Op 21 mei organiseert het NPSO een jaarlijkse lezingendag met als thema: mobile device surveys en sensordata
Mobiele devices zoals smartphone en tablet zijn niet meer uit ons dagelijks leven weg te denken. Ook als het gaat om surveyonderzoek of aanvullingen daarop weten onderzoekers mobiele devices steeds beter te vinden. De mogelijkheden zijn talrijk; of het nu gaat om het invullen van vragenlijsten, het delen van ervaringen of het met sensoren registreren van gegevens of gedrag. De jaarlijkse NPSO bijeenkomst gaat over de brede toepassing van mobiele devices in en rondom surveyonderzoek. De sprekers belichten de diversiteit aan toepassingen in hun bijdragen.
Locatie:
Theaterzaal, bibliotheek Rotterdam
Hoogstraat 110
3011 PV Rotterdam
Voorlopig programme:
10.30-11.00u Inloop en registratie
11.00-11.15u Opening door dagvoorzitter (Job van den Berg, Sanoma)
11.15-11.45u De impact van mobiel: kansen, bedreigingen en nieuwe onderzoeksmethoden (Stefan Boom en Wilko Rozema, Dynata)
11.45-12.15u Het ontwerpen van web surveys voor smartphones (Vera Toepoel, Universiteit Utrecht)
12.15-13.15u Lunchbuffet (gratis)
13.15-13.45u SMART Enschede: data gedreven stimulering van reisgedrag via de smartphone (Johan Koolwaaij, Mobidot)
13.45-14.15u Het CBS verplaatsingen onderzoek. Resultaten van een veldtest met een smartphone-app onder een willekeurige steekproef van Nederlanders (Peter Lugtig, Universiteit Utrecht)
14.15-14.45u Pauze
14.45-15.15u Using mobile experience sampling methodology to assess media use and effects (Susanne Baumgartner, Universiteit van Amsterdam) (Engelstalige presentatie)
15.15-15.45u What Really Makes You Move? Identifying relationships between physical activity and health through applying machine learning techniques on high frequency accelerometer data and survey data (Seyit Höcük, CentERdata)
15.45-16.30u De mogelijkheden van mobiel: interactieve discussiesessie.
16.30u-17.30u Afsluiting en borrel
Samenvattingen presentaties:
Stefan Boom en Wilko Rozema - De impact van mobiel: kansen, bedreigingen en nieuwe onderzoeksmethoden
Hij staat altijd aan, is elk moment van de dag bij ons in de buurt en zit vol met interessante informatie. Onze mobiele telefoon is eigenlijk een kopie van onszelf met één belangrijk verschil… De smartphone vergeet niets. Op deze manier is onze telefoon het perfecte instrument om gedetailleerde informatie over ieder individu te verzamelen. Het enige wat wij als onderzoekers nodig hebben om toegang te krijgen tot deze data is de juiste technologie en een vernieuwde aanpak waarin we de traditionele manier van vragen stellen los laten. Dynata neemt je in deze presentatie mee door de evolutie van mobiel in onderzoeksland en een frisse blik op de toekomst: de evolutie van smartphones, mobiel vriendelijke vragenlijst methodes, en geavanceerde mobiele onderzoekstechnieken (waaronder geo-locatie en mobile diaries)
Peter Lugtig - Het CBS verplaatsingen onderzoek. Resultaten van een veldtest met een smartphone-app onder een willekeurige steekproef van Nederlanders
Kunnen we met een telefoon het reisgedrag van mensen meten? De afgelopen jaren zijn er veel studies geweest die met behulp van GPS trackers of smartphones hebben getest of bijvoorbeeld de manier van reizen (auto, lopen, fietsen, trein, etc.) en de resiafstand goed kan worden gemeten. Vooral de studies met smartphone apps hebben laten zien dat reisgedrag goed te meten is met smartphones. De meeste van die studies zijn beperkt in omvang (ze richten zich bijvoorbeeld maar op 1 stad), of ze maken gebruik van vrijwilligers.
In deze bijdrage worden de resultaten van een veldtest getoond die het Centraal Bureau voor de Statistiek in November 2018 heeft uitgevoerd onder ongeveer 1900 willekeurig gekozen Nederlanders. Hen werd gevraagd om een week lang hun telefoon mee te nemen, en gedurende die tijd een smartphone-app te installeren. De app houdt automatisch het reisgedrag bij en maakt een 'dagboek' aan bestaande uit stops en trips. De respondent kan vervolgens per stop of trip aangeven wat de naam van een stop is, het doel van een stop, en met welk vervoersmiddel is gereisd.
De nadruk in deze presentatie zal liggen op de vraag of het mogelijk is zo'n onderzoek te doen onder de hele Nederlandse bevolking. Hoe hoog is de respons? Verschilt de hoogte van de respons met verschillende achtergrondkenmerken van respons? Zijn er manieren om de respons te verbeteren? En tenslotte, kunnen we met een smartphone app nu betere statistieken maken dan met een ouderwets dagboek?
Susanne Baumgartner - Using mobile experience sampling methodology to assess media use and effects
The media landscape has changed dramatically in the past years. Not only has the amount of media increased, the way people use media has also changed substantially. Notably, due to the rise of smartphones, people can now continuously use media – whenever they want, and wherever they are. This poses challenges to researchers and professionals interested in media use because traditional self-report surveys may not be able to accurately capture media usage anymore. In this presentation, we will provide an overview of how mobile experience sampling methodology can be used to assess media use and effects in a more accurate way. Mobile surveys may not only help to reduce memory errors, they also allow investigating short-term dynamic processes over time that provide a more nuanced picture of media use and effects. This presentation will provide an overview of different experience sampling designs and how they can be applied to communication research. We will, moreover, show examples on how mobile surveys can be combined with media content to assess which exact media content has an effect on recipients’ attitudes, emotions, behavior. Finally, we will present studies combining mobile experience sampling with smartphone log data and sensor data from wearables.
Seyit Höcük - What Really Makes You Move? Identifying relationships between physical activity and health through applying machine learning techniques on high frequency accelerometer data and survey data
Physical activity is an important indicator of health, but an accurate and objective measurement of physical activity is needed to gain insight and understanding of what drives differences in physical activity and how this influences health. Existing studies are generally based on self-report surveys and while the results of these studies are valuable, there are limitations to their use, for example, varying perception of physical activity, social desirable answers, and incomplete recall of activity. Using wearable accelerometers as a measurement device provide a more precise and objective representation of physical activity and opens up new ways to study the relationship between physical activity and health. In addition, the influence of socioeconomics, demographics, and personality traits can be taken into account when studying these relationships.
In the preliminary phases of this project we take the analyses of these high frequency data and apply advanced data science methods. Using machine learning techniques, such as support vector machines for pattern recognition, we are able to identify specific physical activity patterns, such as, walking, jogging, cycling, sitting, and sleeping. We combine this with longitudinal survey data from the LISS panel in order to gain insight into perceived health and its relation to activity. The next steps include detecting more (and specific) activities in order to gain deeper insights into a range of health-related issues.