Цель: оценить влияние многозадачности (учёба + смартфон) на объём рабочей памяти и устойчивое внимание у старшеклассников.
Краткий план исследования
1) Гипотезы
- Нулевая гипотеза (H0): многозадачность не влияет на объём рабочей памяти и устойчивое внимание.
$$H_0:{\mu }_{multitask}={\mu }_{control}$$ - Альтернативная гипотеза (H1): многозадачность снижает объём рабочей памяти и устойчивое внимание.
$$H_1:{\mu }_{multitask}<{\mu }_{control}$$
2) Дизайн
- Классический эксперимент, предпочтительно кроссовер (within-subjects) с контрбалансировкой порядков или между‑групповой дизайн (between-subjects) если невозможен кроссовер.
- Условия:
- Контроль: выполнение учебной задачи без смартфона.
- Многозадачность: выполнение той же учебной задачи при одновременном доступе к смартфону с заранее заданными уведомлениями/сообщениями.
- Рандомизация: случайное распределение порядков (в кроссовере) или участников по группам.
3) Выборка
- Целевая группа: старшеклассники, возраст \(16\mbox{–}18\) лет.
- Критерии включения/исключения: нормальное зрение/слух, отсутствие неврологических/психиатрических расстройств, согласие участников и родителей.
- Размер выборки: примерная оценка для эффекта средней величины $d=0.5$, мощность $1-\beta =0.8$, уровень значимости $\alpha =0.05$:
$$n\approx \frac{2(z_{1-\alpha /2}+z_{1-\beta }{)}^2}{d^2}=\frac{2(1.96+0.84{)}^2}{0.5^2}\approx 63(\text{на группу})$$ - Для кроссовера требуется меньше участников, но учесть отказы и исключения: увеличить на $\sim 15\%$.
4) Задачи и измерения
- Объём рабочей памяти:
- n‑back (например, $2$-back и $3$-back): процент корректных ответов, d' или процент ошибок.
- Краткий вербальный/пространственный span (digit/span task).
- Устойчивое внимание:
- SART (Sustained Attention to Response Task) или CPT: ошибки пропуска, ложные срабатывания, вариабельность реакций (RT SD).
- Вспомогательные измерения: субъективная усталость/понятность задания (шкалы), индекс многозадачности (опросник), уровень стресса, время сна предыдущей ночи.
5) Процедура
- Стандартизировать время дня (например, сессии в интервале \\ \(10:00\mbox{–}14:00\) — числа должны быть в KaTeX: $10:00$–$14:00$), среду (комната, освещение), инструкции.
- Кроссовер: две сессии с washout $\ge 48$ часов; порядок условий рандомизирован.
- В условии многозадачности: задать тип вмешательства (чат-сообщения/социальные уведомления/мелкие задания) и частоту/интенсивность уведомлений; фиксировать реальные взаимодействия смартфона (логи/экранная запись или приложение-трекер).
- Предварительное обучение на задачах для снижения эффекта обучения.
6) Методы контроля (контроль констант и возможных ковариат)
- Запрет на кофе/энергетики за $>2$ часа до теста: — лучше указать как KaTeX: $>2$ часов.
- Фиксация времени сна предыдущей ночи; исключение при недосыпе (например, $<6$ часов).
- Уровень владения смартфоном/многозадачность как ковариата.
- Контроль уведомлений: в контроле — смартфон вне досягаемости; в многозадачности — включён конкретный режим уведомлений.
- Мониторинг соблюдения протокола (видеозапись или наблюдатель), логирование взаимодействий.
- Контрбалансировка порядков для уменьшения порядкового эффекта.
7) Манипуляционная проверка
- После сессии опросник: «насколько вы отвлекались» (шкала \(1\mbox{–}7\)).
- Логи смартфона: число взаимодействий, длительность отклонения внимания — использовать как проверочный параметр.
8) Анализ данных
- Предобработка: удалить крайние RT (<$100$ мс или >$3$ SD), проверить нормальность распределений.
- Основной анализ:
- Для between-subjects: двухвыборочный t‑test или ANCOVA (с ковариатами: возраст, базовый уровень навыка).
- Для within-subjects: парный t‑test или повторные измерения ANOVA / линейная смешанная модель:
$$Y_{ij}={\beta }_0+{\beta }_{1}Conditio{n}_{ij}+u_i+e_{ij}$$ где $u_i$ — случайный эффект участника.
- Проверка взаимодействий (Condition × Order, Condition × Baseline multitasking score).
- Меры эффекта: Cohen's $d$, частичный ${\eta }^2$.
- Коррекция на множественные сравнения: FDR или Бонферрони при множественных исходах.
- Дополнительно: анализ медиаторов/модераторов (например, медиатор — частота взаимодействий со смартфоном; модератор — привычка к мультитаскингу) с использованием регрессий/моделей посредничества.
- Обработка пропусков: модели со случайными эффектами устойчивы к данным MAR; альтернативно — множественная иммутация.
9) Возможные затруднения выборки и способы их решения
- Непредставительность (самоотбор): вербовать из нескольких школ/социальных групп; стратified sampling по полу/социально-экономическому статусу.
- Отказы/отсев: предусмотреть запас $\sim 15\%$ больше запланированного размера выборки.
- Низкая приверженность протоколу (ученики тайком пользуются смартфоном): использовать мониторинг логов и наблюдение, применять мотивацию/вознаграждение за соблюдение.
- Этические ограничения (родительское согласие): заранее информировать родителей, анонимизировать данные.
- Влияние экзаменационного периода/стресса: избегать тестирования в пиковые периоды.
- Практический эффект обучения/переноса в кроссовере: предусмотреть короткую тренировку и washout $\ge 48$ часов; контрбалансировка порядков.
10) Этика
- Информированное согласие участников и родителей, защита персональных данных, возможность выхода из исследования в любой момент.
Краткие рекомендации
- Если цель — максимальная внутренняя валидность — использовать лабораторный кроссовер с контролируемыми уведомлениями; если цель — внешняя валидность — полевые условия с естественными уведомлениями и логированием.
- Сделать манипуляционную проверку и регистрировать протокол заранее (pre-registration).
Если нужно, могу предложить конкретную повестку заданий и примерный скрипт инструкций для условий.