Peer-reviewed Webcam Eye Tracking für die Forschung

Neue und innovative Eye-Tracking Forschungsmethoden zu entwickeln, ist entscheidend, um an der Spitze jeder Branche oder jedes Bereichs zu bleiben. Webcam-Eye-Tracking ist ein wichtiges Werkzeug, das Forscher dafür nutzen können. Durch die Nutzung dieser hochmodernen Technologie können Forscher innovative Forschung implementieren und mehr über die Prozesse hinter Aufmerksamkeit, Entscheidungsfindung und Verhalten verstehen. Es ist jedoch wichtig, webcam-basiertes Eye-Tracking zu nutzen, das getestet und peer-reviewed wurde.

Mit der Fähigkeit, Augenbewegungen, Blickmuster und Fixationen in einem natürlichen Umfeld zu verfolgen, bietet Labvanced’s Webcam-Eye-Tracking einen praktikablen Ansatz zur Quantifizierung der Aufmerksamkeit der Teilnehmer. Darüber hinaus kann Labvanced's webcam-basiertes Eye-Tracking-Technologie ganz einfach remote implementiert werden, was es zu einer kosteneffizienten Lösung für Forscher weltweit macht, die an der Anwendung dieser Methode in ihren kommenden Projekten interessiert sind, und gleichzeitig die Privatsphäre der Teilnehmer schützen, während es GDPR-konform ist.

Forschungsarbeit veröffentlicht von dem Labvanced-Team, das die Genauigkeit der Webcam-Eye-Tracking-Technologie mit einem Branchenstandard, EyeLink 1000, vergleicht.

Validität und Genauigkeit von Labvanced's Online Eye Tracking

• Im Vergleich zum hardwarebasierten EyeLink-System hat Labvanced’s Webcam-Eye-Tracking eine Gesamtgenauigkeit von 1,4° und eine Präzision von 1,1° und einen Fehler von etwa 0,5° größer als das EyeLink-System.
• Wenn visuelle Zielobjekte in der Mitte des Bildschirms präsentiert werden, verbessern sich sowohl die Genauigkeit als auch die Präzision auf 1,3° bzw. 0,9°. Dies ist eine wichtige Erkenntnis, da zahlreiche psychologische Experimente dazu tendieren, Stimuli in der Mitte des Bildschirms anzuzeigen.
• Die Ergebnisse zeigten auch, dass die Genauigkeit über die Zeit konsistent blieb. Für freies Betrachten und glatte Verfolgungsaufgaben betrug die Korrelation etwa 80% zwischen Labvanced und EyeLink Blickdaten.
• Für eine umfassende Zusammenfassung aller Metriken, die im peer-reviewed Papier enthalten sind, und detaillierte Informationen zu jedem Eye-Tracking-System mit unterschiedlichen Aufgaben, siehe bitte Tabelle 5 im Papier.

Die folgende Abbildung zeigt die Rohblickdaten eines Teilnehmers, die die Ausrichtung der Blickdaten während der Smooth Pursuit-Aufgabe zeigt, getrennt für die X- und Y-Achsen.

Fig 1. Grafiken aus der Forschungsarbeit (entspricht Fig.7 in der Veröffentlichung), eine visuelle Demonstration, wie diese Korrelation aussieht, in einer Smooth Pursuit-Aufgabe, die die Überlappung zwischen den Datenpunkten von Labvanced (blaue Punkte) und EyeLink (rote Punkte) zeigt. Für freies Betrachten und glatte Verfolgungsaufgaben betrug die Korrelation etwa 80% zwischen Labvanced und EyeLink Blickdaten.

Unten sind Heatmaps mit zwei Streudiagrammen von den Teilnehmern für zwei verschiedene Versuche. Das linke-rot stellt EyeLink dar und rechte-blau den Labvanced's webcam-basierten Eye-Tracker. Das entsprechende Stimulusbild wird als Hintergrund für die Heatmap in jeder Aufgabe verwendet.

Fig 2. Heatmaps aus der Forschungsarbeit (Fig.8 in der Veröffentlichung).

Die Werte von 0 bis 1 in der Farbskala repräsentieren die normalisierten Dichtewerte der Kernel-Dichteschätzung. Aus den gegebenen Grafiken könnten wir schließen, dass die Blickdaten grob den gleichen Objekten im Bild zugewiesen werden; jedoch gibt es eine höhere Varianz in der Verteilung der Webcam-Blickdaten.

Effekt der Nützlichkeit und Unsicherheit von Künstlicher Intelligenz auf kognitive Interaktionen mit Apothekern: Randomisierte Kontrollstudie

In dieser Studie nutzten Forscher Labvanced’s Webcam-Eye-Tracking, um zu bestimmen, wie Apotheker AI-bezogene Informationen visuell verarbeiten, während sie eine Arzneimittelverifizierungsaufgabe durchführen. Ein AI-Prototyp wurde im Kontext der Arzneimittelverifizierung präsentiert, bei dem die AI verschiedene Analysen über die Wahrscheinlichkeit, dass die beiden Medikamente (die Pille und die Pillen im Fläschchen) übereinstimmten. Die Teilnehmer wurden gebeten zu bestimmen, ob die Bilder der Arzneimittelübergabe den Referenzbildern entsprachen, sowohl mit als auch ohne AI-Unterstützung. Die AI bot entweder "black box"-Hilfe (Übereinstimmungsstatusindikatoren) oder "unsicherheitsbewusste" Hilfe (Übereinstimmungsstatusindikatoren plus ein Konfidenz-Histogramm) an.

Ergebnisse:

• Wenn AI-generierte Regionen vorhanden waren, verschoben Apotheker 19-26% ihrer Fixationen auf sie, was darauf hinweist, dass sie den Rat der AI in ihren Entscheidungen berücksichtigten.
• AI-Unterstützung verringerte nicht die Fixationen auf die Arzneimittelfotos, die der Hauptfokus blieben.
• Unhilfreiche AI-Ratschläge waren damit verbunden, dass Apotheker mehr Zeit damit verbrachten, sich die Referenz- und Arzneimittelfotos anzusehen, was auf erhöhten kognitiven Aufwand hindeutet.
• Das Zeigen von AI-Unsicherheit führte zu längeren kognitiven Verarbeitungszeiten, wie an verlängerten Verweildauern auf den Originalbildern zu erkennen war.

Vorteile des webcam-basierten Eye Tracking

Die Integration von Labvanced's Webcam-Eye-Tracker in Ihr nächstes Forschungsprojekt bringt die folgenden Vorteile mit sich:

• Nicht invasiv: Verwendet vorhandene Geräte und bietet eine natürlichere und unauffälligere Erfahrung.
• Kosteneffektiv: Generell erschwinglicher und zugänglicher als traditionelle Setups.
• Einfach zu bedienen/einzurichten: Aktiviert mit ein paar Klicks in Labvanced, kein Codieren erforderlich.
• Anpassbare Kalibrierung: Bietet umfangreiche Optionen, um die Kalibrierung an spezifische Forschungsbedürfnisse anzupassen.
• GDPR-konform: Verarbeitet Bilddaten lokal und überträgt nur blickbezogene Daten wie numerische Blickkoordinaten.
• Flexibel und skalierbar: Einfach remote einsatzbereit für Studien mit geografisch vielfältigen Teilnehmern.
• Genauigkeit: Eine peer-reviewed Technologie, die mit Tests validiert wurde.