学的妥当性に関わる場合に選択される方法である。特に気分、ストレス、物質使用、社会的相互作用、または日常生活における症状の研究に価値がある。記憶または社会的望ましさによって回顧的自己報告がバイアスされる可能性が高い場合に使用する。集団がスマートフォンを確実に使用できない場合、個人間差のみに関心がある場合(標準的な調査で十分)、または必要な研究期間が参加者の許容範囲を超える場合には使用しない。

限界と注意点

  • 参加者の負担が大きい――数週間にわたって毎日複数のプロンプトに応答することは、疲労や脱落を引き起こす可能性がある。
  • 多層分析の専門知識が必要;標準的な回帰モデルは、ネストされたESMデータには不適切である。
  • シグナル反応性:参加者にプロンプトを送信する行為自体が、測定対象の構成概念を変化させる可能性がある。
  • 応答漏れによるデータ損失は非ランダムであり、注意深く処理されないと結果をバイアスする可能性がある。

出典に示された条件は、独立した科学的レビューや分析エンジンによる検証の代わりにはなりません。

強み

  • 横断的調査では全く捉えられない個人内のダイナミクスとリアルタイムの文脈を捉える。
  • 回顧的記憶バイアスを排除する――データは経験の瞬間、またはその直後に収集される。
  • 高い生態学的妥当性:結果は、人工的な実験室条件ではなく、自然な環境での行動と感情を反映する。
  • スマートフォンは、追加の参加者負担なしに追加のパッシブデータ(GPS、加速度計)を可能にする。
  • 多層分析を通じて、安定した特性レベルの効果と一時的な状態レベルの効果を分離できる。

応用

  • 臨床心理学および精神医学研究における、うつ病、不安、または精神病症状の日内変動の追跡。
  • 依存症研究における物質使用、渇望、および再発の引き金の研究(リアルタイムの前駆物質の捕捉による)。
  • 公衆衛生および行動医学における身体活動、座りがちな行動、および食事選択の測定。
  • 日常生活における社会的相互作用の質、孤独感、および感情調節の検討。
  • 労働衛生研究における、労働時間中の仕事への関与、ストレス、および回復の評価。
  • 教室外での教育心理学研究における学習行動、モチベーション、および文脈の捕捉。

使い方

使い方

1

研究者は、測定する構成概念(例:気分、ストレス、活動)、シグナルスケジュール(固定間隔内のランダム、固定時間、またはイベント連動)、1日のシグナル数(通常4〜10)、および研究期間(通常7〜30日)を定義する。通常5〜15項目程度の短く負担の少ない質問票は、応答ウィンドウ(通常2〜10分)に合わせて準備される。

2

参加者は、専用のモバイルESMアプリ(例:m-Path、Experience Sampler、またはカスタムビルド)を使用して募集され、オンボーディングされる。ベースライン測定を完了し、応答手順に関するトレーニングを受ける。遵守の期待とデータプライバシーの取り決めは明確に伝えられる。

3

各スケジュールされた時点において、アプリは通知を送信する。シグナルスケジュールは、(a)ランダム間隔:固定ウィンドウ内の予測不可能な時間にプロンプトが配信され、参加者は回答を予測して準備できない、(b)固定間隔:毎日同じ時間にプロンプトが配信される、または(c)イベント連動:定義されたイベントが発生した後に参加者が開始する、のいずれかである。

4

参加者はアプリを開き、短い質問票に回答する。回答にはタイムスタンプが付けられ、オプションで、パッシブセンサーデータ(GPS位置、加速度計、画面使用状況)が付加される。研究者はリアルタイムで遵守率を監視する。分析には通常、70〜75%以上の遵守率が適切と見なされる。

5

データは多層構造にコンパイルされる:個人内にネストされた観測値であり、それらはしばしば日にさらにネストされる。多層モデリング(MLM)または動的構造方程式モデリング(DSEM)を使用して、個人内変動を個人間差から分解し、遅延関連性を推定し、個人レベルのモデレーターをテストする。

よくある落とし穴

  • プロンプトあたりの項目数が多すぎる:15項目を超えると遵守率が著しく低下する;プロンプトは短く焦点を絞ったものにする。
  • 非遵守の無視:欠損が体系的であるかどうかを確認せずに完了した応答のみを分析すると、深刻なバイアスが生じる可能性がある。
  • 多層データへの単一層分析の使用:ESMデータに通常の回帰を適用すると、第一種の過誤率が膨張する;多層モデルが必要である。
  • 時間帯効果の考慮漏れ:気分と行動は1日を通して体系的に変動する;モデルには時間制御または日内共変量を含めるべきである。
  • 検出力の低いデザイン:ESMは、個人あたりの十分なシグナル数と十分な人数を必要とする;最終的なプロトコルを決定する前に、検出力分析ソフトウェア(例:PANGEA)を参照する。

よくある質問

1日あたりのシグナル数と日数はどのくらいが一般的ですか?

ほとんどのESM研究では、1日4〜10回のシグナルを7〜14日間使用し、参加者あたり40〜140回の観測値が得られる。シグナル数が少ないと個人内推定の統計的検出力が低下し、シグナル数が多いと参加者の負担と脱落が増加する。PANGEAなどの検出力分析ツールを使用して、最適なデザインを決定することが推奨される。

ESM、EMA、およびデイリーダイアリー法との違いは何ですか?

これらの用語はかなり重複している。ESM(チクセントミハイ)は通常、ランダム間隔シグナルを使用し、リアルタイムの経験捕捉を強調する。EMA(シフマン/ストーン)は、臨床・健康分野で好まれる用語であり、ランダム間隔とイベント連動の両方のデザインを含む。デイリーダイアリー研究は、1日あたりの複数のプロンプトではなく、1日の終わりに1回の報告を使用する。モバイルESMは、スマートフォンアプリによる配信を特に指し、パッシブセンサーの付加を可能にする。

遵守率60%は許容できますか?

遵守率70%未満は、一般的にデータの質に対するリスクと見なされる。さらに重要なのは、研究対象の構成概念と体系的に関連する非遵守は、推定値をバイアスするということである。主要な分析に進む前に、必ず時間帯、研究日、および参加者の特性別の遵守パターンを調べる。

ESMデータを分析するには、どの統計モデルを使用すべきですか?

多層モデリング(MLM)、または階層的線形モデリングとも呼ばれる、は、個人内の繰り返し観測値の非独立性を正しく処理するため、標準的なアプローチである。動的な遅延関連性については、動的構造方程式モデリング(DSEM)がますます使用されている。標準的なOLS回帰はESMデータには不適切である。

一般的に使用されているモバイルESMアプリは何ですか?

広く使用されているプラットフォームには、m-Path(KU Leuven)、Experience Sampler(オープンソース)、iESPなどがある。MetricWireやLifeDataなどの商用プラットフォームも使用されている。選択は、予算、必要なパッシブセンシング機能、およびオープンソースの監査可能性が重要かどうかによって異なる。

関連する手法

参考文献

  1. Csikszentmihalyi, M., & Larson, R. (1987). Validity and reliability of the Experience-Sampling Method. Journal of Nervous and Mental Disease, 175(9), 526–536.

    DOI 文献を開く
    コピーしました。
  2. Shiffman, S., Stone, A. A., & Hufford, M. R. (2008). Ecological momentary assessment. Annual Review of Clinical Psychology, 4, 1–32.

    DOI 文献を開く
    コピーしました。