movisens GmbH
  • en
  • fr
  • 0
  • Lösungen
  • Produkte
  • Service
  • Unternehmen
  • Karriere
  • Neuigkeiten
men sitting in a cafe

EDA- und Aktivitätssensor

Das beste Tool zur Messung der elektrodermalen und körperlichen Aktivität im Alltag!




Der EdaMove 4 - EDA- und Aktivitätssensor


EdaMove 4 worn

Noch nie war es so einfach, elektrodermale Aktivität und Bewegungsdaten im Alltag schnell und präzise zu erfassen!


Der EdaMove 4 kombiniert exzellente Signalerfassung mit unübertroffenem Komfort, von dem Probanden und Forscher gleichermaßen profitieren. Beginnen Sie Ihre Studie mit der Gewissheit, dass die Qualität der Daten es wert ist, veröffentlicht zu werden.

Hohe Präzision

Erhalten Sie präzise Daten aus unserer objektiven, umfassenden Analyse auf Basis unserer verschiedenen Messsparameter.


Mit unseren vielseitigen Sensor- und Analysesystemen helfen wir Ihnen, Monitoring im Alltag einfacher und effizienter zu gestalten. Unsere leistungsstarke Technologie ermöglicht es Ihnen, alle benötigten Daten präzise und in Echtzeit zu erfassen.

Alltag und Echtzeit

Analysieren Sie Ihre Probanden in ihrer natürlichen Lebenssituation.


Zudem bietet movisens die einzigartige Möglichkeit der Sensorkopplung für alle unsere Sensoren an. Hierbei analysieren unsere Sensoren physiologische Parametier in Echtzeit und übermitteln die Ergebnisse via Bluetooth an ein mit movisensXS ausgestattetes Smartphone. Die übermittelten Daten werden durch individuell konfigurierbare Algorithmen verarbeitet und können dadurch Abfragen auf dem Smartphone auslösen. Möchten Sie also physiologische Veränderungen wie z.B. ein hohes Aktivitätsniveau oder Hautleitwert untersuchen, so können Veränderungen dieser Parameter als Trigger für Abfragen innerhalb der Studie dienen.

Multimodale Datenauswertung

Kombinieren Sie Ihre Aktivitätsdaten mit Experience Sampling-Daten.


Der EdaMove 4 bietet Forschern eine überragende Flexibilität, da unsere Analysealgorithmen in der Lage sind, genaue Aktivitätsparameter aus einer Vielzahl von Tragepositionen zu extrahieren. So können Sie die bequemste Lösung für Ihre Teilnehmer und Ihre Studie finden. Um das Beste aus den vom Sensor erfassten Rohdaten herauszuholen, bevorzugen die meisten Forscher eine Analyse mit den KI-basiertem, validierten Algorithmen des DataAnalyzer.

EdaMove 4
https://www.movisens.com/de/produkte/eda-sensor/
Für kostenloses Studentenprojekt bewerben
Dokumentation des EdaMove 4

Profitieren Sie von unserer langjährigen Erfahrung im Bereich des ambulanten Assessments und lassen Sie sich von uns die für Sie passende Analyselösung zusammenstellen

Software_DataAnalyzer

DataAnalyzer

Modulare Software zur Sensor-Daten Analyse und Reportgenerierung

Smartphone mit movisensXS

movisensXS

Die umfassendste mobile Research Plattform für Experience Sampling

Software DataMerger
DataMerger

Softwaretool zur Synchronisation von Daten, die mit verschiedenen Methoden erhoben wurden

Unser EdaMove 4 wird in folgenden Bereichen eingesetzt




EDA_Monitoring

EDA Monitoring

  • EDA Messung im Alltag
  • EDA- und Aktivitätsmessung
  • EDA- und Herzratenvariabilitätsmessung

  • Empfehlungen für EDA Monitoring

Interaktives Ambulantes Assessment

  • EDA Messung und Experience Sampling
  • Kombination verschiedener Sensor-Parameter
  • Trigger-Algorithmen

  • Empfehlungen für Interaktives Ambulantes Assessment



young scientists

Look and Feel EdaMove 4- The valid and reliable EDA measurement with movisens

Zum EdaMove 4 passende Produkte und Dienstleistungen

ECGMove 4
EcgMove 4

Sensor zur Aufzeichung von Aktivitäts- und EKG-Daten

Move 4 worn
Move 4

Sensor zur Aufzeichung von Aktivitätsdaten



Zubehör und Verbrauchsmaterial

Zubehörartikel und Verbauchsmaterial für movisens Sensoren

Schulungs-Icon
Beratung & Schulung

Beratungsleistungen und Schulungen zu Technologien und Methoden für das Ambulante Assessment und das Mobile Monitoring

Customizing-Icon
Customizing

Anpassung von movisens Produkte an Ihre Anforderungen


Workshops-Icon
Webinare

Wir bieten regelmäßig Workshops zu verschiedenen Themen des Ambulanten Assessments und Experience Sampling an

Wissenswertes

Rohdaten und Live-Daten

Rohdaten

Auch Primärdaten genannt sind Daten die bei einer Beobachtung, einer Messung oder einer Datenerhebung unmittelbar gewonnen werden und die noch unverarbeitet sind. Sie repräsentieren die ursprünglichen Informationen, die von Sensoren erfasst wurden. Rohdaten aus Beschleunigungsdaten, EKG-Daten, EDA-Daten werden meist als Graphen dargestellt. Sie werden dann in Parameter wie HR, Steps, Energieumsatz ausgegeben .
Vorteil:
Rohdaten kann man immer zur weiteren Verwendung hernehmen Bspw. Bei einem neuen Algorithmus, neuer KI und man kann sie auch in andere Software geben.
Nachteil:
Sie sind groß (Datenmenge) und brauchen viel Speicherplatz

Live-Daten

Neben der Offline-Berechnung bietet der EdaMove 4 die Möglichkeit einer Live-Analyse des Hautleitwerts und der körperlichen Aktivität und in Verbindung mit movisensXS. Im Live-Modus können folgende Sekundäparameter gemessen, berechnet und über die Bluetooth Smart Schnittstelle übertragen werden: Bewegungsbeschleunigung und Schrittzahl. Diese Werte werden mit einer Rate von 1 Wert pro Minute übertragen.

Technische Daten des EdaMove 4

Power supply

Lithium-Polymer-Battery

Battery voltage

3,7 V

Number of charging cycles

300 (with 1C/1C > 80%)

Internal memory

4 GB

Maximum recording capacity

4 Wochen

Battery run time

~ 4 days

Recharging time

~ 1 hour

Size of sensor (W x H x D)

62,3 mm x 38,6 mm x 11,5 mm

Weight of sensor

26 g

Protection rate

Waterproof (IP64)

Internal sensors

EDA Sensor:

Exosomatic method, constant voltage, DC, 0,5 V

Resolution: 14 bit, Input range 2 µS -100 µS

Bandwith: DC - 8 Hz

Output rate: 32 Hz

3D acceleration sensor:

Measurement range: +/- 16 g

Output rate: 64 Hz

Rotation rate Sensor:

Measurement range: +/-2000 dps

Resolution: 70 mdps

Output rate: 64 Hz

Pressure sensor:

Measurement range: 300 - 1100 hPa

Resolution: 0,03 hPa

Output rate: 8 Hz

Temperature sensor:

Output rate: 1 Hz

Live analysis

Skin Conductance Level

Movement Acceleration

Step count

Indicators

LED, 3-color

Vibration alarm

User Interfaces

Marker (tapping)

Interfaces

Micro-USB, Bluetooth Smart (4.0)

API

Java API für USB (Windows)

Example for Bluetooth Smart (Android)

Wear locations

Wrist, Ankle

Wearing systems

Wrist Band

Environmental conditions

Temperature:

-20 °C - 60 °C

0 °C - 45 °C during charging

Atmospheric pressure:

300 to 1200 hPa absolute

Warranty

2 years

Literatur und Validierung

  • Predicting experiences of paranoia and auditory verbal hallucinations in daily life with ambulatory sensor data – A feasibility study.
    F. Strakeljahn & T. Lincoln & B. Schlier (2025) in: Psychological Medicine (55). Read more...
  • Effect of task nature during short digital deprivation on time perception and psychophysiological state.
    Q. Meteier & A. Délèze & S. Chappuis et al. (2025) in: Scientific Reports (15). Read more...
  • Virtual Reality-Based Approach to Evaluate Emotional Everyday Scenarios for a Digital Health Application.
    V. Wunsch & E.F. Picka & H. Schumm et al. (2024) in: Multimodal Technol. Interact. (8(12)). Read more...
  • The effect of social anxiety on social attention in naturalistic situations.
    S. Gado & J. Teigeler & K. Kümpel et al. (2024) in: Anxiety, Stress, & Coping.
  • A momentary approach to understanding subjective well-being: Daily motives, personality, and affect.
    S. van Halem (2024). Read more...
  • Evaluating Team Workload Through Physiological Synchrony: An Exploratory Study Using MdRQA Data to Assess Teams in Action.
    J. Braun & M. Hogh & S. Kubowitsch (2024) in: Proceedings of the 7th European Conference on Industrial Engineering and Operations Management
    Augsburg
    . Read more...
  • Applying artificial intelligence on EDA sensor data to predict stress on minimally invasive robotic-assisted surgery.
    D. Caballero & M.J. Pérez-Salazar & J.A. Sánchez-Margallo et al. (2024) in: Int J CARS. Read more...
  • The use of music for Solace, its connection to Openness and its moderating effects on music listening and stress.
    S. Gorgi (2024). Read more...
  • Studying the Influence of Single Social Interactions on Approach and Avoidance Behavior – A Multimodal Investigation in Immersive Virtual Reality.
    S. Gado & M. Gamer (2024). Read more...
  • Seven robust and easy to obtain biomarkers to measure acute stress.
    K. Hogenelst & S. Özsezen & R. Kleemann et al. (2024) in: Brain, Behavior, & Immunity - Health (38). Read more...
  • Social Conditioning in Immersive Virtual Reality Elicits a Hypervigilant-Avoidant Response Pattern.
    S. Gado & M. Gamer (2024). Read more...
  • Predicting the onset of psychotic experiences in daily life with the use of ambulatory sensor data – A proof-of-concept study.
    F. Strakeljahn & T. Lincoln & K. Krkovic et al. (2024) in: Schizophrenia Research (267). Read more...
  • 3. OBJECTIVE ANALYSIS AND COMPARISON OF STRESS LEVEL DURING ROBOTIC AND CONVENTIONAL LAPAROSCOPIC SURGERY.
    M.J.P. Salazar & F.M.G. Nuño & J. A. S. Margallo et al. (2024) in: British Journal of Surgery (111). Read more...
  • Physiological synchrony in brain and body as a measure of attentional engagement.
    I.-I. Stuhldreher (2024). Read more...
  • Understanding the combined effects of sleep deprivation and acute social stress on cognitive performance using a comprehensive approach.
    C. Bottenheft & K. Hogenelst & I. Stuldreher et al. (2023) in: Brain, Behavior, & Immunity - Health (34). Read more...
  • Analysis of EDA and Heart Rate Signals for Emotional Stimuli Responses.
    H. Arabian & R. Schmid & V. Wagner-Hartl et al. (2023) in: Current Directions in Biomedical Engineering (9(1)). Read more...
  • Human uncertainty in interaction with a machine: establishing a reference dataset.
    A. Rother & G. Notni & A. Hasse et al. (2023). Read more...
  • The connection between stress, density, and speed in crowds.
    M. Beermann & A. Sieben (2023) in: scientific Reports (13). Read more...
  • Approaches, Applications and Challenges in Physiological Emotion Recognition—A Tutorial Overview.
    Y. Said Can & B. Mahesh & E. André (2023) in: IEEE. Read more...
  • Untersuchungen zur Integration objektiver Messgrößen in ein Virtual-Reality-Studiendesign zur Evaluation subjsubjekt Eindrücke von Fahrzeuginnenräumen.
    L. Steiert (2023).
  • Pedestrian Crowd Management Experiments: A Data Guidance Paper.
    A.K. Boomers & M. Boltes & J. Adrian et al. (2023) in: Collective Dynamics. Read more...
  • Physiological and neural synchrony in emotional and neutral stimulus processing: A study protocol.
    M. Hollandt & T. Kaiser & M. Mohrmann et al. (2023) in: Front. Psychiatry (14). Read more...
  • Robustness of Physiological Synchrony in Wearable Electrodermal Activity and Heart Rate as a Measure of Attentional Engagement to Movie Clips.
    I.-I. Stuhldreher & J. van Erp & A. Brouwer (2023) in: Sensors (23 (6)). Read more...
  • Tranquillity, transcendence, and retreat: the transformative practice of listening at Evensong.
    K. King (2023) in: Magdalen College, University of Oxford. Read more...
  • At Crossroads in a Virtual City: Effect of Spatial Disorientation on Gait Variability and Psychophysiological Response among Healthy Older Adults.
    C. O. Amaefule & S. Lüdtke & A. Klostermann et al. (2022) in: Gerontology. Read more...
  • The Effects of Stimulus Duration and Group Size on Wearable Physiological Synchrony.
    I.V. Stuldreher & J.B.F. van Erp & A.M. Brouwer (2022) in: Measuring Behavior 2022, Volume 2, 12th International Conference on Methods and Techniques in Behavioral Research, and 6th Seminar on Behavioral Methods (2). Read more...
  • Can Music-evoked autobiographical memories be triggered through music recommendation.
    K. Noordenbos & P. Yelkenci & J. Oliai et al. (2022) in: Good Good not Bad.
  • Waiting Behavior and Arousal in Different Levels of Crowd Density: A Psychological Experiment with a “Tiny Box”.
    M. Beermann & A. Sieben (2022) in: Journal of Advanced Transportation (7245301). Read more...
  • Current trends and opportunities in the methodology of electrodermal activity measurement.
    C. Tronstad & M. Amini & D. R. Bach et al. (2022) in: Institute of Physics and Engineering in Medicine. Read more...
  • Validation of wearables for electrodermal activity (EdaMove) and heart rate (Wahoo Tickr).
    A. Borovac & I. Stuldreher & N. Thammasan et al. (2021) in: Measuring Behavior 2020-21 (1). Read more...
  • Heart rate variability, postural sway and electrodermal activity in competitive golf putting.
    F. Scalise & D. Margonato & A. Frigerio et al. (2021) in: The Journal of Sports Medicine and physical fitness (July;61(7)). Read more...
  • How does it feel to walk in Berlin? Designing an Urban Sensing Lab to explore walking emotions through EDA sensing.
    W. Blum & P. Fried (2021). Read more...
  • Assessing the difficulty of annotating medical data in crowdworking with help of experiments.
    A. Rother & U. Niemann & T. Hielscher et al. (2021) in: PLOS ONE (16(7)). Read more...
  • Towards the Applicability of Measuring the Brain Activity in the Context of Process Model Comprehension.
    D. Waldow (2021). Read more...
  • Moments that matter? On the complexity of using triggers based on Skin Conductance to sample arousing events within an Experience Sampling Framework.
    S. van Halem & E. van Roekel & L. Kroencke et al. (2020).
  • Evaluating Usability Aspects of a Mixed Reality Solution for Immersive Analytics in Industry 4.0 Scenarios.
    B. Hoppenstedt & T. Probst & M. Reichert et al. (2020). Read more...
  • Social anxiety is associated with heart rate but not gaze behavior in a real social interaction.
    L. Rösler & S. Göhring & M. Strunz et al. (2020) in: Journal of Behavior Therapy and Experimental Psychiatry (70).
  • Measuring Behavior 2020-21.
    A. Spink & J. Barski & A.-M. Brouwer et al. (2020) in: 13-15 October 2021, Kraków, Poland. Read more...
  • Physiological synchrony in EEG, electrodermal activity and heart
    rate reflects shared selective auditory attention.
    I.-I. Stuhldreher & N. Thammasan & J.-B.-F. van Erp et al. (2020) in: Journal of Neural Engineering (17). Read more...
  • A Comparison between Laboratory and Wearable Sensors in the Context of Physiological Synchrony.
    J.-J. van Beers & Thammasan N. Stuhldreher I.-V. & A.-M. Brouwer (2020) in: ICMI '20: Proceedings of the 2020 International Conference on Multimodal Interaction. Read more...
  • A Usability Study of Physiological Measurement in School Using Wearable Sensors.
    N. Thammasan & I.V. Stuldreher & E. Schreuders et al. (2020) in: Sensors 2020 (20). Read more...
  • Using Virtual Reality Scenarios Along With Physiological Measures as Intervention Procedure in Patients With Dementia.
    J. Mata-Ferron & M. Roldán-Tapia & F. Nieto-Escamez (2020). Read more...
  • Applicability of Immersive Analytics in Mixed Reality: Usability Study.
    Burkhard Hoppenstedt (2019). Read more...
  • Electrodermal activity patterns in sleep stages and their utility for sleep versus wake classification.
    Anne Herlan & Jörg Ottenbacher & Johannes Schneider et al. (2018) in: Journal of sleep research (28). Read more...
  • A mixed-methods study of physiological reactivity to domain-specific problem solving: methodological perspectives for process-accompanying research in VET.
    Tobias Kärner (2017) in: Empirical Research in Vocational Education and Training (9). Read more...
  • Estudo piloto em câmara climática: efeito da luz natural em aspectos de saúde e bem-estar não relacionados à visão.
    Cintia Akemi Tamura & Eduardo Leite Krüger (2016) in: Ambiente Construído (16). Read more...
  • Detecting cognitive underload in train driving: A physiological approach.
    Dan Basacik & Sam Waters & Nick Reed (2015). Read more...
  • Mobile Sensors for Multiparametric Monitoring in Epileptic Patients.
    Stefan Hey & Panagiota Anastasopoulou & André Bideaux et al. (2015) in: Cyberphysical Systems for Epilepsy and Related Brain Disorders: Multi-parametric Monitoring and Analysis for Diagnosis and Optimal Disease Management. Read more...
  • A personalized and reconfigurable cyberphysical system to handle multi-parametric data acquisition and analysis for mobile monitoring of epileptic patients.
    A. Bideaux & P. Anastasopoulou & S. Hey et al. (2014) in: Sensing and Control S&C BArcelona, Spain. Read more...
  • Evaluation of environmental effects on the measurement of electrodermal activity under real-life conditions.
    K. Dorothee & K. Schaaff & J. Ottenbacher et al. (2014) in: Biomedical Engineering / Biomedizinische Technik (59).
  • Komfortgewinn für Passagiere auf Langstreckenflügen durch den Einsatz chronobiologisch angepasster LED-Kabinenbeleuchtung.
    A. Leder & J. Krajewski & S. Schnieder (2013) in: Deutscher Luft- und Raumfahrtkongress 2013, Stuttgart. Read more...
  • Publication recommendations for electrodermal measurements.
    WALTON T ROTH & MICHAEL E DAWSON & DIANE L FILION (2012) in: Psychophysiology (49).

Weitere Publikationen finden Sie hier.

Produkte
Move 4
EcgMove 4
EdaMove 4
LightMove 4
movisensXS
DataAnalyzer
DataMerger
Service
Lösungen
Webinare
Docs
Über Uns
Unternehmen
Karriere
Nachwuchsförderung
Newsletter
  • movisens GmbH
  • Augartenstraße 1
  • 76137 Karlsruhe
  • Deutschland
  •    +49 721 3813440
  •    info@movisens.com

© 2025 movisens GmbH, Impressum, Datenschutzerklärung, AGB, Tracking

Get in Touch

Wir sind jederzeit für Sie da unter:
+49 721 3813440
info@movisens.com
Oder schreiben Sie uns eine Nachricht
Kontakt