การเก็บข้อมูลเซ็นเซอร์ — การเก็บข้อมูลโดยใช้เซ็นเซอร์
- ผู้เสนอ
- Multidisciplinary; sensor networks formalized in engineering and computer science from the 1990s onward
- ปี
- 1990s–2000s (widespread deployment with IoT ~2000s)
- ประเภท
- Quantitative / mixed data collection technique
- กลุ่มวิธี
- Data collection
ข้อความนี้เป็นการแปลด้วยเครื่องและยังไม่ได้รับการตรวจทาน อ่านต้นฉบับภาษาอังกฤษ
ใช้ทำอะไร?
การเก็บข้อมูลเซ็นเซอร์ใช้เครื่องมือทางกายภาพหรือดิจิทัลเพื่อจับภาพการวัดเชิงปริมาณจากสภาพแวดล้อม ร่างกายมนุษย์ หรือเครื่องจักรโดยอัตโนมัติตามช่วงเวลา เซ็นเซอร์ทั่วไปใช้วัดอุณหภูมิ การเคลื่อนไหว อัตราการเต้นของหัวใจ ตำแหน่ง แสง เสียง หรือคุณสมบัติทางเคมี เนื่องจากบันทึกข้อมูลเป็นไปโดยอัตโนมัติและต่อเนื่อง วิธีการนี้จึงสามารถสร้างชุดข้อมูลความถี่สูงโดยมีภาระต่องานวิจัยน้อยที่สุด ทำให้เป็นหัวใจสำคัญของ IoT การติดตามสิ่งแวดล้อม การวิจัยอุปกรณ์สวมใส่ และการศึกษาพฤติกรรม
แนวคิดเบื้องหลังวิธีการ
ลองนึกภาพการติดเครื่องวัดความเร่งขนาดเล็กไว้ที่ข้อมือของคนงาน: ทุกๆ เศษเสี้ยวของวินาที เครื่องมือจะบันทึกข้อมูลการเคลื่อนไหวอย่างเงียบๆ โดยไม่ต้องขอให้คนงานหยุดและกรอกแบบฟอร์ม นั่นคือเสน่ห์หลักของการเก็บข้อมูลเซ็นเซอร์ — มันจับสิ่งที่เกิดขึ้นจริงในโลก แทนที่จะเป็นสิ่งที่ผู้เข้าร่วมจำหรือรายงานเกี่ยวกับมัน ผู้วิจัยออกแบบการวางตำแหน่งเซ็นเซอร์และกฎการสุ่มตัวอย่างล่วงหน้า และเครื่องมือจะทำการสังเกต ข้อมูลอนุกรมเวลาที่ได้สามารถมีความหนาแน่น เป็นวัตถุประสงค์ และปราศจากอคติจากการระลึกถึง แต่ต้องมีการสอบเทียบและประมวลผลล่วงหน้าที่รอบคอบก่อนที่จะนำไปใช้ในการวิเคราะห์ได้
ประวัติศาสตร์
การใช้เครื่องมืออย่างเป็นระบบสำหรับการวัดทางวิทยาศาสตร์มีมาตั้งแต่สมัยใหม่ตอนต้น แต่การเก็บข้อมูลเซ็นเซอร์แบบเครือข่ายในฐานะกระบวนทัศน์การวิจัยที่แตกต่างกันเกิดขึ้นในช่วงทศวรรษ 1990 พร้อมกับการพัฒนาเครือข่ายเซ็นเซอร์ไร้สายในวิทยาการคอมพิวเตอร์และวิศวกรรม บทความของ Chong และ Kumar ใน IEEE Proceedings ปี 2003 ได้รับการอ้างอิงอย่างกว้างขวางว่าเป็นบทสำรวจพื้นฐานของสาขานี้ การแพร่กระจายของเซ็นเซอร์ MEMS ขนาดเล็ก สมาร์ทโฟน และแพลตฟอร์ม IoT ตั้งแต่กลางทศวรรษ 2000 เป็นต้นมา ทำให้การเก็บข้อมูลด้วยเซ็นเซอร์เข้าถึงได้สำหรับนักวิทยาศาสตร์สังคม สุขภาพ และพฤติกรรม เครื่องติดตามฟิตเนสแบบสวมใส่และระบบการประเมินผลตามช่วงเวลาทางนิเวศวิทยาได้ทำให้การใช้งานในจิตวิทยาและสาธารณสุขเป็นรูปธรรม
ควรใช้เมื่อใด
ใช้การเก็บข้อมูลเซ็นเซอร์เมื่อคำถามวิจัยต้องการการวัดผลเชิงวัตถุ ต่อเนื่อง หรือความถี่สูงของปรากฏการณ์ทางกายภาพหรือสรีรวิทยาที่ไม่สามารถจับภาพได้อย่างน่าเชื่อถือผ่านการรายงานตนเอง — ตัวอย่างเช่น การติดตามกิจกรรมทางกาย การสัมผัสสิ่งแวดล้อม คุณภาพการนอนหลับ หรือประสิทธิภาพของเครื่องจักร มีคุณค่าอย่างยิ่งในการออกแบบตามยาวซึ่งแบบสำรวจรายวันหรือรายสัปดาห์จะสร้างภาระต่องานวิจัยที่ยอมรับไม่ได้ อย่าใช้เมื่อปรากฏการณ์ที่สนใจเป็นเรื่องอัตวิสัยโดยเนื้อแท้ (ทัศนคติ ความหมาย ความเชื่อ) หรือเมื่อต้นทุนและความซับซ้อนทางเทคนิคของการติดตั้งเซ็นเซอร์มีค่ามากกว่าข้อมูลที่ได้ ในกรณีเหล่านั้น แบบสำรวจ การสัมภาษณ์ หรือการประเมินผลตามช่วงเวลาทางนิเวศวิทยาพร้อมรายการรายงานตนเองอาจเหมาะสมกว่า
ข้อจำกัดและข้อควรพิจารณา
- เซ็นเซอร์วัดค่าตัวแทน ไม่ใช่ปรากฏการณ์โดยตรง การอนุมานพฤติกรรมหรือสถานะจากสัญญาณดิบต้องใช้อัลกอริทึมที่ได้รับการตรวจสอบแล้ว
- ต้นทุนอุปกรณ์ ความพยายามในการสอบเทียบ และความเชี่ยวชาญทางเทคนิคสร้างอุปสรรคในการตั้งค่าสูงเมื่อเทียบกับวิธีการใช้แบบสอบถาม
- ปริมาณข้อมูลอาจมีขนาดใหญ่มาก ซึ่งต้องการพื้นที่จัดเก็บ โครงสร้างพื้นฐานในการประมวลผล และทักษะการวิเคราะห์ที่สำคัญ
- ความเสี่ยงด้านความเป็นส่วนตัวและจริยธรรมจะทวีความรุนแรงขึ้นเมื่อเก็บข้อมูลตำแหน่ง ชีวมาตร หรือพฤติกรรมอย่างต่อเนื่องจากผู้เข้าร่วมที่เป็นมนุษย์
เงื่อนไขจากแหล่งที่มาไม่สามารถใช้แทนการทบทวนทางวิทยาศาสตร์ที่เป็นอิสระหรือการตรวจสอบโดยเอนจินวิเคราะห์ได้
จุดแข็ง
- ให้การวัดผลที่เป็นวัตถุประสงค์และอัตโนมัติ ซึ่งช่วยขจัดอคติจากการระลึกถึงและผลกระทบจากการต้องการเป็นที่ยอมรับทางสังคม
- เปิดใช้งานความละเอียดเชิงเวลาสูง — การจับข้อมูลอย่างต่อเนื่องหรือเกือบต่อเนื่องที่แบบสำรวจไม่สามารถทำได้
- ปรับขนาดได้ดี: การติดตั้งเพียงครั้งเดียวสามารถตรวจสอบผู้เข้าร่วมหรือสถานที่ได้หลายสิบหรือหลายร้อยแห่งพร้อมกัน
- สนับสนุนการออกแบบตามยาวและในโลกแห่งความเป็นจริง (เชิงนิเวศ) โดยมีภาระต่องานวิจัยน้อยที่สุดสำหรับผู้เข้าร่วมหรือนักวิจัย
- สร้างชุดข้อมูลที่สามารถทำซ้ำและเก็บถาวรได้ ซึ่งสามารถนำมาวิเคราะห์ใหม่สำหรับคำถามวิจัยรอง
การประยุกต์ใช้
- การติดตามกิจกรรมทางกายและพฤติกรรมอยู่ประจำในสาธารณสุขและวิทยาศาสตร์การกีฬาโดยใช้เครื่องวัดความเร่งที่สวมใส่ที่ข้อมือ
- การติดตามสิ่งแวดล้อมอย่างต่อเนื่องเกี่ยวกับคุณภาพอากาศ อุณหภูมิ หรือระดับเสียงในการศึกษาสังคมเมืองและอาชีวอนามัย
- การวิจัยการนอนหลับโดยใช้เครื่องวัดการเคลื่อนไหวที่ข้อมือเพื่อบันทึกวงจรการนอนหลับ-ตื่นอย่างเป็นวัตถุประสงค์ตลอดหลายคืน
- IoT อุตสาหกรรม: การบันทึกการสั่นสะเทือนของเครื่องจักร อุณหภูมิ และพารามิเตอร์การทำงานเพื่อคาดการณ์ความต้องการในการบำรุงรักษา
- นิเวศวิทยาพฤติกรรมและการวิจัยสัตว์ป่าโดยใช้ปลอกคอ GPS และเครื่องบันทึกชีวภาพเพื่อติดตามการเคลื่อนไหวและสรีรวิทยาของสัตว์
- การวิจัยพฤติกรรมการขับขี่โดยใช้เซ็นเซอร์วินิจฉัยในรถยนต์ (OBD) เพื่อบันทึกความเร็ว การเบรก และอัตราเร่งในการศึกษาตามธรรมชาติ
วิธีการทำงาน
วิธีการทำงาน
ผู้วิจัยระบุปรากฏการณ์ที่จะวัด เลือกประเภทเซ็นเซอร์ที่เหมาะสม กำหนดอัตราการสุ่มตัวอย่างและระยะเวลา และกำหนดหน่วยการวิเคราะห์ (บุคคล สถานที่ อุปกรณ์) การพิจารณาด้านจริยธรรมและความเป็นส่วนตัวจะได้รับการจัดการ — ซึ่งมีความสำคัญอย่างยิ่งเมื่อเก็บข้อมูลชีวมาตรหรือข้อมูลตำแหน่งจากผู้เข้าร่วมที่เป็นมนุษย์
เซ็นเซอร์จะถูกติดตั้งหรือแนบเข้ากับร่างกาย ในพื้นที่ หรือบนเครื่องจักร และกำหนดค่า การสอบเทียบจะดำเนินการเพื่อให้แน่ใจว่าการวัดมีความแม่นยำและสอดคล้องกันระหว่างอุปกรณ์ การทดลองนำร่องจะตรวจสอบว่าข้อมูลกำลังถูกบันทึกอย่างถูกต้อง และอายุการใช้งานแบตเตอรี่ การเชื่อมต่อ และความจุในการจัดเก็บเพียงพอสำหรับระยะเวลาการศึกษาหรือไม่
เซ็นเซอร์จะบันทึกค่าที่อ่านได้โดยอัตโนมัติตามช่วงเวลาที่กำหนด หรือเมื่อมีการตอบสนองต่อเหตุการณ์ (เช่น ตรวจพบการเคลื่อนไหว เกินเกณฑ์ที่กำหนด) ข้อมูลอาจถูกจัดเก็บไว้ในอุปกรณ์ สตรีมไปยังเซิร์ฟเวอร์แบบเรียลไทม์ หรือส่งเป็นชุด การตรวจสอบระหว่างช่วงเวลาการเก็บรวบรวมจะตรวจจับความล้มเหลวของเซ็นเซอร์ การหลุดของการเชื่อมต่อ หรือช่องว่างที่ไม่คาดคิด
สตรีมข้อมูลดิบของเซ็นเซอร์จะถูกทำความสะอาดเพื่อลบสัญญาณรบกวน ค่าผิดปกติ และสิ่งแปลกปลอมที่เกิดจากเซ็นเซอร์ทำงานผิดปกติ การเคลื่อนไหวของร่างกาย หรือการรบกวนจากสิ่งแวดล้อม ช่องข้อมูลที่ขาดหายไปจะถูกระบุและจัดการ (การแทนที่ค่าหรือการยกเว้น) หน่วยจะถูกทำให้เป็นมาตรฐาน และการประทับเวลาจะถูกจัดแนวข้ามช่องสัญญาณเซ็นเซอร์หลายช่อง
ข้อมูลที่สะอาดจะถูกจัดเก็บในรูปแบบที่มีโครงสร้าง (ฐานข้อมูลอนุกรมเวลา ไฟล์แบบแบน หรือการจัดเก็บแบบคอลัมน์) พร้อมข้อมูลเมตาที่บันทึกรุ่นเซ็นเซอร์ เวอร์ชันเฟิร์มแวร์ ตำแหน่ง และพารามิเตอร์การสอบเทียบ บันทึกแหล่งที่มาของข้อมูลช่วยให้สามารถทำซ้ำได้และสนับสนุนการวิเคราะห์รองหรือการเก็บถาวรในภายหลัง
ข้อผิดพลาดที่พบบ่อย
- การข้ามการสอบเทียบ — เซ็นเซอร์ที่ไม่ได้สอบเทียบจะนำข้อผิดพลาดที่เป็นระบบซึ่งไม่สามารถแก้ไขได้ในการวิเคราะห์ ควรเปรียบเทียบกับค่าอ้างอิงที่ทราบก่อนและหลังการติดตั้งเสมอ
- การละเลยรูปแบบการสูญเสียข้อมูล — การหลุดออกเนื่องจากแบตเตอรี่หมดหรือปัญหาการเชื่อมต่อไม่ค่อยเกิดขึ้นแบบสุ่ม การปฏิบัติต่อหน้าต่างที่ขาดหายไปเสมือนว่าขาดหายไปแบบสุ่มอาจทำให้ข้อสรุปเอนเอียง
- การปะปนสัญญาณเซ็นเซอร์กับโครงสร้าง — จำนวนการนับของเครื่องวัดความเร่งดิบไม่ใช่กิจกรรมทางกายภาพ ตรวจสอบให้แน่ใจว่าอัลกอริทึมหรือเกณฑ์ที่ใช้ในการอนุมานโครงสร้างเป้าหมายได้รับการตรวจสอบแล้วสำหรับประชากรและบริบทของคุณ
- การประเมินเวลาในการประมวลผลล่วงหน้าต่ำเกินไป — การทำความสะอาดและการสร้างคุณลักษณะตามปกติจะใช้เวลาโครงการมากกว่าการวิเคราะห์ จัดสรรงบประมาณสำหรับสิ่งนี้อย่างชัดเจน
- ขั้นตอนการยินยอมที่ไม่เพียงพอ — การตรวจสอบอย่างต่อเนื่องโดยไม่เปิดเผยข้อมูลต้องการการเปิดเผยที่ชัดเจนแก่ผู้เข้าร่วมและกลไกการยกเลิกที่ง่าย การไม่จัดหาสิ่งเหล่านี้จะสร้างความเสี่ยงด้านจริยธรรมและกฎหมาย
คำถามที่พบบ่อย
การเก็บข้อมูลเซ็นเซอร์แตกต่างจากการประเมินผลตามช่วงเวลาทางนิเวศวิทยา (EMA) อย่างไร?
EMA แจ้งให้ผู้เข้าร่วมให้รายงานตนเองในช่วงเวลาสุ่มหรือตามกำหนดในชีวิตประจำวัน มันจับประสบการณ์อัตวิสัย การเก็บข้อมูลเซ็นเซอร์บันทึกสัญญาณทางกายภาพหรือสรีรวิทยาที่เป็นวัตถุประสงค์โดยอัตโนมัติโดยไม่ต้องป้อนข้อมูลจากผู้เข้าร่วม การศึกษาหลายชิ้นรวมทั้งสองอย่างเข้าด้วยกัน: เซ็นเซอร์ให้ข้อมูลพฤติกรรมที่เป็นวัตถุประสงค์ ในขณะที่ EMA ให้บริบทอัตวิสัยที่เกิดขึ้นพร้อมกัน
ฉันควรเลือกอัตราการสุ่มตัวอย่างเท่าใด?
อัตราการสุ่มตัวอย่างต้องอย่างน้อยสองเท่าของความถี่สูงสุดของสัญญาณที่คุณต้องการจับ (ทฤษฎีบทของ Nyquist) สำหรับปรากฏการณ์ที่ช้า เช่น อุณหภูมิห้อง ช่วงเวลาหนึ่งนาทีอาจเพียงพอ สำหรับการวิเคราะห์การเดินหรือความแปรปรวนของอัตราการเต้นของหัวใจ จำเป็นต้องใช้อัตรา 50–100 Hz หรือสูงกว่า อัตราที่สูงขึ้นจะสร้างไฟล์ที่ใหญ่ขึ้นและใช้แบตเตอรี่เร็วกว่า ดังนั้น ให้เลือกอัตราขั้นต่ำที่รักษาความสมบูรณ์ของสัญญาณที่เกี่ยวข้อง
ฉันจะจัดการข้อมูลจากผู้เข้าร่วมที่ถอดเซ็นเซอร์ออกก่อนกำหนดได้อย่างไร?
ระบุช่วงเวลาที่ไม่สวมใส่โดยใช้อัลกอริทึมตรวจจับการสวมใส่ที่ได้รับการตรวจสอบแล้ว (เช่น ช่วงเวลาที่ความแปรปรวนเป็นศูนย์ในการวัดความเร่ง) ยกเว้นหน้าต่างเหล่านั้นจากการวิเคราะห์ และรายงานสัดส่วนของเวลาสวมใส่ที่ถูกต้อง หากการไม่สวมใส่มีความแตกต่างกันในแต่ละกลุ่มหรือมีความสัมพันธ์กับผลลัพธ์ ให้กล่าวถึงอคติที่อาจเกิดขึ้นอย่างชัดเจนในวิธีการและข้อจำกัดของคุณ
จำเป็นต้องได้รับความยินยอมจากผู้เข้าร่วมหรือไม่ แม้สำหรับเซ็นเซอร์สิ่งแวดล้อมที่ไม่มุ่งเป้าไปที่บุคคล?
ขึ้นอยู่กับว่าเซ็นเซอร์สามารถจับข้อมูลที่ระบุตัวบุคคลได้หรือไม่ เซ็นเซอร์อุณหภูมิในพื้นที่ส่วนกลางของอาคารโดยทั่วไปต้องการเพียงการอนุมัติจากสถาบัน กล้อง ไมโครโฟน หรือบีคอนระบุตำแหน่งที่สามารถระบุตัวบุคคลได้ จำเป็นต้องได้รับความยินยอมโดยได้รับข้อมูลจากผู้ที่อาจถูกจับภาพ ปรึกษาคณะกรรมการจริยธรรมของสถาบันของคุณและกฎระเบียบการคุ้มครองข้อมูลที่เกี่ยวข้องก่อนการติดตั้ง
สามารถใช้ข้อมูลเซ็นเซอร์ในการวิจัยเชิงคุณภาพได้หรือไม่?
ข้อมูลเซ็นเซอร์เป็นข้อมูลเชิงปริมาณโดยเนื้อแท้ แต่บางครั้งก็ใช้เป็นสิ่งกระตุ้นในการติดตามผลเชิงคุณภาพ: ผู้เข้าร่วมทบทวนร่องรอยข้อมูลของตนเอง (เทคนิคที่เรียกว่าการสัมภาษณ์โดยใช้ข้อมูลช่วย หรือการถ่ายภาพเพื่อกระตุ้นด้วยข้อมูลส่วนบุคคล) เพื่อกระตุ้นการไตร่ตรอง แนวทางแบบผสมผสานนี้สามารถรวมเอาความเป็นวัตถุประสงค์ของการวัดด้วยเซ็นเซอร์เข้ากับความลึกของการตีความของการสืบสวนเชิงคุณภาพ
วิธีการที่เกี่ยวข้อง
แหล่งอ้างอิง
Chong, C.-Y., & Kumar, S. P. (2003). Sensor networks: Evolution, opportunities, and challenges. Proceedings of the IEEE, 91(8), 1247–1256.
เปิดเอกสารอ้างอิง DOIคัดลอกแล้วSensor. Wikipedia.
เปิดเอกสารอ้างอิงสิ่งพิมพ์คัดลอกแล้ว