Používanie sociálnych médií: Charakteristika nabudenia
Autor: Bc. Ivan Sleziak
Školiteľ: Mgr. Daniela Turoňová, PhD.
Abstrakt
Používanie sociálnych sietí dnes patrí k významnej každodennej aktivite väčšiny mladých ľudí, nie je však veľa dát o tom, do akej miery tieto aktivity ovplyvňujú bežný život. V tomto pilotnom zbere dát sme sa zamerali na sympatikovú aktivitu, ktorá predstavuje mieru nabudenia, počas používania sociálnych médií. Náš výskumný výber tvorilo 8 osôb v experimentálnej a 7 osôb v kontrolnej skupine (n = 15). V analýze sme sa zamerali na nelineárne ukazovatele HRV a lineárne parametre EDA signálu počas používania sociálnych sietí (15 minút) a následnom oddychu (15 minút). Cieľom bolo vyhodnotiť protokol a odporučiť postup do budúcich výskumov, zároveň pozrieť sa na vhodnosť nelineárnych ukazovateľov HRV pre tento typ protokolu. Výsledky analýzy HRV ukazovateľov podporili hypotézu, že po vystavení sociálnym médiám nedochádza k poklesu nabudenia ani v prípade, že je osoba k tomu vyzvaná a má k tomu priestor. Zároveň sme potvrdili vhodnosť nelineárnych ukazovateľov HRV pre analýzu nabudenia v podobnom protokole. Lineárne parametre EDA neodhalili žiadny štatistický signifikantný rozdiel v použitých markeroch EDR a SCL pre túto hypotézu. V diskusii sa venujeme možným príčinám a odporúčame sa v budúcich analýzach zamerať na nelineárne a spektrálne parametre EDA signálu v kontexte aj HRV signálu, ktorý kombinuje sympatikovú a parasympatikovú aktivitu. V závere zhŕňame limity práce a implikácie do ďalších výskumov.
Kľúčové slová
Sociálne médiá, sympatikus, nabudenie, oddych, EDA, HRV
Teoretické východiská
Používanie sociálnych sietí (social media use, SMU) sa v posledných dvoch dekádach stalo neoddeliteľnou súčasťou bežného fungovania ľudí po celom svete, obzvlášť u mladých dospelých a adolescencie. Priemerná doba strávená na sociálnych sieťach u adolescencie je viac ako 4 hodiny denne (Rothwell, 2023), pričom tento trend je naďalej stúpajúci. V tomto kontexte sa od začiatku sociálnych médií a sietí vynárajú otázky ohľadom vplyvu SMU na osoby, ich psychické aj fyzické zdravie a každodenné fungovanie. Najmä edukačné organizácie vyzývajú k zvýšenému záujmu odborníctva a výskumníctva o túto problematiku a jej dopad na bežný, ale aj školský život mladých (Kim et al., 2019).
Výskumy doposiaľ naznačujú, že SMU je spojené s mnohými psychologickými premennými, pričom vplyv na zdravie a fungovanie zatiaľ nie je jasné, čo potvrdzujú meta-analýzy a systematické prehľady (Hunter et al., 2019). Najsilnejšie vzťahy SMU sú s narušením emočnej regulácie (Wartberg et al., 2021), či posunutím času zaspatia a celkového času stráveného v spánku (Vernon et al., 2018), pričom tieto deficity môžu byť spájané s problémami v bežnej funkčnosti adolescencie (Karim et al., 2020). Ako vyplýva z uvedeného systematického prehľadu, možných vzťahov je oveľa viac, avšak doterajšie dáta majú privysokú heterogenitu. Uvedené vzťahy, ktoré sú reportované s vyššou mierou istoty však ponúkajú dáta, ktoré možno interpretovať tak, že primárny disruptor za (nielen) negatívnymi vplyvmi SMU môže byť miera nabudenia v kontexte bežného života. S týmto predpokladom sme začali pracovať na tomto pilotnom výskume.
Nabudenie reprezentované autonómnym nervovým systémom (ANS) v psychológií patrí medzi ukazovatele mentálneho úsilia a stresu (Cacioppo et al., 2007).
Najčastejšie biosignály pre nabudenie predstavujú elektrodermálna aktivita (EDA), deriváty elektrokardiogramu (EKG), dilatácia pupily či elektroencefalogram. Alterované charakteristiky v tjchto signáloch sú opísané ako pri negatívnej afektivite (Visnovcova et al., 2016), tak patologickom SMU (Moretta et al., 2019), či rôznych afektívnych poruchách (Sarchiapone et al., 2018).
EKG a jeho deriváty, ako variabilita srdcového rytmu (HRV), sa tradične používajú ako ľahko dostupné a jednoduché ukazovatele nabudenia a stresu v psychofyziologických meraniach (Cacioppo et al., 2007). Primárne sú používané časové a frekvenčné analýzy, avšak v posledných rokoch sa pristupuje k častejšiemu využívaniu nelineárnych parametrov HRV pre stres či nabudenie, keảže sa jedná o vhodnejšie parametre signálov so stochastickým charakterom (Mohammadpoor Faskhodi et al., 2023). Zlatým štandardom v tejto doméne sú najmä DFAⲁ1 a ApEn (Tanev et al., 2014). Detrendovaná fluktučná analýza (DFA) predstavuje ukazovateľ seba-afinity stochastického signálu, pričom sa udávajú dva typy hodnôt: DFAⲁ1, ktorá predstavuje rýchle zmeny a DFAⲁ2, ktorá predstavuje pomalé zmeny v signáli. Práve DFAⲁ1 vo výskumoch predstavuje marker pre nabudenie a aj našom výskume sme použili túto hodnotu. Aproximovaná entropia (ApEn) predstavuje mieru entropie v signáli, čím vyššia je táto hodnota, tým „chaotickejší“ je signál, teda môžeme hovoriť o vyššej mieri stresu/nabudenia (Tanev et al., 2014; Visnovcova et al., 2020). Pri HRV však vždy ide o zmes signálu sympatika a parasympatika, a teda ak hovoríme o sympatikovej aktivite, máme tým na mysli, že v daných dátach je silnejší podiel aktivity sympatika v signále oproti aktivite parasympatika.
EDA odráža aktivitu sympatika cez mieru aktivity ekrinných potných buniek a cholinenergickú aktivitu (Visnovcova et al., 2016). SCL (skin conductance level) a EDR (electrodermal response) predstavujú tónickú, respektíve fázickú, aktivitu sympatika, pričom SCL sa používa ako ukazovateľ všeobecného, nešpecifického nabudenia upraveného pre rozlíšenie v širšom časovom úseku, EDR aktivita predstavuje špecifické alebo nešpecifické fázické zmeny (vrcholy) v signáli, ktoré sú významné ako ukazovateľ bezprostrednej reakcie sympatikovej aktivity. Zmeny v počte a charakteristike týchto vrcholov, či tónickej aktivity sa používa ako ukazovateľ pri rôznych psychologických premenných ako sú psychiatrické symptómy a poruchy (Sarchiapone et al., 2018), stresové reakcie (Liu & Du, 2018) a pod.
SMU z tohto pohľadu predstavuje dynamickú a aktívnu interakciu s aplikáciami, ktoré prinášajú zaujímavý, sociálne sýtený, nečakaný, nový a často emočne nabitý obsah. Primárnym cieľom tejto pilotnej práce je opísať charakteristiky nabudenia pri používaní SMU v čase používania a po ňom, pričom ako kontrast (kontrolu) sme vybrali bežný oddych. Na tomto príklade chceme ilustrovať problematiku fenoménu “oddychu” na sociálnych sieťach počas krátkych chvíľ voľna (ako prestávka v škole či vo voľnom čase). Očakávame, že nabudenie zo SMU bude pervazívne a bude interferovať s oddychom. Zároveň chceme opísať nabudenie z biosignálov tak, aby bolo možné naďalej implikovať hypotézy pre konfirmačné výskumy v oblasti používania SMU a psychofyziológie.
Metódy
Výskumný výber tvorilo 8 žien a 7 mužov (n = 15). Oslovenie prebiehalo prostredníctvom sociálnych sietí (Facebook) v skupine internátov Univerzity Komenského. Výskumný výber bol vyvážený pre pohlavie, avšak pri analýze dát sme museli vylúčiť jedného mužského participanta v kontrolnej skupine kvôli kvalite dát.
Vo výskume boli dve podmienky: experimentálna, ktorá predstavovala 15 minútovú aktivitu na sociálnych sieťach a kontrolná, ktorá predstavovala ekvivalentne dlhý oddych. Experimentálna skupina pozostávala zo 4 mužov a 4 žien (n = 8), kontrolná zo 4 žien a 3 mužov (n = 7). Participantom bola podmienka určená priradením ID, ktorému bola dopredu zakódovaná podmienka a následne bol zoznam ID randomizovaný. Podľa poradia zapísania sa do výskumu dostali participanti ID. Inklúzne kritériá predstavoval vek v rozpätí 18-30 rokov. Exkluzívne kritériá boli psychiatrická, neurologická alebo kardiologická diagnóza, užitie kofeínu alebo nikotínu pred menej ako 6 hodinami pred začiatkom merania.
Použité prístroje a softvér
EDA a EKG boli merané cez PowerLab, zosilňovače BioAmp, EMG bolo merané cez PowerLab Octal BioAmp. Dáta boli spracované cez LabChart v7.3.8, 50Hz filter pre elektrický šum bol nastavený cez BioAmp zosilňovače na Input-e, vzorkovanie bolo nastavené na 1kHz. Pre analýzu HRV z EKG sme použili softvér Kubios3.5 Premium, pričom sme sa zamerali na nelineárne ukazovatele, ktoré sme spomenuli v úvode: ApEn, ktorá opisuje mieru entropie srdcového rytmu, čo ktorá je spájaná s mierou nabudenia či stresovej reakcie (čím vyššia miera entropie, tým vyššie nabudenie). A DFAⲁ1 ktorá predstavuje ukazovateľ seba-afinity krátkodobých zmien v signále (nabudenie/stres).Pre EDA signál sme použili filter pre EDR aktivitu (high-pass filter 0,05Hz) ako ukazovateľ sme vybrali počet a výšku tzv. nešpecifických EDR (non-specific EDR, NsEDR) vrcholov. PreSCL aktivitu sme použili hodnotu “Maximum -minimum”, teda rozdiel vo vodivosti medzi najvyšším a najnižším bodom pre analyzovaný segment (experimentálny a oddychový).
Priebeh výskumu
Po príchode osoby do psychofyziologického laboratória Katedry psychológie FiF UK bola osoba poučená o priebehu a podmienkach vzťahovať len na soc. siete), osoby pritom mohli používať rôzne aplikácie pre sociálne siete (takto sme sa snažili zabrániť možnému nudeniu). V prípade kontrolnej skupiny osoby mali 15 minút oddychovať. Po ubehnutí času tohto úseku administrátor znova vstúpil do miestnosti a oznámil začiatok poslednej časti protokolu, 15 minút oddychu pre obidve skupiny. Na konci osoby ešte vyplnili skrátený dotazník kognitívnej interferencie pre segment oddychu (CIQ, v Prílohe č. 2) (Sarason, 1984), dostali možnosť klásť otázky ohľadom priebehu výskumu a meranie bolo ukončené. Merania prebiehali do obedných hodín, aby sme obmedzili vplyvy premenných ako únava, cirkadián a pod.
Výsledky
Analýza
Štatistické procedúry boli počítané v programe JASP (JASP Team, 2024). Pre EDA signál sme použili Maximum – minumum hodnoty vodivosti pre experimentálny a oddychový úsek (14 min. z každého), následne sme za pomoci 0,05Hz highpass filtra analyzovali EDR aktivitu vrcholov. Minimálna výška pre EDR reakciu bola 0,05µS podľa štandardov (Boucsein et al., 2012). EMG analýzu sme nepoužili pre túto prácu.
Dáta boli zbierané v troch segmentoch: baseline (10 min.), experimentálna/kontrolná podmienka (15 min.), oddych (15 min.). HRV dáta boli analyzované v 5 minútových časových oknách: 1x stredná oblasť baseline segmentu, 3x sukcesívne okno po 5 min. pre experimentálny a oddychový segment. Z týchto okien sme ako reprezentatívne vybrali stredné okná (3. a 6.) každého segmentu (obr. č. 1). Následne sme pre prepočítali hodnoty aj pre celý druhý a tretí 14 minútový segment záznamu.
Vnútrosubjektová analýza nabudenia
Ako prvé sme porovnali DfAⲁ1 hodnoty stredných okien prvého a druhého časového segmentu v rámci jednej podmienky analýzou rmANOVA, pričom dátové segmenty sa podľa štatistickej signifikancie nelíšili v experimentálnej (F(1, 7) = 0.149, p = 0.711, η2 = 0,021) ani kontrolnej skupine (F(1, 6) = 0.003, p = 0.957, η2 = 5.277×10-4). Teda hypotézu, že oddych po používaní SMU nenastáva, aj keď je k nemu možnosť a ľudia sú k nemu vyzvaní, sme podporili.
ApEn pre rovnaké časové úseky vrámci experimentálnej skupiny sa signifikantne nelíšil (F(1, 7) = 2.404, p = 0.164, η2 = 0,256), podobne ani pre kontrolnú skupinu (F(1, 6) = 0.119, p = 0.742, η2 = 0,019). Počet vrcholov EDR sa vo vnútri podmienok štatisticky signifikantne nelíšil (experimentálna: (F(1, 7) = 0.527, p = 0.492, η2 = 0,070); kontrolná: (F(1, 6) = 2.481, p = 0.166, η2 = 0,293). Priemerná výška amplitúd sa taktiež medzi segmentami štatisticky nelíšila (exp.: (F(1, 7) = 0.448, p = 0.525, η2 = 0,060); kontrol.: (F(1, 6) = 3.480, p = 0.111, η2 = 0,637)). Tieto výsledky naznačujú, že miera nabudenia reprezentovaná EDA bola po celú dobu porovnateľná v každej zo skupín.
Obrázok č. 1 – Ukážka záznamu pri spracovaná HRV a sukcesívne rozdelenie okien s vyznačením stredného časového okna pre experimentálny segment (3.) a stredného časového okna pre oddychový segment (6.) HRV analýzy
Medzisubjektové porovnania nabudenia
V medzisubjektovom porovnaní skupín pre DfAⲁ1 hodnoty stredných okien prvého a druhého časového segmentu výsledky dosiahli tiež štatistickú signifikanciu (F(1, 11) = 5.296, p = 0.042, ηp2 = 0,325). V post-hoc testoch podmienka x DfAⲁ1 však nevyšiel signifikantný výsledok pre rozdiel medzi druhým oknom (t = 2.229, pbonf = 0.237). V porovnaní DfAⲁ1 meraní medzi pohlaviami nevyšiel štatisticky signifikantný výsledok tesne nad hranicou signifikancie (F(1, 11) = 4.479, p = 0.058, ηp2 = 0,289). V prípade porovnania 15 minútových okien jednotlivých segmentov sa taktiež potvrdil rozdiel medzi podmienkami F(1, 11) = 6.324, p = 0.029, ηp2 = 0,356). ApEn sa ukázal rovnako ako vhodný ukazovateľ nabudenia pre tento protokol v rozdiele podmienok (F(1, 11) = 11.029, p = 0.007, ηp2 = 0,501), pos-hoc analýza ukázala aj signifikantný rozdiel medzi experimentálnym oknom jednotlivých skupín (t = -3.166, pbonf = 0,041, d = -1.648). Oddychové okno sa v porovnaní skupín nelíšilo štatisticky signifikantne (t = -3.036, pbonf = 0.053, d = -1.580). Tento výsledok naznačuje, že entropia v druhom segmente skupín sa signifikantne nelíšila čo nepodporuje našu hypotézu.
Nakoľko ide o post-hoc analýzu tieto výsledky prinášajú implikáciu do ďalších výskumov. Odporúčame zamerať sa na metodologické postupy (dĺžka okien, typ aktivity…) a výber výskumnej vzorky (najmä vzhľadom na kovariáty ako osobnosť, veľkosť vzorky, únava a pod.) pre overenie výsledkov. Medziskupinový rozdiel medzi počtom vrcholov EDR pre jednotlivé segmenty sa neukázal ako štatisticky signifikantný (F(1, 11) = 0.827, p = 0.383, ηp2 = 0,070). Rovnako ani porovnanie hodnoty Maximum – minimum v EDA okne nevyšlo štatisticky signifikantné F(1, 11) = 0.177, p = 0.682, ηp2 = 0,016). Priemerná výška vrcholov EDR sa ukázala ako štatisticky signifikantná medzi pohlavím F(1, 11) = 5.342, p = 0.041, ηp2 = 0,327), avšak medzi podmienkami nie (F(1, 11) = 1.277, p = 0.282, ηp2 = 0,104). Rozdiel vo výslednom skóre CIQ medzi skupinami nenastal (t = 0.344, p = 0.368, Hedges’ g =0.168),a preto sme ho ďalej ani nezahrnuli do analýzy
Vizuálna analýza EDA
Za ďalší ukazovateľ nabudenia a stresu je považovaná prítomnosť hyper-amplitúd (obr. 3), ktoré predstavujú výrazné zvýšenie sympatikovej aktivity v krátkom čase, pričom historicky sú používané ako ukazovatele stresovej reakcie (napr. v stresových protokoloch; Cacioppo et al., 2007). V našom protokole sa hyper-amplitúdy vyskytli v oboch skupinách, avšak boli výraznejšie pri používaní sociálnych médií, rovnako sa tu vyskytovali rozšírené hyper-amplitúdy s viac ako 2 vrcholmi. Počas SMU sa táto aktivita môže prisudzovať pestrosti či „váhe“ podnetov, počas oddychu naznačuje značnú mentálnu aktivitu, pričom náš predpoklad je, že ide o reziduálnu reaktivitu po SMU. Vzhľadom na to, že ich aktivitu nemôžeme prisúdiť k špecifickým podnetom a porovnať ich, nemohli sme ich zahrnúť do kvantitatívnej analýzy. Avšak považujeme tento ukazovateľ za dôležitý a budúce výskumy by ich mali zahrnúť do svojej analýzy.
Obrázok č. 2- V hornej časti je vidieť EDA záznam s klasickou amplitúdou, za ktorou nasleduje hyperamplitúda, v dolnej časti je možné vidieť tú istú aktivitu ako EDR s označenou hranicou pre 0,05μS.
Diskusia
Zvýšené nabudenie po SMU naznačuje niekoľko implikácií. Naše výsledky kvantifikujú interferenciu SMU na oddych, ktorá je opisovaná napríklad v školskom prostredí, ale aj v bežnom živote. Naše dáta z HRV analýzy naznačujú, že po SMU minimálne 15 minút zostáva miera nabudenia vyššia po celý čas, pričom môžeme tento efekt pripisovať najmä účinku SMU.V našom protokole sme nezbierali dáta o tom, či ľudia chcú znovu používať SMU počas druhého oddychu (či majú myšlienky na znovuzapojenie do aktivity), avšak väčšina participujúcich osôb v experimentálnej skupine na konci experimentu reportovalo silnú chuť vrátiť sa k obsahu na sociálnych sieťach, preto odporúčame do budúcich výskumov zahrnúť do dotazníka po meraniach aj tento aspekt. Zároveň, naše výsledky naznačujú, že využívanie SMU ako oddych počas voľného času je kontraproduktívne a k oddychu (minimálne fyzickému) neprichádza. Avšak, EDA analýza tieto rozdiely nepreukázala.
To môže byť spôsobené práve tým, že EDA predstavuje len aktivitu sympatikového systému, zatiaľčo HRV ukazovateľe neustále porovnávajú nie len aktivitu sympatika ale aj (ne)aktivitu parasympatikového systému. Celkovo naše zistenia však treba čítať v kontexte toho, že ide o pilotný zber a výsledky majú nízku mieru vecnej signifikancie. V budúcich protokoloch by sme odporúčali zaradiť aj kontrolnú skupinu s pozeraním filmu/videa. Klasická teória za oddychom pri pozeraní filmov/videí pracuje s tým, že pozornosť je pasívne ťahaná atraktivitou podnetov a človek tak pritom oddychuje(Eden et al., 2018). SMU je tejto aktivite podobné, avšak tu ide o aktívne zapájanie sa do procesu, kde si človek vyberá, čo bude robiť, mení typ podnetov a môže rôzne interagovať s inými ľuďmi. Očakávame, že práve tento faktor bude vplývať na výslednú aktivitu sympatika a parasympatika. V prípade zaradenia viacerých skupín by bolo vhodné využiť aj napr. Solomonov dizajn. Zmysluplné je v budúcnosti priradiť aj ďalšie psychologické ukazovatele ako subjektívne hodnotenie afektu pred a po používaní sietí, typ prítomnej emócie, mieru iritability, či kognitívne premenné ako pozornosť, interferenciu s pamäťou a podobne. V kontexte afektivity je možné zamerať sa aj na úzkostnosť a prežívanú úzkosť participantstva. Je pravdepodobné, že SMU dokáže krátkodobopotlačiťúzkostné prejavy, avšak vzhľadom na mieru nabudenia, ktoré so sebou SMU prináša, je možné predpokladať, že efekt zníženia úzkostnosti by bol spôsobený odklonením pozornosti od vnútorných procesov, najmä interocepcie, ktorá je s prejavmi napr. panických atakov spájaná (Robinaugh et al., 2024). Zaujímavé by bolo teda sledovať, ako by sa menil tento stav po používaní SMU v porovnaní napríklad po dychovom cvičení a pod. Na druhú stranu, práve pervazívnosť podnetov môže pomáhať dostať negatívne myšlienky z pracovnej pamäti a tak uvoľniť úzkostnú symptomatiku. Rovnako odporúčame v budúcnosti overiť mieru atraktivity času stráveného na SMU formou dopýtania na mieru prežívanej nudy po SMU. Toto je zároveň aj limitom našej práce, keďže sme nekontrolovali túto premennú, pritom je možné očakávať, že minimálne pri väčších výskumných výberoch by mohli vznikať zmiešané signály v analýzach práve od ľudí s nižšou motiváciou k obsahu. Odporúčame sledovať aj premenné ako únava nepokoj. Participanti z kontrolnej skupiny vo väčšine spontánne reportovali po meraniach únavu, respektíve utlmenie (ktoré minimálne z HRV bolo objektivizované), kdežto participanti z experimentálnej skupiny spontánne reportovali nepokoj počas doby oddychu. Zameranie sa na subjektívne škály pre únavu a nepokoj by malo byť v budúcich výskumoch samozrejmosťou (jednoduchým riešením by bol napríklad „teplomer“ pre mieru únavy/nepokoja). Ďalej odporúčame zamerať sa na špecifickú aktivitu počas SMU. To by mohlo priniesť významné informácie o tom, ktoré časti SMU (sledovanie videí, odpisovanie…) sú spájané s najvyššou mierou nabudenia, vplyvy na prípadne meranú afektivitu a pod. Vhodným doplnkom pri takýchto meraniach mohol byť eye-tracker, pričom ako ďalší ukazovateľ nabudenia (najmä pre evokované odpovede) by mohol slúžiť na lepšiu identifikáciu jednotlivých prvkov (odpisovanie, prezeranie obsahu a pod.) vplývajúcich na výsledné merania. Odporúčame taktiež zahrnúť do analýzy aj ďalšie charakteristiky EKG ako je napríklad sklon T vlny by v budúcnosti mohol priniesť tiež zaujímavé poznatky(T vlna je spojená s nabudením a dopamín energetickým systémom, čo je relevantné pre SMU; Koelsch et al., 2012), rovnako porovnať vzťah negatívnej afektivity u ľudí s vysokým počtom hodín strávených SMU a kardiologických a psychologických charakteristík. Prínosným meraním by mohlo byť aj pridanie elektroencefalografie, pričom zaujímavé by bolo sledovať mieru únavy v čase medzi skupinami, spojiť reportovaný afekt s ukazovateľmi EEG ako frontálna či parietálna alfa asymetria (Metzen et al., 2022) Analýza EMG môže byťrovnako zaujímavá, či už z pohľadu ďalšieho ukazovateľa nabudenia, ale aj ako klinicky zaujímavá premenná: zvýšená tónická aktivita svalov pri SMU by mohla spôsobovať napríklad zhoršenú symptomatológiu pri niektorých neurologických ochoreniach ako myasthenia gravis(Roman-Liu et al., 2013). Do budúcna je potrebné zvážiť typ EDA markerov, nakoľko nami vybrané markery nepriniesli štatisticky významné rozdiely, napriek tomu, že vizuálna analýza ponúka rozlíšenie meraných skupín. Avšak jednalo sa o lineárne parametre pre veľmi dlhé časové úseky, ktoré nepredstavujú najlepšiu voľbu analýzy s ohľadom na chyby typu I.a II. Odporúčame zamerať sa na deriváciu signálu a čas strávený v “recovery” fáze , sklon amplitúd EDR, dĺžku latencie, spektrálne ukazovatele z frekvenčnej analýzy, najmä pre aktivitu sympatika a nelineárne ukazovatele ako v prípade HRV. Nami zvolená dĺžka segmentov sa ukazuje ako vhodná pre tento typ protokolu, do budúcna však odporúčame použiť 7 minút pre baseline a 10 minútové segmenty pre experimentálnu a oddychovú časť, tieto časy sa ukazujú ako dostatočné. Medzi významnejšie limity práce patrí nekontrolovanie premenných ako dĺžka času stráveného bdením, ktorá mohla variovať medzi participantstvom, ktoré prišlo v ranných vs. v doobedňajších hodinách. Taktiež sledovanie času od posledného jedla a pocitu hladu, ktoré mohli mať vplyv na zber dát. Niekoľkí participanti/ky reportovali, že si stiahli sociálne siete kvôli tomuto výskumu a bežne sa ich snažia nepoužívať. Táto premenná by v budúcnosti tiež mala byť zakomponovaná do analýzy, kvôli možnej kovariácii, ale aj ako špecifický marker pre SMU pravidelných užívateľov/liek. Merania sa konali počas skúškového obdobia na FiF UK, je teda možné, že aj zvýšené množstvo stresu a povinností mohlo skresľovať zbierané dáta. Limitom je aj absencia objektívneho overenia aktivity participantstva , aby sme vylúčili možné parazitujúce vplyvy na nabudenie. Rovnako sme nekontrolovali osobnostné parametre (napr neurotizmus), ktoré môžu mať na priebeh a charakteristiky signálu významný vplyv.
Záver
Táto práca predstavuje pilotný zber dát a analýzu vhodných markerov EDA a HRV signálov pre nabudenie počas SMU a následného oddychu. V práci sa nám podarilo ukázať, že po SMU nedochádzalo u nášho participantstva k výraznému poklesu nabudenia reprezentovaného HRV parametrami, rovnako v kontrolnej podmienke nedochádzalo k zmene oddychu v čase. Zároveň naše dáta potvrdili vhodnosť nelineárnych ukazovateľov DfAⲁ1 a ApEn pre tento typ protokolu. Avšak, nami vybrané ukazovatele EDA a EDR aktivity (Maximum – minimum, počet amplitúd, priemerná výška amplitúdy) sa neukázali ako štatisticky signifikantné medzi skupinami. Domnievame sa však, že vzhľadom na dĺžku analyzovaného časového okna tieto ukazovatele nie sú dostatočne špecifické a senzitívne, aby sme aj prípadné odmietnutie hypotézy mohli spoľahlivo prijať bez podozrenie na chybu typu II. Preto do budúcnosti odporúčame použiť iné ukazovatele ako derivát aktivity SCL a čas strávený v “recovery” fáze, sklon amplitúd, charakteristiky hyper-amplitúd (počet, na akú udalosť reagovali, výška, dĺžka latencie a pod.), spektrálnu analýzu EDA a nelineárne ukazovatele EDA signálu. Okrem toho, ďalšie výskumy by sa mali zameriavať na špecifickosť reakcií fyziologických premenných ako je typ obsahu, na ktorý prišla reakcia, rozdiely v reakcii/reaktívnosti medzi typmi aktivít na SMU (písanie, pozeranie, hodnotenie, komentovanie…). Porovnanie s viacerými typmi aktivít (pozeranie videí, čítanie textu a pod.) by malo byť zahrnuté do ďalších výskumov, aby bolo možné jednoznačnejšie určiť vplyv SMU na vybrané charakteristiky. Použitie eyetrackingu a širších psychologických nástrojov (dopytovanie, dotazníky, behaviorálna analýza atď.) by rovnako prispeli k lepšej vecnej významnosti takých výsledkov, ktoré sú od dnešného výskumu aj očakávané.
Poďakovanie
Autor ďakuje svojej školiteľke Mgr. Daniele Turoňovej, PhD. za slobodu vo výbere témy (a vlastných chýb), ako aj za pomoc pri momentoch frustrácie.
Literatúra
Boucsein, W., Fowles, D. C., Grimnes, S., Ben Shakhar, G., roth, W. T., Dawson, M. E., Filion, D. L., & Society for Psychophysiological Research Ad Hoc Committee on Electrodermal Measures. (2012). Publication recommendations for electrodermal measurements. Psychophysiology, 49(8), 1017–1034. https://doi.org/10.1111/j.1469-8986.2012.01384.x
Cacioppo, J. T., Tassinary, L. G., & Berntson, G. G. (Ed.). (2007). Handbook of psychophysiology (3rd ed). Cambridge University Press.
Eden, A., Johnson, B. K., & Hartmann, T. (2018). Entertainment as a Creature Comfort: Self-Control and Selection of Challenging Media. Media Psychology, 21(3), 352–376. https://doi.org/10.1080/15213269.2017.1345640
Hunter, R. F., Haye, K. de la, Murray, J. M., Badham, J., Valente, T. W., Clarke, M., & Kee, F. (2019). Social network interventions for health behaviours and outcomes: A systematic review and meta-analysis. PLOS Medicine, 16(9), e1002890. https://doi.org/10.1371/journal.pmed.1002890
JASP Team. (2024). JASP (Version 0.18.3.0) [Computer software].
Karim, F., Oyewande, A. A., Abdalla, L. F., Chaudhry Ehsanullah,
Kim, I., Kim, R., Kim, H., Kim, D., Han, K., Lee, P. H., Mark, G., & Lee, U. (2019). Understanding smartphone usage in college classrooms: A longterm measurement study. Computers & Education, 141, 103611. https://doi.org/10.1016/j.compedu.2019.103611
Koelsch, S., Enge, J., & Jentschke, S. (2012). Cardiac Signatures of Personality. PLoS ONE, 7(2), e31441. https://doi.org/10.1371/journal.pone.0031441
Liu, Y., & Du, S. (2018). Psychological stress level detection based on electrodermal activity. Behavioural Brain Research, 341, 50–53. https://doi.org/10.1016/j.bbr.2017.12.021
Metzen, D., Genç, E., Getzmann, S., Larra, M. F., Wascher, E., & Ocklenburg, S. (2022). Frontal and parietal EEG alpha asymmetry: A large-scale investigation of short-term reliability on distinct EEG systems. Brain Structure & Function, 227(2), 725–740. https://doi.org/10.1007/s00429-021- 02399-1
Mohammadpoor Faskhodi, M., Fernández Chimeno, M., & García-González, M. A. (2023). Arousal detection by using ultra-short-term heart rate variability (HRV) analysis. Frontiers in Medical Engineering, 1. https://www.frontiersin.org/articles/10.3389/fm ede.2023.1209252
Moretta, T., Sarlo, M., & Buodo, G. (2019). Problematic Internet Use: The Relationship Between Resting Heart Rate Variability and Emotional Modulation of Inhibitory Control. Cyberpsychology, Behavior, and Social Networking, 22(7), 500–507. https://doi.org/10.1089/cyber.2019.0059
Roman-Liu, D., Grabarek, I., Bartuzi, P., & Choromański, W. (2013). The influence of mental load on muscle tension. Ergonomics, 56(7), 1125– 1133. https://doi.org/10.1080/00140139.2013.798429
Robinaugh, D., Haslbeck, J., Waldorp, L., Kossakowski, J., Fried, E. I., Millner, A., McNally, R. J., Ryan, O., Ron, J. de, Maas, H. van der, Nes, E. H. van, Scheffer, M., Kendler, K. S., & Borsboom, D. (2024). Advancing the Network Theory of Mental Disorders: A Computational Model of Panic Disorder. https://doi.org/10.31234/osf.io/km37w
Rothwell, J. (2023). How Parenting and Selfcontrol Mediate the Link Between Social Media Use and Youth Mental Health. Institute for family studies. https://ifstudies.org/blog/howparenting-and-self-control-mediate-the-linkbetween-social-media-use-and-youth-mentalhealth
Sarason, I. G. (1984). Stress, anxiety, and cognitive interference: Reactions to tests. Journal of Personality and Social Psychology, 46(4), 929–938. https://doi.org/10.1037/0022- 3514.46.4.929
Sarchiapone, M., Gramaglia, C., Iosue, M., Carli, V., Mandelli, L., Serretti, A., Marangon, D., & Zeppegno, P. (2018). The association between electrodermal activity (EDA), depression and suicidal behaviour: A systematic review and narrative synthesis. BMC Psychiatry, 18, 22. https://doi.org/10.1186/s12888-017-1551-4
Tanev, G., Saadi, D. B., Hoppe, K., & Sorensen, H. B. D. (2014). Classification of acute stress using linear and non-linear heart rate variability analysis derived from sternal ECG. Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference, 2014, 3386–3389. https://doi.org/10.1109/EMBC.2014.6944349
Externí autori
- Externí autori#molongui-disabled-link
- Externí autori#molongui-disabled-link
- Externí autori#molongui-disabled-link
- Externí autori#molongui-disabled-link