Le capteur EdaMove 3 offre aux chercheurs l’outil intégral pour l'enregistrement et l'analyse de l'activité électrodermale (réponse cutanée galvanique) et de l'activité physique. Capable de collecter des données sur une période allant jusqu’à 4 semaines, EdaMove 3 permet ainsi aux chercheurs d'isoler et de mettre au plus clair l’émotion et l’affect.

EdaMove 3 combine nos accéléromètres reconnus (présents dans toute la gamme Move 3), un capteur EDA de haute qualité et une interface Bluetooth Smart qui assure l’interaction du capteur avec notre Plateforme d'Echantillonnage d’Expérience movisensXS, afin de déclencher des questionnaires basés sur les changements des paramètres physiologiques.

Le capteur acquiert les données brutes à partir de l’EDA et l'accélération 3D d’un sujet-témoin pour en extraire des paramètres secondaires tels que le niveau de conductance cutanée (SCL), les réponses de conductance cutanée (SCR) et l'intensité d'activité, qui seront calculés à l’aide du logiciel DataAnalyzer de movisens.

La capture du mouvement, de la pression barométrique et de la température offrent une analyse plus précise des données. Ces paramètres permettent d’identifier et d’isoler les artefacts qui gênent l'analyse des données EDA dans un environnement ambulatoire. Le capteur est porté en bracelet sur le poignet ou la cheville et est livré avec des électrodes Ag/AgCl frittées, réutilisables et non-polarisantes.




Découvrir les nouveaux modèles

Postulez gratuitement pour le projet d'étudiant

 


Principales caractéristiques

  • Conforme à toutes les normes EDA actuelles
  • Signal de haute qualité dans la vie quotidienne
  • Inclut le capteur d'accélération tridimensionnelle pour l'acquisition de l'activité physique et du contexte de l'information
  • Des données durables grâce au format Open Source
  • Un fonctionnement optimisé pour les études
  • Java API pour USB (Windows)
  • API: Exemple pour Bluetooth Smart (Android)

Applications

  • Mobile monitorage de EDA (activité électrodermale) / GSR (réponse cutanée galvanique)
  • Monitorage psycho-physiologique
  • Recherche sur le système nerveux autonome (ANS)
  • Monitorage comportemental
  • Psychologie industrielle
  • Psychologie clinique
  • Informatique affective
  • Possible intégration dans des systèmes complexes

Produits et services adaptés

Téléchargement

Newsletter
  • Nous travaillons constamment au développement de nos produits. Afin que vous puissiez bénéficier de ces améliorations, nous vous informerons régulièrement avec notre bulletin d'information. Veuillez vous inscrire ici.
Software
Documentation
Exemple de données
Outils externes

Fiche technique

Power supply

Lithium-Polymer-Battery

Battery voltage

3,0 - 4,2 V

Number of charging cycles

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

Internal memory

4 GB

Maximum recording capacity

4 weeks

Battery run time

~ 5 days

Recharging time

~ 1 hour

Size of sensor (W x H x D)

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

Weight of sensor

31 g

Internal sensors

EDA sensor:

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

Resolution: 14 bit, Input range 2 µS up to100 µS

Bandwith: DC to 8 Hz

Output rate: 32 Hz

3D acceleration sensor:

Measurement range: +/- 8 g

Noise: 4 mg

Output rate: 64 Hz

Pressure sensor:

Measurement range: 300 - 1100 hPa

Noise: 0,03 hPa

Output rate: 1 Hz

Temperature sensor:

Output rate: 1 Hz

Live analysis

EDA SCL mean

Temp mean

Movement Acceleration

Step count

charging

State of charge

Indicators

LED, 3-color

Vibration alarm

Marker

Interfaces

Micro-USB, Bluetooth Smart (4.0)

API

Java API for USB (Windows)

Example for Bluetooth Smart (Android)

Wear location

Wrist, Ankle

Environmental conditions

Temperature:

-20 °C to 60 °C

0 °C to 45 °C during charging

Humidity:

0 to 75 % Relative Humidity

Atmospheric pressure:

300 to 1100 hPa absolute

Warranty

1 year

Littérature

  • 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...
  • 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). Read more...
  • 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). Read more...
  • 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...
  • 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.
    Dorothee Kapp & Kristina Schaaff & Jörg Mathias 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).

Vous trouverez plus de publications ici.