EDA- und Aktivitätssensor

Mit dem EdaMove 3 steht Forschern das umfassendste Gerät für das Messen und Analysieren von elektrodermaler (Galvanic Skin Response) und körperlicher Aktivität bereit. Der EdaMove 3 ist in der Lage Daten über einen Zeitraum von bis zu 4 Wochen zu speichern und ermöglicht es so Forschern emotionale Affekte noch klarer zu isolieren und zu verstehen.

Der EdaMove 3 verbindet unseren erstklassigen Akzelerometer (in all unseren Sensoren der Move 3 Reihe verbaut), einen hochqualitativen EDA-Sensor sowie eine Bluetooth Smart-Schnittstelle, die es dem Sensor ermöglicht mit unserer bekannten Experience Sampling Plattform movisensXS zu interagieren. Durch diese Interaktion können Fragebögen basierend auf veränderten physiologischen Parametern getriggert werden.

Weitere Parameter wie skin conductance level (SCL), skin conductance responses (SCR) oder auch Aktivitätsklassen/-intensitäten können aus den aufgezeichneten Rohdaten des EDA-Signals und der 3D Beschleunigung mit Hilfe der movisens Analyse-Software DataAnalyzer berechnet werden.

Der zusätzlich zu der Bewegung aufgenommene barometrische Druck und die Temperatur erlauben eine präzisere Analyse der Daten. Diese Parameter ermöglichen es Artefakte, die typischerweise die Auswertung von EDA-Daten im ambulanten Setting erschweren, zu identifizieren und dementsprechend zu isolieren. Der EdaMove 3 wird mit einem Band entweder am Hand- oder Sprunggelenk getragen und verfügt über mehrfachverwendbare nicht-polarisierende, gesinterte Ag/AgCl-Elektroden.



Für kostenfreies Studentenprojekt bewerben

 


Top-Features

  • Live Analyse der Daten auf dem Sensor
  • Bluetooth-Smart Schnittstelle
  • Entspricht allen maßgeblichen EDA-Standards
  • Perfekte Signalqualität auch im Alltag
  • Exakte und validierte Erkennung von Alltagsaktivitäten
  • Exakte und validierte Energieumsatzbestimmung
  • Ablageerkennung
  • Nachhaltige Daten durch offenes Rohdatenformat
  • Praktikable und einfache Handhabung in Studien
  • Java API für USB (Windows)
  • API: Beispielimplementierung für Bluetooth Smart (Android)

Anwendungen

  • Interaktives Ambulantes Assessment
  • Mobiles Lanzeit-Monitoring der Elektro-dermalen Aktivität
  • Psycho-physiologisches Monitoring
  • Untersuchung des autonomen Nervensystems
  • Verhaltensmonitoring
  • klinische Psycholiogie
  • Affective computing
  • Integration in komplexe Systeme
  • Interaktives Ambulantes Assessment

Dazu passende Produkte und Dienstleistungen

DataAnalyzer Software, Box

DataAnalyzer
zur Auswertung der Sensordaten

Zubehör
und Verbrauchsmaterial für die Sensoren

SensorTrigger
Interaktives Ambulantes Assessment

Smartphone mit movisensXS

movisensXS
Smartphone-basiertes Experience Sampling

Downloads

Software
Dokumentation
Beispieldaten
Externe Tools

Technische Daten

Energieversorgung

Lithium-Polymer Batterie

Batteriespannung

3,0 - 4,2 V

Anzahl der Ladezyklen

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

Interner Speicher

4 GB

Maximale Messdauer

4 Wochen

Batterlaufzeit

~ 5 Tage

Ladedauer

~ 1 Stunde

Größe (B x H x D)

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

Gewicht

31 g

Interne Sensoren

EDA Sensor:

Exosomatische Methode, Konstantspannung, DC, 0,5 V

Auflösung: 14 bit, Eingangsbereich 2 µS - 100 µS

Bandbreite: DC - 8 Hz

Abtastrate: 32 Hz

3D Beschleunigungssensor:

Messbereich: +/- 8 g

Rauschen: 4 mg

Abtastrate: 64 Hz

Drucksensor:

Messbereich: 300 - 1100 hPa

Rauschen: 0,03 hPa

Abtastrate: 8 Hz

Temperatursensor:

Abtastrate: 1 Hz

Live Analyse

EDA SCL mean

Temp mean

Movement Acceleration

Step count

charging

State of charge

Anzeigen und Rückmeldungen

LED, 3-farbig

Vibrationsalarm

Marker

Schnittstellen

Micro-USB, Bluetooth Smart (4.0)

API

Java API für USB (Windows)

Beispielimplementierung für Bluetooth Smart (Android)

Tragepositionen

Handgelenk, Knöchel

Umgebungsbedingungen

Temperatur:

-20 °C - 60 °C

0 °C - 45 °C während Ladevorgang

Feuchtigkeit:

0 - 75 % Relative Luftfeuchtugkeit

Luftdruck:

300 to 1100 hPa absolut

Garantie

1 Jahr

Literatur und Validierung

  • Detecting cognitive underload in train driving: A physiological approach.
    Dan Basacik & Sam Waters & Nick Reed (2015). 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...
  • 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...
  • Evaluation of environmental effects on the measurement of electrodermal activity under real-life conditions.
    Dorothee Kapp & Kristina Schaaff & Jörg Mathias Ottenbacher et al. (2014) in: Biomedical Engineering / Biomedizinische Technik (59).
  • 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...
  • 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).
  • 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...

Weitere Publikationen finden Sie hier.