Faisant partie intégrante de la nouvelle génération de capteurs, l’EdaMove 4 reprend la qualité approuvée de l’EdaMove 3 et incorpore, après de nombreuses discussions avec des chercheurs, les améliorations les plus recherchées de ce domaine.


La quatrième génération de capteurs propose aux chercheurs de nombreux avantages incluant :

  • Un nouveau design pour une utilisation optimale : L’amélioration du boitier offre un design esthétique plus lisse et permet de nombreux avantages pratiques. La résistance à l’eau et à la poussière couplée à l’amélioration du système de port rendent les capteurs plus simples, plus versatiles et plus sécurisés.
  • Une capacité de collecte des données plus grande : grâce à l’intégration des nouvelles technologies, la quatrième génération de capteurs a dorénavant incorporé un Gyroscope (un Capteur de Vitesse Angulaire).
  • Une amélioration des possibilités d’analyse : Notre très renommé capteur d’accélération a également été révisé, et mesure à présent les données à un niveau de résolution plus haut. En conséquence, nous avons réalisé des améliorations significatives des résultats auxquels nous pouvons prétendre, surtout dans l’analyse du comportement sédentaire et la détection de non-usure.
  • Une augmentation de la conservation des données : un nouveau tampon Bluetooth assure une préservation des données durant la déconnexion avec les données mises en tampon et transférées dès la reconnexion ; cela garanti ainsi un enregistrement des données à n’importe quel moment.
  • Une application du domaine de la recherche : déjà leader dans la qualité de l’acquisition des données dans de nombreux secteurs de la recherche, ces améliorations accroissent les capacités de recherche de l’EdaMove 4. Pendant ce temps, il reste le meilleur choix pour les chercheurs en quête d’une grande qualité de données ambulatoires Electrodermales (EDA) et de données sur l’activité physique.

L’EdaMove 4 fournit aux chercheurs l’outil le plus complet afin d’enregistrer et analyser l’activité Electrodermale (des réponses galvaniques du derme) et physique. Le capteur mêle notre quatrième génération d’accéléromètre mondiale, à une haute qualité de capteurs EDA et une interface Bluetooth Smart qui permet au capteur d’interagir avec notre plateforme d’expérience d’échantillonnage movisensXS pour cibler les questionnaires basés sur les changements des paramètres physiques.

Capable de sauvegarder jusqu’à 4 semaines de données, l’EdaMove 4 permet aux chercheurs d’isoler et de comprendre les affects émotionnels avec plus de clarté que jamais. Une nouvelle électrode basée sur le système d’attache assure une connexion continue et efficace, enregistrant une haute qualité de signal avec un effort minimal. En plus du signal EDA qui permet un calcul des paramètres secondaires tels que le niveau de conduction cutanée (SCL) ou la réponse de conductivité de peau (SCR), le capteur enregistre les données brutes de l’accélération tridimensionnelle d’un participant, permettant ainsi de calculer des paramètres de l’activité comme par exemple l’intensité de l’activité avec le logiciel DataAnalyzer de movisens.

L’enregistrement additionnel de la vitesse angulaire, de la température et de la pression barométrique de l’air, permet une découverte rapide et l’isolation de nombreux et typiques indésirables qui empoisonnent les données Electrodermales enregistrées par un système standard de mesure ambulatoire. L’EdaMove 4 se connecte à une bande de tissu agréable qu’on peut mettre au poignet ou à la cheville, améliorant le confort et la conformité du sujet, et proposant une mesure de bien meilleure qualité aux chercheurs.



Principales caractéristiques

  • Nouveau Design avec nouveau système de port et résistance à l’eau
  • Système d’acquisition des données perfectionné grâce à l’apport d’un Gyroscope
  • - Nouveau capteur d’accélération avec une plus grande résolution
  • Regroupe tous les standards EDA les plus pertinents
  • Analyse des données de capteurs en ligne
  • Un meilleur transfert des donnés via l’Interface Bluetooth Smart
  • Une détection exacte et validée de vos activités quotidiennes et de vos dépenses énergétiques
  • Java API pour USB (Windows)
  • API: Example implementation pour Bluetooth Smart (Android)

Applications

  • Évaluation ambulatoire interactive
  • Surveillance mobile longue durée de l’activité Electrodermale (EDA) et des réponses cutanées galvaniques
  • Surveillance psycho-physiologique
  • Examen de l’autonomie du système nerveux (ANS)
  • Surveillance du comportement
  • Psychologie clinique
  • Interation entre l'affect et l'informatique


Produits et services adaptés

Téléchargements

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.
Logiciel
Documentation et Support
Outils externes

Fiche technique

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 Weeks

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

Littérature et validation

  • 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).

You can find more publications here.