Peer-reviewed Webcam-Eye-Tracking für Forschung

Neue und innovative Eye-Tracking Forschungsmethoden zu erschließen, ist entscheidend, um an der Spitze jeder Branche oder jedes Fachgebiets zu bleiben. Webcam-Eye-Tracking ist ein wichtiges Werkzeug, das Forscher dafür nutzen können. Durch die Nutzung dieser modernen Technologie können Forscher innovative Forschungen umsetzen und ein besseres Verständnis der Prozesse hinter Aufmerksamkeit, Entscheidungsfindung und Verhalten gewinnen. Es ist jedoch wichtig, Webcam-basiertes Eye-Tracking zu verwenden, das getestet und peer-reviewed wurde.

Mit der Fähigkeit, Augenbewegungen, Blickmuster und Fixationen in einer natürlichen Umgebung zu verfolgen, bietet Labvanced’s Webcam-Eye-Tracking einen praktikablen Ansatz zur Quantifizierung der Aufmerksamkeit der Teilnehmer. Außerdem kann Labvanced’s webcam-basierte Eye-Tracking-Technologie leicht aus der Ferne implementiert werden, was eine kosteneffektive Lösung für Forscher auf der ganzen Welt darstellt, die diese Methode in ihren kommenden Projekten nutzen möchten, während die Privatsphäre der Teilnehmer geschützt wird und GDPR-konform bleibt.

Forschungsartikel veröffentlicht vom Labvanced-Team, der die Genauigkeit der Webcam-Eye-Tracking-Technologie mit einem Branchenstandard, EyeLink 1000, vergleicht.

Gültigkeit und Genauigkeit von Labvanced’s Online Eye Tracking

• Im Vergleich zum hardwarebasierten EyeLink-System hat Labvanced’s Webcam-Eye-Tracking eine Gesamtkorrektheit von 1,4° und eine Präzision von 1,1° sowie einen Fehler von etwa 0,5° mehr als das EyeLink-System.
• Wenn visuelle Ziele in der Mitte des Bildschirms präsentiert werden, verbessern sich sowohl Genauigkeit als auch Präzision auf 1,3° bzw. 0,9°. Dies ist ein wichtiges Ergebnis, da zahlreiche psychologische Experimente dazu neigen, Reize in der Mitte des Bildschirms anzuzeigen.
• Die Ergebnisse zeigten auch, dass die Genauigkeit über die Zeit hinweg konstant 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 verschiedenen Aufgaben, konsultieren Sie bitte Tabelle 5 im Papier.

Die unten stehende Abbildung zeigt die Rohdaten eines Teilnehmers, die die Ausrichtung der Blickdaten während der Smooth Pursuit-Aufgabe separat für die X- und Y-Achsen zeigt.

Abbildung 1. Grafiken aus dem Forschungsartikel (entspricht Abb.7 in der Veröffentlichung), eine visuelle Demonstration, wie diese Korrelation aussieht, in einer Smooth Pursuit-Aufgabe, die die Überlappung der Datenpunkte zwischen 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 Durchläufe. Das linke-rot steht für EyeLink und das rechte-blau für Labvanced’s webcam-basierten Eye Tracker. Das entsprechende Stimulusbild wird als Hintergrund für die Heatmap in jeder Aufgabe verwendet.

Abbildung 2. Heatmaps aus dem Forschungsartikel (Abb.8 in der Veröffentlichung).

Die Werte von 0 bis 1 in der Farbskala repräsentieren die normalisierten Dichtewerte der Kerneldichteschätzung. Aus den gegebenen Grafiken können wir schließen, dass die Blickdaten grob denselben Objekten im Bild zugeordnet sind; jedoch gibt es eine höhere Varianz in der Verteilung der Webcam-Blickdaten.

Effekt der Hilfsbereitschaft und Unsicherheit von Künstlicher Intelligenz auf kognitive Interaktionen mit Apothekern: Randomisierte kontrollierte Studie

In dieser Studie nutzten die Forscher Labvanced’s Webcam-Eye-Tracking, um zu bestimmen, wie Apotheker Informationen zu KI visuell verarbeiten in einer Medikationsverifizierung. Ein KI-Prototyp wurde im Kontext der Medikationsverifizierung präsentiert, wobei die KI verschiedene Analysen zur Wahrscheinlichkeit, dass die beiden Medikamente (die Pille und die Pillen im Fläschchen) übereinstimmen, bot. Die Teilnehmer wurden gebeten zu bestimmen, ob die Medikationsfüllbilder mit den Referenzbildern übereinstimmten, sowohl mit als auch ohne KI-Hilfe. Die KI bot entweder "Black Box"-Hilfen (Übereinstimmungsstatusindikatoren) oder "Unsicherheitsbewusste" Hilfen (Übereinstimmungsstatusindikatoren plus ein Konfidenzhistogramm).

Ergebnisse:

• Wenn KI-generierte Regionen präsent waren, verschoben Apotheker 19-26% ihrer Fixationen darauf, was darauf hindeutet, dass sie den KI-Rat in ihren Entscheidungen berücksichtigten.
• KI-Hilfe verringerte nicht die Fixationen auf Füllbilder, die der Hauptfokus blieben.
• Unhilfreiche KI-Ratschläge waren mit einer längeren Zeit verbunden, die Apotheker mit dem Betrachten von Referenz- und Füllbildern verbrachten, was auf einen erhöhten kognitiven Aufwand hindeutet.
• Das Anzeigen von KI-Unsicherheit führte zu längeren kognitiven Bearbeitungszeiten, wie an erhöhten Verweildauern auf den Originalbildern zu erkennen ist.

Vorteile von Webcam-basiertem Eye Tracking

Die Integration von Labvanced’s Webcam-Eye-Tracker in Ihr nächstes Forschungsprojekt bringt folgende Vorteile mit sich:

• Nicht invasiv: Verwendet bestehende Geräte, bietet ein natürlicheres und unauffälliges Erlebnis.
• Kosteneffektiv: Im Allgemeinen erschwinglicher und zugänglicher als traditionelle Setups.
• Einfach zu bedienen/ einzurichten: Aktiviert mit ein paar Klicks in Labvanced, kein Coding erforderlich.
• Anpassbare Kalibrierung: Bietet umfangreiche Optionen zur Anpassung der Kalibrierung an spezifische Forschungsbedürfnisse.
• GDPR-konform: Verarbeitet Bilddaten lokal und überträgt nur blickbezogene Daten wie numerische Blickkoordinaten.
• Flexibel und skalierbar: Kann leicht aus der Ferne für Studien mit geografisch unterschiedlichen Teilnehmern bereitgestellt werden.
• Genauigkeit: Eine peer-reviewed Technologie, die mit Tests validiert wurde.