Ziel der Studie

Die Studie soll einen möglichen Zusammenhang zwischen der sozialen Rollentheorie und der empfundenen Unterbrechbarkeit von Personen untersuchen. Die soziale Rollentheorie stammt aus der Soziologie und beschreibt grundsätzlich die Ausübungen bestimmter Rollen in der Gesellschaft. Bespiele für soziale Rollen sind die Rolle des "Vaters" oder der "Mutter" sowie die Rolle des Arbeitsnehmers/in. Ein wichtiger Aspekt von sozialen Rollen ist, dass die Ausübung einer Rolle mit Erwartungen, Pflichten und Verhaltensweisen verbunden ist. Die Studie soll deshalb untersuchen, ob sich diese Aspekte, speziell die Verhaltensweisen auch in der Nutzung von Informations- und Kommunikationstechnologien wiederspiegeln. Zusätzlich soll Untersucht werden, ob ein solches Nutzungsverhalten automatisiert erfasst, verarbeitet und zu einer Bestimmung der jeweiligen sozialen Rolle verwendet werden kann.

Die Studie wird teilweise mit physiologischen Messungen begleitet, um Emotionen und Gefühlszustände während der Nutzung von Informations- und Kommunikationstechnologien zu erfassen. Sie erfolgt in Kooperation mit dem Fachgebiet für Informatik und Informationtechnik der Royal Melbourne Institute of Technology Universität (RMIT Universität), der Fakultät for Computer und Informationswissenschaften an der Universität Ljubljana (FRI) sowie dem Fachgebiet Wirtschaftspsychologie der Universität Kassel.

Die Studie startet am 20.01.2020 und wird insgesamt drei Wochen dauern. Die Teilnehmer werden zum Anfang der Studie gebeten zwei Applikationen zu installieren. Eine Applikation wird für Android-Smartphones bereitgestellt und nimmt Nutzungs- und Standortdaten auf. Eine weitere komplementäre Applikation wurde für Windows und MacOS implementiert und nimmt vergleichbare Daten zur Auswertung auf.

Teilnehmer, deren physiologischer Signale zusätzlich erfasst werden, holen sich bitte zu Arbeitsbeginn zum Studienstart ein E4-Armband bei der entsprechenden Kontaktperson ab:

• Universität Kassel: M.Sc. Judith Heinisch (https://www.comtec.eecs.uni-kassel.de/heinisch/), Mail: judith.heinisch(at)uni-kassel.de  
• RMIT: Nan Gao (https://nancygao.com/), Mail: nan.gao(at)rmit.edu.au

Vorraussetzung zur Teilnahme

• Sie sind mindestens 18 Jahre alt
• Sie nutzen ihr Smartphone und/oder PC beruflich und privat
• Sie arbeiten mindestens 20 Stunden pro Woche

Aufwandsentschädigung bei Teilnahme

Für die Teilnahme an der Studie, verlosen wir 50x eine Aufwandsentschädigung in Form eines 25€-Amazon-Gutscheines. Sie nehmen an der Verlosung teil, wenn Sie bis Ende der Studie mindestens 60% der Umfragen beantwortet haben. Leider ist eine Aushändigung der Aufwandsentschädigung ohne Angabe einer E-Mail-Adresse Ihrerseits nicht möglich. (Sie können sich ggf. eine neue E-Mail-Adresse anlegen, die weder Ihren Vor- oder Nachnamen enthält und diese angeben.) Ob Sie mindestens 60% der Umfragen beantwortet haben wird Ihnen innerhalb von ca. zwei Wochen nach Beendigung der Studie schriftlich unter der von Ihnen angegebenen E-Mail-Adresse mitgeteilt. Ihre E-Mail-Adresse wird nur erhoben und gespeichert, um einen problemlosen Ablauf der Aufwandsentschädigung zu gewährleisten. Sobald Sie in Kenntnis gesetzt wurden und ggf. eine Aufwandsentschädigung erfolgte, löschen wir Ihre E-Mail-Adresse und zugehörige Korrespondenzen mit Ihnen. Hierdurch wird jegliche Verbindung zwischen Ihrem personalisierten Code und Ihrer E-Mail-Adresse unwiederbringlich gelöscht.

Datenerfassung

Nach der Zustimmung der Einverständniserklärung und sowie der Erteilung von erforderlichen Berechtigungen (Android), erheben die Anwendungen Nutzungsdaten im Hintergrund. In regelmäßigen Abständen werden die Teilnehmer nach ihren momentanen sozialen Rollen, ihren Gefühlszuständen sowie ihrer Erreichbarkeit gefragt. Ein kurzer Fragebogen am Ende des Arbeitstages soll weitere Eindrücke der Teilnehmer bezüglich ihrer Leistung und Unterbrechbarkeit abfragen.Die folgenden Daten werden dabei vom System und vom Teilnehmer erfasst:

Windows / MacOS

• Angaben zu ihrer Person - Alter, Arbeitszeiten, Geschlecht
• Antworten zu den Fragebögen
• Applikationsnutzung - Anwendungsname, Prozess-Identifier, Prüfsumme der Titelliste
• Batterie - Ladezustand und Restladung
• Mausereignisse - Mausklicks und Scrollrad
• Tastaturereignisse - Nur Sondertasten (keine Buchstaben)
• Zeitpunkt der Applikationsnutzung
• WiFi - Signalstärke, und Netzwerk ID

Android

• Aktivitätsdaten - Google Recognition API
• Antworten zu den Fragebögen und zu den täglichen Umfragen
• Applikationsnutzung - Anwendungsname, Paketbezeichner, Zeitpunkt der Nutzung
• Audioeinstellungen - Vibration, Lautlos, Laut
• Batterie - Ladezustand und Restladung
• Bluetooth - Geräte in der Nähe, BSSID, RSSI
• Empfangene Benachrichtigungen - Länge der Nachricht, Anwendung, ID der Benachrichtigung, Zeitpunkt des Empfangs
• Informationen zu Kontakten - Beziehung, Prüfsumme des Namens
• Standortinformation - GPS Koordinaten WiFi - BSSID

Empatica (Armband)

Falls Sie sich bereit erklärt haben zusätzlich ein Empatica Armband während der Studie zu tragen, werden die folgenden Daten zusätzlich erhoben:

• Hautleitfähigkeit - schwankenden Veränderungen elektrischer Eigenschaften der Haut
• Hauttemperatur - Infrarotsensor
• Blutvolumenpuls - Photoplethysmogram
• Bewegung des Handgelenkes - 3-Achsen-Beschleunigungssensor

Beide Applikationen senden die erhobenen Daten über eine Schnittstelle an einen von uns gehosteten Server der Universität Kassel. Die Übertragung erfolgt über eine gesicherte SSL-Verbindung. Alle erhobenen Daten werden zur Visualisierung auf dem jeweiligen Gerät zusätzlich gespeichert und können nach der Studie durch die Deinstallation der Anwendung gelöscht werden. Die von der Empatica aufgenommen Daten werden zunächst an Empatica übertragen und im nachhinein von uns verarbeitet. Teilnehmer, welche sich bereit erklären eine Empatica während der Studie zu tragen, werden nochmals gesondert unterrichtet.

Datenverarbeitung und Anonymisierung

Die Studie ist mit einer Dauer von drei Wochen geplant. Nach Ablauf der Studie werden die Daten zunächst aus der Datenbank exportiert. Im weiteren Verlauf werden Prüfsummen der erhobenen Daten mittels eines Hashverfahrens (SHA-384 (SHA2)) berechnet. Durch Bildung von Prüfsummen erfolgt eine Pseudonymisierung der Daten. Enthaltene Relationen im Datensatz bleiben erhalten. Rückschlüsse auf die ursprünglichen Daten im Datensatz werden erschwert. Um Rückschlüsse auf die enthaltenen Daten auszuschließen, werden sog. Salts den Daten bei der Berechnung der Prüfsummen hinzugefügt. Dabei handelt es sich um zufällig generierte Zeichenketten, welche dem jeweiligen Datum (z.B. Anwendungsnamen) angehangen werden. Durch diesen Schritt können keine Rückschlüsse auf die enthaltenen Daten gezogen werden solange der Salt unbekannt ist. Bei der Verarbeitung der Daten werden wir keine Salts speichern und eine ausreichende Länge des Salts sicherstellen. Die folgenden Daten werden mit diesem Verfahren verarbeitet:

• Anwendungsname
• Anwendungspfad
• Code des Teilnehmers
• Bluetooth BSSID
• Prüfsummen von Kontakten
• WiFi BSSID

Daten welche bereits auf dem Gerät pseudonymisiert gespeichert wurden (z.B. Prüfsummen von Kontakten) werden zusätzlich mit einem zufälligen Salt verarbeitet, sodass Rückschlüsse der enthaltenen Kontakte unmöglich wird. 

Standortinformationen

Die Standortinformationen, welche explizit über die Längen- und Breitengrade und implizit über WiFi- und Bluetooth BSSIDs im Datensatz vorhanden sind, werden wie folgt verarbeitet. Zunächst werden die Standortdaten analyisiert, um signifikante Orte der Teilnehmer zu extrahieren. Dazu gehören beispielsweise der Arbeitsplatz sowie das Zuhause. Nach Analyse der signifikanten Orte, werden die Längen- und Breitengrade aus dem Datensatz entfernt, sodass nur noch relative Ortsinformationen im Datensatz enthalten sind. Die BSSIDs im Datensatz werden dann mit Prüfsummen, welche durch das obige Verfahren generiert wurden, ersetzt.  

• Analyse und Extraktion signifikanter Orte (Zuhause, Arbeit, Unterhaltung, etc.)
• Löschung von Längen- und Breitengraden
• Ersetzung von WifI BSSIDs durch Prüfsummen

Nachdem die Daten mit dem obigen Verfahren aufbereitet wurden, werden Relationen zwischen sozialen Rollen und Nutzungsverhalten mithilfe maschineller Lernverfahren untersucht. Details zu den einzelnen Verarbeitungsschritten können in einem bereits veröffentlichten Paper nachgelesen werden. Die Daten werden nach dem obigen Verfahren bestmöglich anonymisiert. Beispieldatensätze, welche von den Anwendungen erhoben wurden, sind der Website angefügt und können heruntergeladen werden.