Skip to content
Назад к результатам поиска

Сбор данных с датчиков — Сбор данных на основе датчиков

Автор метода
Multidisciplinary; sensor networks formalized in engineering and computer science from the 1990s onward
Год
1990s–2000s (widespread deployment with IoT ~2000s)
Тип
Quantitative / mixed data collection technique
Семейство
Data collection

Этот текст переведён машинным способом и ещё не проверен. Читать оригинал на английском

Размер шрифта

Что он делает?

Сбор данных с датчиков использует физические или цифровые приборы для автоматического количественного измерения окружающей среды, человеческого тела или машин с течением времени.

Распространенные датчики измеряют температуру, движение, частоту сердечных сокращений, местоположение, свет, звук или химические свойства. Поскольку запись автоматизирована и непрерывна, этот метод позволяет получать наборы данных с высокой частотой при минимальной нагрузке на исследователя, что делает его центральным для Интернета вещей (IoT), мониторинга окружающей среды, носимых исследований и поведенческих исследований.

Интуиция метода

Представьте, что вы прикрепили небольшой акселерометр к запястью работника: каждую долю секунды он бесшумно регистрирует данные о движении, не требуя от работника остановки и заполнения формы. В этом заключается основная привлекательность сбора данных с датчиков — он фиксирует то, что на самом деле происходит в мире, а не то, что участники помнят или сообщают об этом. Исследователь заранее определяет размещение датчиков и правила выборки, а приборы осуществляют наблюдение. Полученные временные ряды данных могут быть плотными, объективными и свободными от ошибок воспоминания, но они требуют тщательной калибровки и предварительной обработки, прежде чем станут аналитически полезными.

История

Систематическое использование приборов для научных измерений восходит к ранней современной науке, но сбор сетевых данных с датчиков как отдельная исследовательская парадигма возник в 1990-х годах с развитием беспроводных сенсорных сетей в области компьютерных наук и инженерии. Статья Чонга и Кумара 2003 года в IEEE Proceedings широко цитируется как основополагающий обзор этой области. Распространение миниатюрных MEMS-датчиков, смартфонов и платформ IoT с середины 2000-х годов сделало сбор данных на основе датчиков доступным для социальных, медицинских и поведенческих ученых. Носимые фитнес-трекеры и системы экологической моментальной оценки формализовали его использование в психологии и общественном здравоохранении.

Когда применять

Используйте сбор данных с датчиков, когда исследовательский вопрос требует объективного, непрерывного или высокочастотного измерения физических или физиологических явлений, которые не могут быть надежно зафиксированы с помощью самоотчета — например, мониторинг физической активности, воздействие окружающей среды, качество сна или производительность машины. Это особенно ценно в лонгитюдных исследованиях, где ежедневные или еженедельные опросы создавали бы неприемлемую нагрузку на участников. Не используйте его, когда интересующее явление по своей сути субъективно (отношения, смыслы, убеждения) или когда стоимость и техническая сложность развертывания датчиков перевешивают ценность данных; в этих случаях опросы, интервью или экологическая моментальная оценка с элементами самоотчета могут быть более подходящими.

Ограничения и замечания

  • Датчики измеряют прокси-переменные, а не сами явления напрямую; вывод поведения или состояния из необработанных сигналов требует валидированных алгоритмов.
  • Стоимость оборудования, усилия по калибровке и техническая экспертиза создают высокие барьеры для входа по сравнению с методами анкетирования.
  • Объемы данных могут быть очень большими, требуя значительных ресурсов для хранения, обработки и аналитических навыков.
  • Риски конфиденциальности и этические риски усиливаются при сборе непрерывных данных о местоположении, биометрических данных или данных о поведении от участников-людей.

Условия из источника не заменяют независимую научную проверку или валидацию аналитическим движком.

Сильные стороны

  • Обеспечивает объективное, автоматизированное измерение, исключающее ошибки воспоминания и эффекты социальной желательности.
  • Обеспечивает высокое временное разрешение — непрерывный или почти непрерывный сбор данных, который не могут обеспечить опросы.
  • Хорошо масштабируется: одно развертывание может одновременно отслеживать десятки или сотни участников или мест.
  • Поддерживает лонгитюдные и реальные (экологические) исследования с минимальной текущей нагрузкой на участников или исследователей.
  • Генерирует воспроизводимые, архивируемые наборы данных, которые могут быть повторно проанализированы для решения вторичных исследовательских вопросов.

Применение

  • Мониторинг физической активности и сидячего образа жизни в области общественного здравоохранения и спортивной науки с использованием носимых на запястье акселерометров.
  • Непрерывный мониторинг окружающей среды качества воздуха, температуры или уровня шума в городских исследованиях и охране труда.
  • Исследование сна с использованием актиграфии запястья для объективной записи циклов сна-бодрствования в течение нескольких ночей.
  • Промышленный IoT: регистрация вибрации машины, температуры и рабочих параметров для прогнозирования потребностей в техническом обслуживании.
  • Поведенческая экология и исследования дикой природы с использованием GPS-ошейников и биологов для отслеживания движения и физиологии животных.
  • Исследование поведения вождения с использованием бортовых диагностических (OBD) датчиков для записи скорости, торможения и ускорения в естественных условиях.

Как это работает

Как это работает

1

Исследователь определяет измеряемое явление, выбирает подходящие типы датчиков, устанавливает частоту и продолжительность выборки, а также определяет единицу анализа (индивид, местоположение, устройство). Рассматриваются этические вопросы и вопросы конфиденциальности, что особенно важно при сборе биометрических данных или данных о местоположении от участников-людей.

2

Датчики физически устанавливаются или прикрепляются (к телам, в помещениях, на машинах) и настраиваются. Выполняется калибровка для обеспечения точности и согласованности измерений между устройствами. Пилотный запуск проверяет правильность записи данных, а также достаточность срока службы батареи, подключения и емкости хранилища для продолжительности исследования.

3

Датчики автоматически записывают показания с указанным интервалом или в ответ на события (например, обнаружение движения, превышение порогового значения). Данные могут храниться локально на устройстве, передаваться на сервер в режиме реального времени или передаваться пакетами. Мониторинг в период сбора данных позволяет выявить сбои датчиков, обрывы связи или неожиданные пробелы.

4

Необработанные потоки данных с датчиков очищаются для удаления шумов, выбросов и артефактов, вызванных неисправностью датчика, движением тела или внешними помехами. Определяются и обрабатываются окна с пропущенными данными (импутация или исключение). Единицы измерения стандартизируются, а временные метки выравниваются по нескольким каналам датчиков.

5

Очищенные данные хранятся в структурированном формате (база данных временных рядов, плоские файлы или колоночное хранилище) с метаданными, документирующими модель датчика, версию прошивки, размещение и параметры калибровки. Записи о происхождении данных обеспечивают воспроизводимость и поддерживают последующий вторичный анализ или архивирование.

Частые ошибки

  • Пропуск калибровки — некалиброванные датчики вносят систематическую ошибку, которую невозможно исправить при анализе; всегда сравнивайте с известным эталоном до и после развертывания.
  • Игнорирование закономерностей потери данных — выбытие из-за сбоя батареи или проблем с подключением редко бывает случайным; рассмотрение пропущенных интервалов как случайно пропущенных может исказить выводы.
  • Смешение сигнала датчика с конструктом — необработанные показания акселерометра не являются физической активностью; убедитесь, что алгоритм или порог, используемый для вывода целевого конструкта, валидирован для вашей популяции и контекста.
  • Недооценка времени на предварительную обработку — очистка и инжиниринг признаков обычно занимают больше времени проекта, чем анализ; явно закладывайте это в бюджет.
  • Неадекватные процедуры получения согласия — пассивный непрерывный мониторинг требует четкого раскрытия информации участникам и простого механизма отказа; несоблюдение этих требований создает этические и юридические риски.

Часто задаваемые вопросы

Чем сбор данных с датчиков отличается от экологической моментальной оценки (EMA)?

EMA предлагает участникам предоставлять самоотчеты в случайные или запланированные моменты повседневной жизни; она фиксирует субъективный опыт. Сбор данных с датчиков автоматически записывает объективные физические или физиологические сигналы без необходимости ввода данных участником. Многие исследования сочетают оба метода: датчики предоставляют объективные данные о поведении, а EMA — одновременный субъективный контекст.

Какую частоту дискретизации следует выбрать?

Частота дискретизации должна быть как минимум в два раза выше самой высокой частоты сигнала, который вы хотите зафиксировать (теорема Найквиста). Для медленных явлений, таких как комнатная температура, может быть достаточно интервала в одну минуту. Для анализа походки или вариабельности сердечного ритма требуются частоты 50–100 Гц или выше. Более высокие частоты генерируют большие файлы и быстрее разряжают батареи, поэтому выбирайте минимальную частоту, которая сохраняет релевантный сигнал.

Как обрабатывать данные от участников, которые сняли датчик раньше времени?

Определите периоды неношения с помощью валидированных алгоритмов обнаружения ношения (например, периоды нулевой дисперсии в акселерометрии). Исключите эти интервалы из анализа и сообщите о доле действительного времени ношения. Если неношение является дифференциальным между группами или коррелирует с исходом, явно укажите на потенциальную предвзятость в ваших методах и ограничениях.

Требуется ли согласие участника даже для датчиков окружающей среды, которые не нацелены на отдельных лиц?

Это зависит от того, может ли датчик собирать персонально идентифицируемую информацию. Датчик температуры в общем помещении здания обычно требует только институционального одобрения. Камера, микрофон или маяк местоположения, которые могут идентифицировать людей, требуют информированного согласия от тех, кто может быть зафиксирован. Проконсультируйтесь с этическим комитетом вашего учреждения и применимыми нормами защиты данных перед развертыванием.

Могут ли данные с датчиков использоваться в качественных исследованиях?

Данные с датчиков по своей сути количественные, но иногда они используются в качестве стимула для последующего качественного исследования: участники просматривают свои собственные траектории данных (метод, называемый интервью с помощью данных или фото-опросом с использованием личных данных) для стимулирования рефлексии. Этот смешанный подход может сочетать объективность измерений датчиков с интерпретационной глубиной качественного исследования.

Похожие методы

Источники

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

    Открыть ссылку DOI
    Скопировано.
  2. Sensor. Wikipedia.

    Открыть ссылку на публикацию
    Скопировано.