labvanced logoLabVanced
  • Research
    • Publications
    • Researcher Interviews
    • Use Cases
      • Developmental Psychology
      • Linguistics
      • Clinical & Digital Health
      • Educational Psychology
      • Cognitive & Neuro
      • Social & Personality
      • Arts Research
      • Sports & Movement
      • Marketing & Consumer Behavior
      • Economics
      • HCI / UX
      • Commercial / Industry Use
    • Labvanced Blog
    • Services
  • Technology
    • Feature Overview
    • Code-Free Study Building
    • Eye Tracking
    • Mouse Tracking
    • Generative AI Integration
    • Multi User Studies
    • More ...
      • Reaction Time/Precise Timing
      • Text Transcription
      • Heart Rate Detection (rPPG)
      • Emotion Detection
      • Questionnaires/Surveys
      • Experimental Control
      • Data Privacy & Security
      • Desktop App
      • Mobile App
  • Learn
    • Guide
    • Videos
    • Walkthroughs
    • FAQ
    • Release Notes
    • Documents
    • Classroom
  • Experiments
    • Cognitive Tests
    • Sample Studies
    • Public Experiment Library
  • Pricing
    • Licenses
    • Top-Up Recordings
    • Subject Recruitment
    • Study Building
    • Dedicated Support
    • Checkout
  • About
    • About Us
    • Contact
    • Downloads
    • Careers
    • Impressum
    • Disclaimer
    • Privacy & Security
    • Terms & Conditions
    • Third-Party Licenses
  • Appgo to app icon
  • Logingo to app icon
Learn
ガイド
ビデオ
ウォークスルー
よくある質問
ニュースレターアーカイブ
ドキュメント
教室
  • 中國人
  • Deutsch
  • Français
  • Español
  • English
  • 日本語
ガイド
ビデオ
ウォークスルー
よくある質問
ニュースレターアーカイブ
ドキュメント
教室
  • 中國人
  • Deutsch
  • Français
  • Español
  • English
  • 日本語
  • ガイド
    • はじめに

      • タスクエディタ
      • フレーム
        • キャンバスフレーム
        • ページフレーム
        • ウェブサイトフレーム
      • トライアルタイムライン
      • 刺激提示
      • 応答の正確さ
      • オブジェクト
      • イベント
      • 変数
      • タスクウィザード
      • トライアルシステム
      • 実験デザイン
        • 研究の作成
        • データフレームパターン
        • マルチユーザー実験デザイン
        • 縦断的実験デザイン
    • 注目のトピック

      • ランダム化とバランス
      • アイ・トラッキング
        • 注視追跡タスクにおける刺激の提示
        • 目の追跡キャリブレーション設定の選び方
        • タスクにおける視線追跡の設定
        • 視線データの記録とエクスポート
        • 形状を興味領域 (AOI) として使用する方法
        • 参加者のキャリブレーション体験
      • ウェブブリッジ
        • ウェブサイト AOI の選択 | アンカー、調整、および AOI トラッキングの検証
        • ウェブサイト AOI におけるマウスの動作の追跡 | ウェブブリッジガイド
      • アンケート
      • デスクトップアプリ
      • サンプル研究
      • 参加者リクルート
      • APIアクセシビリティ
        • REST API
        • Webhook API
        • WebSocket API
      • その他のトピック

        • 正確な刺激のタイミング
        • マルチユーザー研究
        • Labvancedにおけるヘッドトラッキング | ガイド
    • メイン アプリ タブ

      • 概要: メインタブ
      • ダッシュボード
      • マイ研究
      • 共有研究
      • マイファイル
      • 実験ライブラリ
      • マイアカウント
      • ライセンス & サービス
    • 研究タブ

      • 概要: 研究特有のタブ
      • 研究デザイン
        • タスク
        • ブロック
        • セッション
        • グループ
      • タスクエディタ
        • タスクコントロール
        • 試行システム
        • フレームタイプ
        • オブジェクト
        • オブジェクトプロパティテーブル
        • 変数
        • システム変数テーブル
        • イベントシステム
        • テキストエディタの機能
        • タスクエディタにおける視線追跡オプション
        • タスクにおける頭追跡
        • マルチユーザー研究
      • 設定
      • 変数
      • メディア
      • テキスト & 翻訳
      • 開始 & 参加
      • 被験者管理
      • データビューとエクスポート
        • Dataview と変数 & タスクの選択 (古いバージョン)
        • 録音へのアクセス (古いバージョン)
  • 動画
    • 動画の概要
    • Labvancedの始め方
    • タスクの作成
    • 要素動画
    • イベントと変数
    • 高度なトピック
  • ウォークスルー
    • はじめに
    • ストループ課題
    • 語彙判断課題
    • ポズナー視線キュー課題
    • 変化盲点フリッカーパラダイム
    • 目の動き追跡サンプル研究
    • 乳児の目の動き追跡研究
    • マウストラッキングによる注意捕捉研究
    • 迅速シリアル視覚提示
    • ChatGPT研究
    • 目の動き追跡デモ:AOIとしてのSVG
    • マルチユーザーデモ:被験者のカーソルを表示
    • ゲームパッド / ジョイスティックコントローラー - 基本設定
    • EEG統合によるデスクトップアプリ研究
    • 被験者間のグループバランスと変数設定
    • マルチユーザー研究の構築
    • ウェブサイトフレーム目の動き追跡ウォークスルー
    • 条件付きウェブカメラ目の動き追跡
    • テキストセグメンテーション研究の構築
  • FAQ
    • 機能
    • サポートポリシーとガイドライン
    • セキュリティとデータプライバシー
    • ライセンス
    • Labvancedの精度
    • プログラム的使用とAPI
    • Labvancedをオフラインで使用する
    • トラブルシューティング
    • 研究作成に関する質問
  • ニュースレターアーカイブ
  • ドキュメント
  • クラスルーム
Labvancedでの目の追跡キャリブレーション設定の選び方のヘッダーイラスト

目の追跡キャリブレーション設定の選び方

Labvancedでウェブカメラ目の追跡研究を実行する前に、一連のキャリブレーション決定が、あなたの注視データの精度および各参加者のキャリブレーションにかかる時間を決定します。これらの設定はすべてSettingsタブ → Physiology → Eye-Trackingにあります。

目次

  • 生理学ツールボックス2.0のキャリブレーション設定
    • 成人 / 青年
    • 乳幼児 / 幼児
  • 生理学ツールボックス1.3以前のキャリブレーション設定

ティアを選ぶ:努力、スクリーンアウト、そしてそれらの間のトレードオフ

Physiology Toolbox Version 2.0の時点で、エントリーポイントから目の追跡をオンにすると、研究設定のトグル、タスク自体の目の追跡設定、または視線データが必要なイベントトリガーを追加することが、一つのセットアップウィザードを開きます。ウィザードはまずあなたの参加者が誰であるかを尋ね、Adults / AdolescentsまたはInfants / toddlers、次にティア(精度対努力)を尋ねます。それがサポートされているティアに対してのみ、次の独立した選択が続きます:スクリーンレベル(精度対スクリーンアウト);他のものは二段階目を踏むことなくティアを直接適用します。各選択の影響とそれに基づく数値は、参加者のタイプによって異なります。

どちらかのノブを上げ、より高い努力のティアまたはより厳しいスクリーンレベルを選ぶと、記録された注視データの平均精度が向上しますが、各選択はそれを行うために異なるリソースを消費します。両方の最も低いオプションを選ぶと、Passiveティアで全くスクリーンレベルがないため、参加者に何も求めずに精度を完全に放棄します。より高い努力のティアは参加者の時間と忍耐を消費します:すべての参加者は、長く、より要求の厳しいキャリブレーションを耐えなければなりません。実際に利用可能なキャリブレーションを生成できない参加者は、ティアの再試行制限を超えた時点で完全に失敗することもあります。これはすべてのティアに適用される基本的な品質の下限であり、意図的なクオータではありません。より厳しいスクリーンレベルはそのクオータを追加します:あなたのリクルートメント予算を消費し、研究を開始する人々のターゲットシェアを意図的に拒否し、技術的に成功したキャリブレーションを持つ者さえも対象となります。Labvancedの自身のセットアップウィザードは、これを直接価格付けします:スクリーンアウトされた参加者は、スクリーンアウト手数料のみ(例えば、Prolificでの0.5〜0.8 GBP)かかります。研究設定でスクリーンアウトリンクを設定することで、その参加者が実際に報酬を受け取ることが確認されます。

実際には、これら2つの選択は相互に置き換え可能です。高精度が必要で、スクリーンアウトが高価なパネルで採用している場合は、ティアを上げる(より多くの努力、同じスクリーンレベル)が、参加者を拒否することなく精度を取得します。参加者が努力に敏感(子供、臨床集団、すでに長いセッション)であり、予算がある程度のデータロスを許容する場合、低努力ティアを維持し、代わりにスクリーンレベルを上げることは、前提として各参加者にもっと要求するのではなく、結果として精度をフィルタリングします。

成人 / 青年

これはほとんどの研究が使用する参加者タイプであり、話し言葉や画面指示に従い、通常のキャリブレーションを耐えられる年齢以上の人々です。

精度対努力(成人 / 青年)

各ティアはキャリブレーションの長さ、顎の保持の厳しさ、注視制御の頻度を一つの選択肢にまとめています。より高い精度は、参加者にもっと要求することを意味します。下記のScreen-out Option列は次のセクションで説明されています:

精度努力量説明最適スクリーンアウトオプション
Passive: 精度の低い努力なし指示なし、キャリブレーションなし、顎の保持なし。バックグラウンドで自動的に実行されます。参加者に何の努力もさせたくない場合、常に中断させたくない場合に最適です。目の追跡の精度は二次的です。❌
Fast: 中程度の精度最小限の努力30秒のキャリブレーション、注視制御なし、緩めの顎の保持。セットアップ時間を最小限にする必要があるが、精度はパッシブ/ベースモデルより良くなければならない場合に最適です。❌
Immediate: 良好な精度制限された努力1分のキャリブレーション、注視制御、中程度の顎の保持。参加者の努力をかなり制限する必要がある場合、2分間のキャリブレーションの余裕がなくても良好な精度が必要です。努力と精度が同様に重要な研究に適した選択です。✅
High: 高精度 (推奨)中程度の努力2分のキャリブレーション、3分ごとの注視制御、中程度の顎の保持。高い視線精度と許容できる参加者の努力。高い視線精度が重要で、参加者の努力は中程度にとどめたい研究に最適です。ほとんどの学術研究に推奨されます。✅
Very High: 最高精度高い努力4〜5分のキャリブレーション、各試行の前に注視制御、中程度の顎の保持。視線精度が最も重要で、参加者の努力は二次的な場合に最適です。参加者は忍耐が必要で、常に頭を静かに保つことが期待されています。✅
上記に示された精度はティア単独のものです。もしそのティアがスクリーンレベルをサポートしている場合、選択することで期待される精度がさらに厳しくなります。例は次のセクションで示される予定です。

より長いキャリブレーションの後、高いティアは研究中により頻繁に注視制御チェックを実行し、より厳しい顎の保持を強制します。注視制御チェックは、画面上のプロンプトでセッションを中断します。「黒い円を見てください。赤い点が円の上に重なるように頭を少し調整してください。重なりが良いほど、カウントダウンが早くなります」と、参加者は研究が続行される前にその位置を積極的に保持しなければなりません。より厳しい顎の保持設定は、参加者がキャリブレーションされた頭の位置からどれだけ遠く漂流できるかを狭めます。したがって、ティアが高いほど、特定の動作がその一時停止を引き起こすトリガーになるのが早くなります。Customティアも利用可能で、これらのバンドルプリセットを一切適用せず、このページのすべての設定を個別に編集可能にします。

精度対スクリーンアウト(成人 / 青年)

2つ目の質問はティアとは独立しています:キャリブレーション精度が不足している参加者をどれだけ厳しくスクリーンアウトするか。上記に✅マークのあるティアだけがこれをサポートします。PassiveとFastは、スクリーンアウトできるほど精度の高いキャリブレーションを持っていないため、完全にこのステップをスキップし、ティアの選択のみで終了します。Immediate、High、およびVery Highはそれぞれスタートレベルを事前選択します(例としてHighはLightから開始します)が、そのレベルは独自に変更可能です。期待される精度は、画面の対角線に対する平均的な視線エラーとして報告されます。数値が低いほど、精度が高いことを意味します。以下の数値はHighとして表示されており、推奨されたティアのためのものであり、次のセクションで異なるティアへの移行の仕方が説明されます:

スクリーンアウトレベル受け入れ人数 (100人中)期待精度
(スクリーン対角線の%で) High
Level 0: No screening100~6.5%
Level 1: Failed calibrations only~85~6.0%
Level 2: Light~65~5.6%
Level 3: Balanced~50~5.2%
Level 4: Strict~30~4.9%
Level 5: Very strict~15~4.4%
ステップ1で`High Accuracy - Moderate Effort`を選択した後に利用できるスクリーンアウトレベルのオプション。

期待精度: 2つの選択肢の組み合わせ (大人 / 青少年)

ステップ1 (努力)でティアを選ぶことは、期待精度の基準を設定します。そのティアがスクリーンレベルをサポートする場合、ステップ2 (スクリーンアウト)では、参加者をどの程度厳密にスクリーニングするかを選ぶことで、その基準の上に精度をさらに制御できます。例えば、Highでは、Level 1 (Failed calibrations only)の基準は約6.0%です。Level 4 (Strict)に厳しくすることで、それを約4.9%に引き下げることができ、ティアは全く変更されません。ティアだけでも基準が動きます: 同じLevel 1で、Very HighはHighよりも良い基準から始まり、約5.2%で、6.0%ではなくなります。

幼児 / 幼児

この参加者タイプは、指示を受けてじっと座ったり、命令で点を注視したりできない幼児や幼い子どもを対象とした研究のためのものです。したがって、ここでのすべてのティアは、口頭での指示を動物のアイコン、音、注意を引くものに置き換えます。

精度 vs. 努力 (幼児 / 幼児)

各ティアは、キャリブレーションの長さ、あご置きの厳しさ、視線制御の頻度を1つの選択肢に束ねており、大人のティアと同じ形状ですが、はしご自体は異なります: 下位の幼児ティアは、各試行の前に短い動物の注意を引くもので試行を開始し、タイマーキャリブレーションの代わりに使用します。また、上位2つのティアだけが強制的なあご置きと視線制御を追加します。以下のScreen-out Option列は次のセクションで説明されています:

精度努力度説明最適スクリーンアウトオプション
Passive: 最低精度努力なし指示なし、キャリブレーションなし、あご置きなし、試行間に何もなし。完全にバックグラウンドで実行されます。2選択肢の優先視覚パラダイムおよび他の左対右または二〜四地域デザインに最適。❌
Attention: 低精度最小限の努力指示なし、キャリブレーションなし、各試行の前に非常に緩いあご置きのある1つの動物注意を引くもの。各試行が概ね知られた視線位置から始まる左対右または二〜四地域デザインに最適。❌
Medium: 中程度の精度限定的な努力約40秒の幼児向けキャリブレーション、各試行の前に注意を引くもので緩いあご置き。2〜6の大型刺激を持つデザインに最適。幼児は最初の試行の前に5つの動物の画像を見て補正を合わせ、一般的なモデルに頼るのではありません。❌
Good: 良好な精度(幼児向けのデフォルト)中程度の努力約90秒の幼児向けキャリブレーション、試行中の緩いあご置き、各試行の前に注意を引くもので。視線の精度がより重要なデザインに最適。幼児が約90秒間じっと座り、注意を払うことを必要とします。✅
High: 高精度高い努力約90秒の幼児向けキャリブレーション、試行中の中程度のあご置き、各試行の前に注意を引くもので、視線制御。画面上のより小さいまたは多数の地域を追跡することを目的としたデザインに最適。指示に従うことができ、試行中にじっとしていることができる年長の子供に向いています。✅
上記に示された精度は、ティアだけを反映しています。そのティアがスクリーンレベルをサポートする場合、選択することで期待精度がさらに厳しくなります。例は次のセクションで示されます。

精度 vs. スクリーンアウト (幼児 / 幼児)

上記で✅印が付いているティアだけがこれをサポートし、同様にPassiveとFastは大人に対してスキップしますが、GoodとHighは同等にはサポートしていません。Goodは視線制御を実行しないため、6つのレベルのうち2つにしか到達できません。他の4つは、スコアを付けるために視線制御プローブが必要で、これはHighだけが実行します。Highは、すべてのスクリーン可能な大人のティアが持つのと同じように、完全な6レベルの範囲を許可する唯一の幼児ティアであり、その比較がどのように展開されるかは下の期待精度を参照してください。期待精度は、画面対角線のパーセントとして報告される平均視線誤差です。数値が低いほど、より正確であることを意味します。以下の数値はGoodの独自の2つのオプションです:

スクリーンアウトレベル受け入れ人数 (100人中)期待精度
(スクリーン対角線の%で) Good
Level 0: No screening100~11.7%
Level 1: Failed calibrations only~85~10.8%
ステップ1で`Good Accuracy - Moderate Effort`を選択した後に利用できるスクリーンアウトレベルのオプション。

期待精度: 2つの選択肢の組み合わせ (幼児 / 幼児)

ステップ1 (努力)でティアを選ぶことは期待精度の基準を設定し、幼児のキャリブレーションがどれだけ難しいかにスケールされます。そのティアがスクリーンレベルをサポートする場合、ステップ2 (スクリーンアウト)では、その基準の上にさらに精度を制御できます。Goodでは、Level 1 (Failed calibrations only)で約10.8%の基準が設定され、Goodはより厳しいレベルをサポートしていないため、その基準はこれ以上厳しくすることができません。Highは同じレベルでより良い基準から始まり、約9.6%で、さらに厳しくすることも可能です:Level 3 (Balanced)に進むことで約8.3%に引き下げることができ、ティアは変更されません。

生理学ツールボックスバージョン

上記は現在のPhysiology Toolbox Versionを前提としており、新しい研究はデフォルトでこれを得ます。代わりに、古いバージョンに基づいた研究を続けている場合、キャリブレーション目的で知っておくべきことがあります: タスクエディタの注視検出モードはv1.2以上を必要とし、1.2以前のレガシーバージョンはそれをサポートしていません。完全なバージョン履歴とバージョン管理ポリシーについては、生理学ツールボックスバージョンを参照してください。

生理学ツールボックスバージョン 1.3 およびそれ以前

以下の設定は、Physiology Toolbox Version 1.3およびそれ以前のキャリブレーションを説明しています。上記のティアおよびスクリーニングシステムが存在する前のことです。あなたの研究が2.0にある場合、任意のティアを選ぶことでこれらの設定がすでに行われます。Customは、その場所で直接アクセスする唯一の方法であり、以下のすべての設定が2.0に同じ形で存在するわけではありません。個別にその場合を示しています。

キャリブレーションの長さ

Calibration Length (Settingsタブ → Physiology → Eye-Tracking → Calibration Length)は、アイエストラッキングキャリブレーションにおける最大のトレードオフです: より多くのキャリブレーションポイントがより正確な視線予測を生み出しますが、参加者にはより長いキャリブレーションが必要です。新しい研究を構築する研究者には、3つのオプションがあります:

  • 130 points, 9 poses (~5 minutes): 約1.5視覚度の精度
  • 55 points, 4 poses (~2 minutes): 約2.0視覚度の精度
  • 15 points, 1 pose (~30 seconds): 約2.7視覚度の精度

より長い4つ目のオプション (175 points, 12 poses, ~7 minutes) は、Labvancedの基本設定に存在しますが、標準インターフェースを通じて新しい研究を構築する研究者には利用できません。

選び方: あなたの研究が密接に配置されたターゲットを区別することに依存する場合(例: 読解研究や画面上の小さな要素)、130ポイントオプションのより高い精度は追加のキャリブレーション時間の価値があります。研究が画面の数か所に分かれた幾つかの地域を区別するだけでよい場合、55ポイントまたは15ポイントオプションは、結果に意味のある影響を与えずに研究を短く保ちます。子供や長いキャリブレーションを耐えられない可能性のある参加者がいる研究では、この理由で短いオプションが好まれることがよくあります。

キャリブレーション品質管理

2つの設定により、初期キャリブレーションが生成するものを受け入れるのではなく、最低限のキャリブレーション品質を強制することができます:

  • Set Maximum Calibration Errorを有効にすると、画面対角線のパーセンテージとして許可される最大キャリブレーション誤差であるMax Calibration Error (%)が表示されます。この値を下げることでデータ品質が向上しますが、より多くの参加者がキャリブレーションに失敗することになります。
  • Max Nr Calibration Attemptsは、研究が完全に失敗する前に参加者が何度キャリブレーションを再試行できるかを制御します。

これら2つを厳しくすることは、データ品質がサンプルサイズよりも重要な研究(正確なタイミングや空間測定)においては理にかなっています。サンプルサイズを優先する研究や新しいタスクのパイロットテストでは、通常はデフォルトのままにします。

キャリブレーション画像とエンゲージメントオプション

  • Calibration Image Typeは、キャリブレーションターゲットのために点と動物アイコンの間で選択できるようにします。
  • Play Calibration Soundsを有効にすると、キャリブレーション音の音量を調整するスライダー(v1.1以上から利用可能)が表示されます。
  • Show Gridはキャリブレーション中にグリッドを表示し、参加者が次のキャリブレーションポイントがどこに出現するかを予想するのに役立ちます。
  • Allow Calibration Reuseは、参加者が過去数時間の間に同じデバイスでキャリブレーションを行った場合、キャリブレーションを完全にスキップできるようにします。これは、タスクを自身で開発およびテストしている際に特に便利であり、すべてのテスト実行でキャリブレーションを再実行する必要を回避します。

幼児向けモード

Infant Friendly Mode (Settingsタブ → Physiology → Eye-Tracking → Infant Friendly Mode)は、切り替え時にキャリブレーション設定を幼児参加者により適した値(通常は動物アイコン、音が有効、短いキャリブレーションの長さ)に自動的に調整します。調整された値はその後でも編集できます。

バーチャルあご置きとあご置き制約

キャリブレーション中、参加者の頭の位置はセンターポーズとして記録され、これをバーチャルあご置きと呼びます。 Virtual Chinrest (Settingsタブ → Physiology → Eye-Tracking → Virtual Chinrest)は研究の残りの部分でこの位置が強制されるタイミングを制御します:

  • Enable (check during trials):継続的に強制され、参加者がセンターポーズから動くと研究が即座に一時停止します
  • Enable (check between trials):トライアル間のみ強制され、トライアル中には強制されません
  • Enable (check between trials) and show ignore button:上記と同じですが、参加者がプロンプトを無視して続行するオプションがあります
  • Disable:全く強制されません

関連する設定、あご置き制約は、あご置きが違反と見なされるまで許容される動きの量を制御し、非常に緩いものから非常に厳しいものまであります。厳しい設定は正確性を向上させますが、特に子供にとっては維持が難しくなります。一般的なパターンは、幼児研究のために緩い制約を無視ボタンモードと組み合わせ、成人研究で精度が最も重要である場合には、連続的な強制と厳しい制約を組み合わせることです。

最低フェイスメッシュ速度

Minimum Facemesh Speed (Settingsタブ → Physiology → Eye-Tracking → Minimum Facemesh Speed)は、参加者のデバイスカメラが研究に参加するために処理できる顔のスナップショットの秒あたりの数のしきい値を設定します。範囲はVery Low (0.5Hz)からVery High (15Hz)までです。これはデータ品質の下限です:より低いしきい値は、より多くの参加者のデバイスを受け入れますが、データ品質を劣化させ、より高いしきい値は参加をより速いデバイスに制限します。中間設定(Medium Low (5Hz)からMedium (7.5Hz)まで)は、ほとんどの研究にとって合理的なデフォルトです。

参加者が実際に見るもの

このページの設定は、参加者の側から見たキャリブレーションプロセスがどのように見えるかを決定しますが、プロンプトの正確なシーケンスではありません。それについては、参加者キャリブレーション体験を参照してください。

よくある質問

研究のためにどのキャリブレーション長を使用すればよいですか?
画面上のターゲットがどれほど近接しているかによります。研究が近接したターゲットを区別することに依存する場合、`130 points, 9 poses`オプションの高い精度は余分な時間に値します。研究がわずかに離れた領域を区別するだけでよい場合、`55 points, 4 poses`または`15 points, 1 pose`は、結果に意味のある影響を与えずに研究を短く保ちます。
参加者がキャリブレーションに失敗する回数が多すぎるとどうなりますか?
参加者が`Max Nr Calibration Attempts`を超えると、その参加者の研究は失敗します。これを`Set Maximum Calibration Error`と組み合わせることで、初期キャリブレーションが生成するものを受け入れるのではなく、データ品質の下限を強制できます。
幼児や子供参加者向けにキャリブレーションを簡単にすることはできますか?
はい。`Infant Friendly Mode`は、通常、動物アイコン、音が有効、短いキャリブレーションの長さのより幼児に適した値にキャリブレーションを自動的に調整し、調整された値はその後でも編集できます。
キャリブレーションを使用するためだけに研究の生理学ツールボックスのバージョンをアップグレードする必要がありますか?
いいえ。キャリブレーション自体は古いバージョンでも機能します。現在のデフォルトバージョンは、タスクエディタで注視検出モードも必要な場合にのみ必要であり、古いバージョンではサポートされていません。
再参加する参加者が2回目のセッションでキャリブレーションをスキップできますか?
はい、`Allow Calibration Reuse`が有効で、参加者が前回のキャリブレーションから数時間以内に同じデバイスで戻る場合。このことは、タスクを自身で開発、テストしている際にも便利です。

さらなるリーディング

Labvancedにおける参加者のキャリブレーション体験

参加者のキャリブレーション体験

これらの設定が参加者の視点から実際にどのように見えるか。

Labvancedタスク内での視線追跡の設定

タスク内での視線追跡の設定

特定のタスクのために視線追跡を有効にし、研究中の再キャリブレーションを設定します。

ウェブカメラ視線追跡の精度に影響を与える設計上の考慮事項

ウェブカメラ視線追跡の精度と研究デザイン

ウェブカメラ視線追跡の検証された精度の背後にある証拠と、それに影響を与える設計上の決定。

Prev
注視追跡タスクにおける刺激の提示
Next
タスクにおける視線追跡の設定