Кратко и по делу.
Цель: проверить, как мобильные уведомления влияют на распределение внимания и производительность при сложной когнитивной задаче.
Гипотезы
- Основная (H1): появление уведомлений снижает производительность задачи (точность и/или скорость) и увеличивает число ошибок/провалов внимания по сравнению с контролем без уведомлений.
Формально: разница среднего результата в состоянии «уведомления» и «контроль» отлична от нуля.
- Нулевая (H0): уведомления не влияют на производительность.
- Вторичные:
- H2: непредсказуемые/высокочастотные уведомления наносят больший вред, чем предсказуемые/низкочастотные.
- H3: релевантный по содержанию контент уменьшает негативный эффект по сравнению с нерелевантным.
- H4: уведомления приводят к моментарным сдвигам внимания, которые проявляются в увеличении RT и падении точности в окне после уведомления.
Дизайн исследования
- Тип: лабораторное экспериментальное исследование, внутри-субъектный (каждый участник проходит все условия) или смешанный (если много условий — частично внутри, частично между).
- Участники: здоровые взрослые, $N$ определено планом мощности (см. ниже). Исключить: слуховые/визуальные нарушения, лекарства, влияющие внимание.
- Условия (пример, 3 уровня, внутри субъекта):
1. Контроль — без уведомлений.
2. Низкая частота / предсказуемые уведомления.
3. Высокая частота / непредсказуемые уведомления.
(Вариант: добавить модальности — звук/вибрация/визуал; релевантность контента.)
- Задача: сложная когнитивная задача с требованиями рабочей памяти и/или контроля (например, адаптивный n‑back с компонентом проверки, сложная многозадачная симуляция, SART с дополнительными стимуляторами). Задача должна быть долгой (20–40 мин) для измерения усталости и распределения внимания.
- Процедура:
- Инструктаж, тренировка.
- Порядок условий контрбалансируется (латинский квадрат).
- В каждом условии фиксированное время выполнения; уведомления генерируются согласно условию.
- Сбор поведенческих, физиологических и субъективных данных.
Измерения
- Поведенческие:
- Точность (процент правильных).
- Время реакции (RT).
- Скорость выполнения/throughput.
- Лаг/стоимость переключения: например, для каждого уведомления вычислить «interruption cost» как изменение показателей до/после уведомления:
$$\text{Cost}={\overline{X}}_{\text{post}}-{\overline{X}}_{\text{pre}}$$ - Физиологические (опционально): eye-tracking (взгляд, фиксации), pupil dilation (нагрузка), EEG (ERP-показатели), сердечный ритм.
- Субъективные: NASA‑TLX, оценка раздражения и воспринимаемой релевантности уведомлений.
- Лог-файлы: время получения и ответ на уведомление, содержание.
Анализ данных
- Предобработка: удалить первые N_trials тренировки; исключить участника при >X% пропусков.
- Основной тест: линейная смешанная модель для зависимой переменной (RT/точность) с фиксированными эффектами условия, времени и взаимодействий, случайными перехватами и наклонами по субъекту:
$$Y_{ij}={\beta }_0+{\beta }_1{\text{Condition}}_{ij}+u_{0i}+{ϵ}_{ij}$$ - Контрасты: контроль vs все уведомления; низкая vs высокая частота; предсказуемая vs непредсказуемая.
- Для оценки моментального эффекта уведомления использовать анализ в окнах (например, 5 trials до и после уведомления) и сравнение парными тестами / LMM.
- Корректировка множественных сравнений (Benjamini–Hochberg или Bonferroni).
- Оценка размера эффекта (Cohen's $d$, частичный ${\eta }^2$) и доверительные интервалы.
Пример расчёта мощности (приближённо)
- Для внутри‑субъектного сравнения (парный тест) при предполагаемом эффекте Cohen's $d=0.5$, $\alpha =0.05$, мощность $1-\beta =0.8$ требуется примерно
$$n\approx 34$$ (для более сложных моделей выполнить симуляционную оценку мощности с учётом внутрисубъектной корреляции).
Практические рекомендации и предрегистрация
- Контрбалансировка порядка условий, рандомизация времени уведомлений (в непредсказуемых условиях).
- Логи уведомлений синхронизировать с задачей (точное время).
- Предрегистрация гипотез, планов анализа и критериев исключения.
- Проверка репликации эффекта на отдельной выборке.
Кратко: тестируйте основную гипотезу через внутри‑субъектный дизайн с контролем частоты/предсказуемости уведомлений; измеряйте точность/RT и моментальный «interruption cost», анализируйте через LMM и обеспечьте достаточную мощность (примерно $n\approx 30-40$ при умеренном эффекте).