Metoda mobilnego próbkowania doświadczeń — ESM za pośrednictwem smartfona
- Autor metody
- Mihaly Csikszentmihalyi & Reed Larson
- Rok
- 1983–1987
- Typ
- Intensive longitudinal data collection technique
- Rodzina
- Data collection
Ten tekst jest tłumaczeniem maszynowym i nie został jeszcze sprawdzony. Przeczytaj oryginał po angielsku
Do czego służy?
Mobilna metoda próbkowania doświadczeń (ESM) polega na zbieraniu powtarzalnych, opatrzonych znacznikiem czasu samoopisów od uczestników w ich naturalnym środowisku za pomocą aplikacji na smartfona.
Sygnalizując uczestnikom wielokrotnie w ciągu dnia przez wiele dni lub tygodni, badacze rejestrują stany psychiczne, zachowania i konteksty w momencie ich występowania — eliminując błąd retrospekcji i ujawniając dynamikę wewnątrz-osobniczą, której nie wykrywają ankiety jedno-sesyjne.
Intuicja stojąca za metodą
Tradycyjne ankiety pytają „Jak się czułeś w tym tygodniu?” i opierają się na niedoskonałej pamięci. Mobilne ESM zamiast tego wysyła krótkie pytania na telefon uczestnika kilka razy dziennie — jak SMS z pytaniem „Co teraz robisz? Jak się czujesz?” — i zbiera odpowiedzi w momencie ich wystąpienia. Po wielu sygnałach i wielu dniach badacz tworzy szczegółowy obraz tego, jak nastrój, zachowanie lub kontekst fluktuują i współwystępują w prawdziwym życiu. Telefon komórkowy umożliwia to na dużą skalę; projekt powtarzalnych pomiarów sprawia, że wnioski są ekologicznie trafne i drobnoziarniste.
Historia
Metoda próbkowania doświadczeń (Experience Sampling Method) została wprowadzona przez Mihaly Csikszentmihalyi i Reeda Larsona na początku lat 80. XX wieku, początkowo przy użyciu pagerów elektronicznych do sygnalizowania uczestnikom. Ich artykuł z 1987 roku w Journal of Nervous and Mental Disease potwierdził rzetelność i trafność podejścia. Termin Ekologiczna Ocena Momentowa (Ecological Momentary Assessment), podkreślający zastosowania kliniczne i zdrowotne, został spopularyzowany przez Saula Shiffmana i Arthura Stone'a w latach 90. XX wieku. Powszechne przyjęcie smartfonów po 2008 roku przekształciło ESM z logistycznie wymagającego narzędzia laboratoryjnego w skalowalną mobilną metodę zbierania danych, dając początek wariantowi Mobile ESM z jego dedykowanymi ekosystemami aplikacji.
Kiedy stosować
Mobilne ESM jest metodą z wyboru, gdy pytanie badawcze dotyczy fluktuacji wewnątrz-osobniczych, kontekstu w czasie rzeczywistym lub ekologicznej trafności konstruktów psychologicznych lub behawioralnych. Jest szczególnie cenne w badaniu nastroju, stresu, używania substancji, interakcji społecznych lub objawów w życiu codziennym. Używaj go, gdy retrospektywna samoocena jest prawdopodobnie obciążona błędem pamięci lub pożądania społecznego. Nie używaj go, gdy populacja nie może niezawodnie korzystać ze smartfona, gdy interesują tylko różnice między-osobnicze (wystarczy standardowa ankieta) lub gdy wymagany czas trwania badania przekracza tolerancję uczestnika.
Ograniczenia i uwagi
- Wysokie obciążenie uczestnika — odpowiadanie na wiele codziennych sygnałów przez tygodnie może powodować zmęczenie i rezygnację.
- Wymaga wiedzy specjalistycznej w zakresie analizy wielopoziomowej; standardowe modele regresji są nieodpowiednie dla zagnieżdżonych danych ESM.
- Reaktywność na sygnał: sam akt sygnalizowania uczestnikom może zmieniać mierzony konstrukt.
- Utrata danych z powodu pominiętych odpowiedzi jest nielosowa i może zniekształcić wyniki, jeśli nie zostanie starannie obsłużona.
Warunki podane w źródle nie zastępują niezależnego przeglądu naukowego ani walidacji przez silnik analityczny.
Mocne strony
- Rejestruje dynamikę wewnątrz-osobniczą i kontekst w czasie rzeczywistym, które ankiety przekrojowe całkowicie pomijają.
- Eliminuje błąd retrospektywnej pamięci — dane są zbierane w momencie doświadczenia lub blisko niego.
- Wysoka trafność ekologiczna: wyniki odzwierciedlają zachowanie i afekt w naturalnych warunkach, a nie w sztucznych warunkach laboratoryjnych.
- Smartfony umożliwiają pasywne uzupełnianie danych (GPS, akcelerometr) bez dodatkowego obciążenia dla uczestnika.
- Pozwala na rozdzielenie stabilnych efektów na poziomie cechy od przejściowych efektów na poziomie stanu dzięki analizie wielopoziomowej.
Zastosowania
- Śledzenie codziennych fluktuacji nastroju depresyjnego, lęku lub objawów psychotycznych w badaniach psychologii klinicznej i psychiatrii.
- Badanie używania substancji, głodu i wyzwalaczy nawrotów w badaniach nad uzależnieniami poprzez wychwytywanie wyzwalaczy w czasie rzeczywistym.
- Pomiar aktywności fizycznej, zachowań siedzących i wyborów żywieniowych w badaniach nad zdrowiem publicznym i medycyną behawioralną.
- Badanie jakości interakcji społecznych, samotności i regulacji emocji w codziennych kontekstach interpersonalnych.
- Ocena zaangażowania w pracę, stresu i regeneracji w badaniach nad zdrowiem zawodowym w ciągu dnia pracy.
- Rejestrowanie zachowań związanych z nauką, motywacji i kontekstu w badaniach psychologii edukacyjnej poza salą lekcyjną.
Jak to działa
Jak to działa
Badacz określa protokół badania: konstrukcje do zmierzenia (np. nastrój, stres, aktywność), harmonogram sygnalizacji (losowy w ustalonych przedziałach, stały czasowo lub zależny od zdarzenia), liczbę dziennych sygnałów (zwykle 4–10) i czas trwania badania (zwykle 7–30 dni). Przygotowywane są krótkie, mało obciążające kwestionariusze — zazwyczaj 5–15 pytań na sygnał — aby zmieścić się w oknie odpowiedzi (zwykle 2–10 minut).
Uczestnicy są rekrutowani i wdrażani za pomocą dedykowanej mobilnej aplikacji ESM (np. m-Path, Experience Sampler lub niestandardowe wersje). Uzupełniają podstawowe pomiary i przechodzą szkolenie dotyczące procedury odpowiedzi. Oczekiwane wskaźniki zgodności i ustalenia dotyczące prywatności danych są komunikowane w sposób jednoznaczny.
W każdym zaplanowanym punkcie czasowym aplikacja wysyła powiadomienie. Harmonogram sygnalizacji może być (a) losowo-przedziałowy: sygnały dostarczane w nieprzewidywalnych momentach w ustalonych oknach czasowych, aby uczestnicy nie mogli przewidzieć i przygotować odpowiedzi; (b) stało-przedziałowy: sygnały o tej samej porze każdego dnia; lub (c) zależny od zdarzenia: inicjowany przez uczestnika po wystąpieniu zdefiniowanego zdarzenia.
Uczestnik otwiera aplikację i wypełnia krótki kwestionariusz. Odpowiedzi są opatrywane znacznikiem czasu i, opcjonalnie, uzupełniane o dane z pasywnych czujników (lokalizacja GPS, akcelerometr, wykorzystanie ekranu). Badacze monitorują wskaźniki zgodności w czasie rzeczywistym; wskaźnik zgodności powyżej 70–75% jest generalnie uważany za wystarczający do analizy.
Dane są kompilowane w strukturę wielopoziomową: obserwacje zagnieżdżone w osobach, które często są dalej zagnieżdżone w dniach. Modelowanie wielopoziomowe (MLM) lub dynamiczne modelowanie równań strukturalnych (DSEM) jest używane do dekompozycji zmienności wewnątrz-osobniczej od różnic między-osobniczych, szacowania opóźnionych powiązań i testowania moderatorów na poziomie osoby.
Częste pułapki
- Zbyt wiele pytań na sygnał: przekroczenie 15 pytań znacznie zmniejsza wskaźniki zgodności; utrzymuj krótkie i skoncentrowane sygnały.
- Ignorowanie braku zgodności: analiza tylko ukończonych odpowiedzi bez sprawdzania, czy brakujące odpowiedzi są systematyczne, może wprowadzić poważne błędy.
- Stosowanie analizy jedno-poziomowej na danych wielopoziomowych: stosowanie zwykłej regresji do danych ESM zawyża wskaźniki błędu typu I; wymagane są modele wielopoziomowe.
- Niedostosowanie się do efektów pory dnia: nastrój i zachowanie systematycznie zmieniają się w ciągu dnia; modele powinny zawierać kontrolę czasu lub kowariaty wewnątrz-dniowe.
- Niewystarczające projekty: ESM wymaga wystarczającej liczby sygnałów na osobę ORAZ wystarczającej liczby osób; skonsultuj się z oprogramowaniem do analizy mocy (np. PANGEA) przed finalizacją protokołu.
Najczęściej zadawane pytania
Ile sygnałów dziennie i przez ile dni jest typowe?
Większość badań ESM wykorzystuje 4–10 sygnałów dziennie przez 7–14 dni, co daje 40–140 obserwacji na uczestnika. Mniejsza liczba sygnałów zmniejsza moc statystyczną dla oszacowań wewnątrz-osobniczych; większa liczba sygnałów zwiększa obciążenie uczestnika i liczbę rezygnacji. Zaleca się narzędzia do analizy mocy, takie jak PANGEA, do określenia optymalnego projektu.
Jaka jest różnica między ESM, EMA a metodą dziennika codziennego?
Terminy te znacznie się pokrywają. ESM (Csikszentmihalyi) zazwyczaj wykorzystuje sygnalizację losowo-przedziałową i kładzie nacisk na rejestrowanie doświadczeń w czasie rzeczywistym. EMA (Shiffman/Stone) jest preferowanym terminem kliniczno-zdrowotnym i obejmuje zarówno projekty losowo-przedziałowe, jak i zależne od zdarzenia. Badania dziennika codziennego wykorzystują pojedynczy raport na koniec dnia zamiast wielu sygnałów w ciągu dnia. Mobile ESM konkretnie oznacza dostarczanie za pośrednictwem aplikacji na smartfona, umożliwiając pasywne uzupełnianie danych z czujników.
Czy wskaźnik zgodności 60% jest akceptowalny?
Zgodność poniżej 70% jest generalnie uważana za ryzyko dla jakości danych. Co ważniejsze, brak zgodności, który jest systematycznie powiązany z badanym konstruktem, zniekształci oszacowania. Zawsze analizuj wzorce zgodności według pory dnia, dnia badania i cech uczestnika przed przystąpieniem do analizy głównej.
Jakiego modelu statystycznego należy użyć do analizy danych ESM?
Modelowanie wielopoziomowe (MLM), zwane również hierarchicznym modelowaniem liniowym, jest standardowym podejściem, ponieważ prawidłowo obsługuje nie-niezależność powtarzanych obserwacji w obrębie osób. W przypadku dynamicznych, opóźnionych powiązań coraz częściej stosuje się dynamiczne modelowanie równań strukturalnych (DSEM). Standardowa regresja OLS nie jest odpowiednia dla danych ESM.
Które aplikacje mobilne ESM są powszechnie stosowane w badaniach?
Powszechnie stosowane platformy to m-Path (KU Leuven), Experience Sampler (open source) i iESP. Używane są również platformy komercyjne, takie jak MetricWire i LifeData. Wybór zależy od budżetu, wymaganych możliwości pasywnego wykrywania i tego, czy ważna jest audytowalność open-source.
Pokrewne metody
Źródła
Csikszentmihalyi, M., & Larson, R. (1987). Validity and reliability of the Experience-Sampling Method. Journal of Nervous and Mental Disease, 175(9), 526–536.
Otwórz odnośnik DOISkopiowano.Shiffman, S., Stone, A. A., & Hufford, M. R. (2008). Ecological momentary assessment. Annual Review of Clinical Psychology, 4, 1–32.
Otwórz odnośnik DOISkopiowano.