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
      • 刺激提示
      • 反応の正確さ
      • 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
      • 研究デザイン
        • タスク
        • ブロック
        • セッション
        • グループ
    • 特集トピック

      • 実験デザイン
        • スタディの作成
        • データフレームパターン
      • ランダム化とバランス
      • 目の追尾
        • 眼球追跡タスクにおける刺激の提示
        • アイ・トラッキングのキャリブレーション設定の選び方
        • タスクでの視線追跡の設定
        • 視線データの記録とエクスポート
        • 形状を視線追跡の興味領域 (AOI) として使用する
        • 参加者のキャリブレーション体験
      • アンケート
      • デスクトップアプリ
      • サンプル研究
      • 参加者募集
      • APIアクセス
        • REST API
        • Webhook API
        • WebSocket API
      • その他のトピック

        • 正確な刺激タイミング
        • 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
      • 私の研究
      • 共有研究
      • 私のファイル
      • 実験ライブラリ
      • マイアカウント
      • ライセンスとサービス
    • 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
        • キャンバスとページフレーム
        • 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
      • テキストと翻訳
      • 開始と参加
      • 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
    • イントロダクション
    • ストループタスク
    • 語彙的決定タスク
    • ポズナー注視キュータスク
    • 変化盲点フリッカーパラダイム
    • 眼球追跡サンプル研究
    • 幼児の眼球追跡研究
    • マウストラッキングによる注目捕捉研究
    • 迅速な系列視覚提示
    • ChatGPT研究
    • 眼球追跡デモ: SVGをAOIとして使用
    • マルチユーザーデモ: 参加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 - 基本セットアップ
    • EEG統合を伴う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
  • 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
    • プログラム利用とAPI
    • Labvancedのオフライン利用
    • 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
  • 文書
  • 教室

タスクでの視線追跡の設定

学習のために視線追跡が有効になったら(視線追跡のキャリブレーション設定の選択方法参照)、視線データを収集したい各タスクごとに有効化して構成する必要があります。

生理学的信号タブ、視線追跡を有効にするチェックボックス、およびドリフト修正フィールドを示すタスク設定ダイアログ

タスクに対する視線追跡の有効化

タスクエディタで、左上隅の「タスク:」の隣にある Settings ボタンをクリックします。開いたダイアログで、Physiological Signals タブに移動し、Enable Eye-Tracking: をチェックします。

視線追跡は、同じ実験内の複数のタスクで有効化できます。学習レベルで構成されるメインのキャリブレーションは、視線追跡が有効化された学習内の最初のタスクの前に1回だけ実行されます。その後の視線追跡が有効化されたすべてのタスクは、以下に説明する再キャリブレーション設定を使用し、再度フルキャリブレーションを実行しません。

再キャリブレーションとドリフト修正

タスクに対して視線追跡が有効になったら、システムがそのタスクの間に視線予測を正確に保つために4つのフィールドが制御します:

  • Number of points shown: タスクが始まる前に表示される再キャリブレーションポイントの数。0に設定すると、再キャリブレーションが完全に無効になります。デフォルトは7です。
  • Show recalibration before every: 再キャリブレーションが再度実行されるまでにパスする試行の数。デフォルトは7です。
  • Number of points used: 表示されているポイントのうち、実際に再キャリブレーション計算に使用されるポイントの数。表示される数よりも多く設定することができます。
  • Directly apply/subtract drift values from gaze data: 有効にすると、タスクの間に参加者が自然に一方向にドリフトする傾向を修正します。
    • Adaptive Mode: このサブオプションが有効な場合、ドリフト修正は常に適用されるのではなく、クロスバリデーションチェックに基づいて自動的に適用または保持されます。

タスクが短い場合や視線の精度が測定にとって重要でない場合、再キャリブレーション(Number of points shownを0に設定)を無効にすると、参加者にとってタスクが迅速に進行します。長いタスクや視線位置のわずかな誤差が重要なタスクでは、デフォルトの再キャリブレーション設定が時間の経過とともに精度のドリフトを修正するのに役立ちます。

固定点検出

固定点検出は、Labvancedが参加者の視線が特定の位置に固定されたときにどのように識別するかを決定します。ただの生の視線座標ストリームを報告するのではなく、視線が特定の位置に定まった時点を捉えます。これは、学習の Physiology Toolbox Version が v1.2 以上に設定されている必要があります。

固定点検出セクションを示すタスク設定ダイアログ、固定点アルゴリズムおよび進行中の固定点を結論づけるオプション

  • No Fixation Detection: 固定点分析を無効にします。生の視線座標のみが収集されます。
  • Real-Time Fixations: 視線データが到着する際に約50ミリ秒の遅延で固定点が計算されます。固定点に基づく参加者の即時フィードバックが必要な研究に最適です(例:視線に依存する表示)。
  • Lagged Optimized Fixations: 次の視線ポイントを観察した後、約500ミリ秒の遅延をもって固定点が計算され、より高い精度と長い固定点の検出が得られます。フィードバックがわずかに遅れても問題ない場合や、実験後の分析に最適です。
  • Conclude Ongoing Fixations: アルゴリズムが終了する前にフレームまたは試行が終了したときに、まだ計算中の固定点に何が起こるかを制御します。オプションは、フレーム/試行の境界を越えてバッファを保持するか、フレームまたは試行の終了時に固定点計算を強制的に結論づけるかです。強制的結論は、参加者が次のフレームまたは試行に移動する前にターゲットを固定したかどうかを知る必要がある場合に便利です。

表示設定

デフォルトの表示モードは Zoom / Adaptive で、タスクのコンテンツを各参加者の画面にフィットさせます。視線追跡タスクの場合、Fixed in Visual Degree または Fixed in Millimeter に切り替える方が好ましいことが多く、視線位置が画面サイズによって変わるフレーム単位でなく、物理単位で報告されるため、参加者間での測定値の比較が容易になります。

学習内の任意のタスクで Fixed in Visual Degree または Fixed in Millimeter に切り替えると、Settings タブ → Controls → Screen にある Measure Screen Size (card calibration) オプションが必須となり、無効にすることはできません。これは、参加者に標準化されたカード(クレジットカードまたはIDカードのサイズである85.60 x 53.98 mm)を画面上に持ち上げさせ、Labvancedが物理的な画面サイズをキャリブレーションできるようにします。これがミリメートルおよび視覚度数測定を正確にするための基本です。

特定の刺激対象にトラッキングを制限する

視線または固定点イベントの発生を、参加者が特定の刺激対象を見るときのみに制限することもできます。これは、イベント自体を構築する際に設定され、視線データの記録とエクスポートで説明されています。

具体的な例

これらの設定を中心に学習を構築する完全な事例については、視線追跡ウォークスルーまたは幼児向けの物体識別タスクのウォークスルーを参照してください。どちらも設定インターフェースの古いバージョンを反映しているため、フィールド名やスクリーンショットは上記の説明と一致しない場合がありますが、ウォークスルー全体の構造は引き続き適用されます。

よくある質問

同じ実験内の複数のタスクに対して視線追跡を有効にした場合、フルキャリブレーションは毎回実行されますか?
いいえ。学習レベルで構成されるメインのキャリブレーションは、視線追跡が有効な学習内の最初のタスクの前に1回だけ実行されます。その後の視線追跡が有効なすべてのタスクは、そのタスクの再キャリブレーション設定を使用します。
短いタスクで再キャリブレーションを無効にできますか?
はい。 `Number of points shown` を0に設定すると、そのタスクの再キャリブレーションが完全に無効になり、タスクが短いか、視線の精度が測定にとって重要でない場合、参加者にとって素早く進行します。
タスク中に固定点に即座に反応する必要がある場合、どの固定点検出モードを使用すべきですか?
`Real-Time Fixations`。視線データが到着する際に固定点が計算され、約50ミリ秒の遅延があります。参加者に即時フィードバックが必要な研究(例:視線依存表示)に最適です。`Lagged Optimized Fixations`はより高い精度を生み出しますが、約500ミリ秒の遅延があり、タスク内フィードバックよりも実験後の分析に適しています。
試行が終了したときに計算中の固定点はどうなりますか?
それは `Conclude Ongoing Fixations` に依存します。フレームまたは試行の境界を越えてバッファを実行し続けるか、フレームまたは試行の終了時に固定点計算を結論づけるように強制することができます。後者は、参加者が次に進む前にターゲットに固定したかどうかを知る必要がある場合に便利です。
デフォルトの表示モードを使用している場合、画面サイズカードのキャリブレーションを設定する必要がありますか?
いいえ。 `Measure Screen Size (card calibration)` は、タスクを `Fixed in Visual Degree` または `Fixed in Millimeter` に切り替えたときにのみ必須になります。デフォルトの `Zoom / Adaptive` モードでは必要ありません。

さらに読む

視線データの記録とエクスポート

視線データを記録変数としてキャプチャするイベントを構築し、結果のエクスポートにアクセスします。

視線追跡タスクにおける刺激の提示

タスク設定に入る前に、刺激が視線追跡にどのように関係するか。

視線追跡のキャリブレーション設定の選択方法

このタスクの再キャリブレーションが構築される学習レベルのキャリブレーション設定。

Prev
アイ・トラッキングのキャリブレーション設定の選び方
Next
視線データの記録とエクスポート