Software : Wearables
Hintergrund
Tagebücher sind allseits bekannt. Sie dienen uns um unsere täglichen Erlebnisse in unseren eigenen Worten festzuhalten und beziehen sich üblicherweise auf das am selben Tag erlebte. Tagebücher werden aber auch in der Wissenschaft eingesetzt wo Versuchspersonen ihre Erlebnisse in meist strukturierter Form (geschlossene Fragen) zu einem bestimmten Thema (z.B. Wohlbefinden) systematisch erfassen. Dabei besteht nicht nur die Möglichkeit am Ende des Tages diese Fragen zu beantworten, sondern im Prinzip zu jedem beliebigen Zeitpunkt über den Tag verteilt (sogenanntes Event- bzw. Zeit-basiertes sampling). Früher wurden diese wissenschaftlichen Tagebücher in gedruckter Form verwendet, jedoch durch den technischen Fortschritt gibt es diese mittlerweile auch digital, zum Beispiel in der Form von Persönlichen Digitalen Assistenten (sogenannte PDAs) oder Smartphones. Eine noch neuere Entwicklung scheint dabei durchaus weiteres Potential für den Einsatz in der Tagebuchforschung zu haben – die Wearables. Wearables werden momentan fast ausschließlich im Sportbereich verwendet wo sie Pulsfrequenz und Blutdruck messen, die Anzahl der Schritte zählen, oder die exakte Position via GPS bestimmen. Doch auch in der Wissenschaft wäre das Potential groß, Wearables für Datenerhebungszwecke bei Tagebuchstudien zu verwenden. Diese hätten den großen Vorteil, dass sie unscheinbar sind (wichtig bei der direkten Messung heikler Themen), kaum im Alltag stören (wichtig, wenn mehrmals am Tag gemessen werden soll/muss), und theoretisch autonom agieren können (d.h. unabhängig von Smartphones und Internet). Ziel des vorliegenden Projektes ist es, eine open-source Softwarelösung für wissenschaftliche Erhebungen zu entwickeln, welche leicht adaptierbar ist (um weitere Sensoren, Buttons, usw.), autonom funktioniert, einen geringen Stromverbrauch hat, und Daten lokal speichern kann aufbauend auf einem kostengünstigen, frei erhältlichen Development Board.
Um Experience Sampling Method (ESM) Studien auch auf im Smartwatchformat einfach durchführen zu können, wurde an der KL eine Firmware für die LilyGo T-Watch 2020 V2 entwickelt. Diese quelloffene Software ermöglicht es, mittels einfacher Konfigurationsdateien Studien mit Selbstauskunft auf der T-Watch auszuführen. Dies ermöglicht es Forschern ohne Programmierkenntnisse das Verhalten des Geräts zu definieren. Das Gerät kann dann selbstständig Versuchspersonen benachrichtigen und zu Eingaben auffordern, welche dann auf dem Gerät gespeichert werden.
Selbstauskunftsdaten, d. h. Daten aus klassischen Fragebögen, stehen immer wieder in der Kritik, da sie Nachteile haben, welche die Validität der Daten in Frage stellt (z. B. Erinnerungsverzerrungen, soziale Erwünschtheit, Voraussetzung der Introspektionsfähigkeit). Non-reaktive Daten können dabei eine wichtige Ergänzung darstellen, um diesen negativen Einfluss zu reduzieren bzw. zu quantifizieren. Mit dem folgenden Device sollen Sozialkontakte erhoben werden und zwar non-reaktiv – über die Anzahl an Smartphones in der unmittelbaren Umgebung.
Die Idee ist, dass Forscher:innen dieses Tool nutzen können, um ein Gerät nach ihren Bedürfnissen zu konfigurieren (z.B. Zeitpunkte/Frequenz der Eingabeaufforderungen, Vibration, LED-Lichter). Das Wearable kann dann unabhängig und ohne mit einem Smartphone verbunden zu sein, verwendet werden. Alle Daten werden auf dem Gerät selbst gespeichert und können zu einem späteren Zeitpunkt durch erneutes Verbinden mit der App heruntergeladen werden.