
テキストセグメンテーションオブジェクトを使用した読書研究の構築
このウォークスルーは、参加者が10文(それぞれに高頻度または低頻度の重要語が含まれる)を読み、ウェブカメラによるアイトラッキングが単語ごとの視線の計測を記録する単語頻度読書タスクという、実際のデモ研究を構築するのに使用される正確なステップに従っています。これは、テキストセグメンテーションオブジェクトのCSVからデータフレームへのテキストソース、ヘッドライン機能を使用しており、配列変数のフォールバックを使用していません。
このウォークスルーが構築する実際の研究:試行ごとに1文の、単語ごとのAOI幾何学とアイトラッキングメトリクスが自動的に記録される10文です。
刺激セット
10文は、重要語の文字数(高頻度5語と低頻度5語、各6〜7文字)でペアで一致させ、語長の混乱を周波数から分離して制御します。頻度の値はSUBTLEX-US(Brysbaert & New, 2009)から取得され、同じコーパスが単語頻度効果のページで使用されています。
| # | 条件 | 重要語 | SUBTLWF | 文 |
|---|---|---|---|---|
| 1 | 高 | kitchen | 58.31 | 毎朝、彼女は朝食の前に小さなキッチンカウンターを拭きました。 |
| 2 | 低 | lantern | 2.02 | 古い水夫は錆びたランタンを持って桟橋まで運びました。 |
| 3 | 高 | teacher | 55.73 | 新しい先生は初日にすべての緊張した学生を歓迎しました。 |
| 4 | 低 | satchel | 1.47 | 夜明け前に見習いは重いサッチェルを詰めて出発しました。 |
| 5 | 高 | window | 86.00 | 日差しが開いた窓から流れ込み、部屋全体を温めました。 |
| 6 | 低 | turret | 0.88 | 矢が古代の塔に当たったちょうどその時、太陽が昇りました。 |
| 7 | 高 | letter | 82.61 | 彼は短い手紙を注意深く折り、封筒に入れました。 |
| 8 | 低 | chisel | 0.88 | 彫刻家は鋭い彫刻刀を使って大理石の塊を彫りました。 |
| 9 | 高 | garden | 26.55 | 彼らは古い庭のフェンスを掘り起こすのに週末全体を費やしました。 |
| 10 | 低 | goblet | 0.37 | 祭典の間、騎士は王に金のゴブレットを掲げました。 |
前提知識
Labvancedの基本的な知識が推奨されます。例えば、フレームとイベントがどのように機能するかを理解することです。これは、以下で使用される用語を追うために必要です。このウォークスルーでは、独自の研究のテストランを開始し、そのエクスポートデータを見つけられることを前提とします。セッションを自分で実行するための開始と参加を参照し、ステップ7で記録されたテーブルが実際にどここにあるかについてはデータビューとエクスポートを参照してください。
フレーム
試行の各瞬間に参加者が見るものを保持する基本的な構成要素。
イベント
トリガーとアクションが何であるか、そしてそれらがどのように組み合わさって研究のロジックを構築するか。
テキストセグメンテーションオブジェクト
完全なオブジェクトリファレンス:プロパティ、セットアップウィザード、2つの記録アクション。
ステップ1:テキストセグメンテーションオブジェクトを追加し、刺激CSVをアップロード
Textツールバーグループから、フレームにテキストセグメンテーションオブジェクトを追加します。

セットアップウィザードの最初のステップで、Upload a CSV file of sentencesを選択し、刺激ファイルを選択します。これにより、新しいデータフレームに解析され、1行ごとに1試行が作成されます。

ファイルを選択した後、Additional Optionsダイアログが表示され、3つのチェックボックスが表示されます。:Map strings to files、Use first row as header、およびTranspose data。この刺激セットの場合、すべてのチェックボックスは未チェックのままで、すでにデフォルトで文CSV用に設定されているため、ただOkをクリックします。
注意
CSVは、テキストセグメンテーションオブジェクトで一般的に使用されるテキストソースです:文ごとに1行、単語ごとに1セル。今回の研究の元のスプレッドシートにはヘッダー行がなく、各列に1単語、各行に1文があり、行の長さは不揃いに(文によって10から12単語)維持されています。文の末尾のピリオドは最後の単語に付随している独自のセルとして保持されます。

セットアップウィザードでは、このウォークスルーで使用されなかった2つの別のテキストソースオプションが提供されています:Assign text from a variable、新しくCSVをアップロードするのではなく、すでにテキストを保持しているデータフレームまたは配列用、Do not set the text source、後で設定するためのものです。
ステップ2:行インデックス方法を設定する
データフレームソースを使用する場合、ウィザードの2番目のステップでは、各試行で行(文)がどのように選択されるかを尋ねられます。この研究ではUse Trial_Id as row indexを使用しているため、10文は固定シーケンスではなく、実験のランダム化された試行順序で表示されます。
ステップ3:アイトラッキングメトリクス記録をオンにする
ウィザードの最後のステップで、Record the x, y, width and height of every word on each trialをチェックされたままにし、Record eyetracking metrics for every word on each trialもチェックします。単語ごとの視線のメトリクス(滞在時間、総注視回数、総注視期間、最初の注視までの時間、平均注視期間)は、単なる刺激表示ではなく、これを読書アイトラッキング研究にする要素であり、それを記録するにはこのボックスをチェックする必要があります。

注意
メトリクスのチェックボックスをチェックすることで、全タスクに対して注視検出が有効になり、注視がフレームの終わりで終了するように設定されます。これは、このオブジェクトだけでなく、全タスクに適用され、ウィザードは終了する前にフラグを立てます。
このボックスをチェックすることで、研究のアイトラッキングが実際にオンになり、直ちに研究自身のPhysiology Toolbox Version``2.0セットアップウィザードが開き、参加者が誰であるか、次にティア(正確性対努力)、ティアがサポートするものであればスクリーニングレベル(正確性対スクリーニングアウト)を尋ねます。各選択肢の意味や、Settingsタブを介して後でそれらを変更する方法についてはティアの選択を参照し、またタスクレベルでカスタム設定を行うこともできます(詳細はタスクでのアイトラッキングの設定を参照)。
ステップ 4: レイアウトとトライアルの設定
Text Segmentation Object を選択した状態で、Object Properties にて Split cells on whitespace をオフに設定します。CSV にはすでに各列に1つの単語が含まれているためです。Layout を Grid に設定すると、すべての単語が等幅のセルに配置され、全セルがその AOI として記録され、2つの単語の記録された領域が重なったり、間に隙間ができたりすることが保証されます。
完全なオブジェクトプロパティのリスト、アライメント、パディング、フォント設定を含む Text Segmentation Object リファレンスページを参照してください。これらはこのウォークスルーでは使用されていません。

Gap Between Cells はデフォルトのままにするのではなく、意図的に設定する価値があります。また、適切な値は、ステップ 3 のセットアップウィザードで選択したキャリブレーションティアから期待される視線精度によって異なります。高い努力を伴うティア(長いキャリブレーション、期待されるエラーが厳密)での研究では、単語 AOI 間に小さな隙間を持っても、視線サンプルが間違った単語に留まるリスクはあまりありません。一方、短く低い努力のキャリブレーションでは、期待されるエラー半径が広いため、同じ小さな隙間では隣接する単語の記録データを区別するのが難しくなり、大きな隙間が安全な選択となります。ティアごとの期待精度の数値については、ティアの選択を参照してください。
CSV に対するトライアル数の一致
ステップ 2 で選択した行インデックスメソッドは、ウィザードとは全く別の設定に依存しています。タスクが実際に 10 回のトライアルを実行するように設定されている場合のみ、Trial_Id は 1 から 10 に達します。これはTrials & Conditions テーブルで別に設定され、ウィザードのダイアログボックス内から設定するのではありません。#Trials をそこに 10 に設定し、アップロードした CSV の 10 行と一致させます。ここでの不一致は、いくつかの行が表示されなかったり、Trial_Id に一致する行がないトライアルでタスクがエラーを出す原因になります。

この基本的なカウントを超えて、Trials & Conditions と Factors & Randomization は因子の交差や条件の順序制御など、より高度なランダム化もサポートしています。詳細は ランダム化とバランスを参照してください。
ステップ 5: トライアルの進行を設定
10 回のトライアルのそれぞれは、2 つのフレームをシーケンスで実行します。専用の Fixation Cross フレームの後に、Text Segmentation Object を保持する文のフレームが続きます。トライアルがこのようなフレームのシーケンスからどのように構築されるかについては、トライアルタイムラインを参照してください。
注視十字: 専用のフレームとして構築し、文のフレームに配置する要素としては作成しません。注視十字の画像自体をターゲットにした Eyetracking Gaze Trigger を追加し、イベントが参加者がそれを実際に見ているときに発火するようにします。単にタイマーだけではありません。それを Delayed Actions (Time Callback) にチェーンし、固定の 1000 ミリ秒の遅延に設定し、Jump To アクションを Next Frame にサブアクションとして設定します。遅延は一度きりのタイマーであり、持続的な注視チェックではありません。視線トリガーが最初に発火した瞬間から開始され、参加者がその直後にまだ十字を見ているかどうかに関わらず、Jump To が経過すると実行されます。
この設定は、Serrano-Carot、Angele、Xu、& Vasilev (2026) で使用されている視線依存の注視十字に触発されています。
トライアル間を進む: 文のフレームに、Keyboard Trigger を追加し、any キーに設定し、Action ドロップダウンを Press Key に設定します。そして Jump To アクションを Next Frame に設定します。このようにフレームを終了することで、ステップ 3 のウィザードがすでに設定した Frame End Trigger が発火します。これは、単語ごとのメトリクスが実際に記録されるタイミングであり、参加者がその文の読み終わりを合図するまで、任意のタイマーではなく、1 回だけ書き込まれます。
中断されたトライアルのリセット: 参加者がトライアル中に許可された頭の姿勢から外れると、仮想あご置きが実験を一時停止し、再調整を促します。再調整画面では、視線がディスプレイの中央に再センタリングされますが、これは中断が発生したときに実際に文中にいた場所と一致しない可能性があります。これを処理しないと、実験は単に文のフレームをそのまま再開し、参加者の視線を画面の中央に固定し、実際のスタート位置を確立するために必要な位置とは一致しなくなります。Global Experiment Event Trigger を Experiment Continued に設定し、Jump To アクションを Specific Frame に設定し、Fixation Cross フレームをターゲットにします。これにより、再調整が参加者を再び注視十字を経由させ、マッチしない視線位置で再開するのではなく、クリーンにトライアルをやり直すことができます。
フレーム、イベント、トライアルの進行がどのように構築され、構造化されているかを正確に確認するために、このスタディをあなたのアカウントに直接インポートしてください。
ステップ 6: スタディレベルでのアイ・トラッキングの確認
ステップ 3 でメトリクスのチェックボックスを確認することで、アイ・トラッキングがスタディに対して有効になっているため、ここで新たに有効化する必要はありません。Settings タブ → Physiology を開いて、Eye-Tracking がオンになっていることを確認し、ウィザードが設定したティアとスクリーニングレベルを確認します。スタディレベル対タスクレベルのメカニズムについては、タスクにおけるアイ・トラッキングの設定を参照してください。
ステップ 7: 両方の録音を確認
自分自身でスタディを実行し、セットアップが機能したと仮定するのではなく、エクスポートされたデータを確認します。単語ごとに1行のデータフレームテーブルが2つ生成されるべきです。
- AOI ジオメトリテーブル:
word_index,word,line_index,x,y,width,height - 単語ごとのメトリクステーブル:
word_index,word,line_index,dwell_time,total_fixations,total_fixation_duration,time_to_first_fixation,mean_fixation_duration
見なかった単語は、各メトリクス列にゼロが記録されたままで、ブランクセルにはなりません。平均時間列の前に total_fixations > 0 でフィルタリングします。ゼロは「決して注視しなかった」と「フレーム開始時点で注視していた」を区別しません。