So führen Sie eine Webcam-Augenverfolgungsstudie durch
Eine Webcam-Augenverfolgungsstudie bedeutet, zu messen, wohin jemand schaut, indem eine Standardcomputer-Webcam anstelle von dedizierter Hardware verwendet wird. Es kann als ein sechs-Stufen-Prozess konzipiert werden: bestimmen, was gemessen werden soll, Ihre Stimuli mit dieser Messung in Beziehung setzen, einen Kalibrierungsansatz wählen, die Umgebung und den Teilnehmer vorbereiten, Blickdaten während der Aufgabe sammeln und die Ergebnisse mit dem zu analysieren, was die Methode tatsächlich unterstützen kann. Die Webcam-Augenverfolgung von Labvanced, die bislang am strengsten benchmarked wurde, erreicht 1.2 bis 1.4 visuelle Grad an Genauigkeit gegenüber einem Forschungsgrad EyeLink 1000 Tracker (Kaduk et al., 2024), nah genug, um die meisten Forschungsfragen zur Aufmerksamkeit und visuellen Präferenz ohne Hardware zu unterstützen, obwohl nicht jede Forschungsfrage.
Keine dieser Phasen ist einzigartig für eine bestimmte Plattform, auch wenn die Implementierungsdetails variieren. Jeder Abschnitt unten behandelt zunächst die allgemeine methodologische Entscheidung und verweist dann darauf, wie Labvanced diese umsetzt.
Inhaltsverzeichnis
Der Webcam-Augenverfolgungsworkflow
I. Entscheiden Sie, was gemessen werden soll und ob die Webcam-Augenverfolgung zu Ihrer Frage passt
Was Webcam-Augenverfolgung misst
Eine Studie, die auf Webcam-Augenverfolgung basiert, zeichnet typischerweise eines oder mehrere der folgenden Merkmale auf:
- Fixationen: wo und wie lange jemand schaut
- Sakkaden: schnelle Bewegungen zwischen Fixationspunkten
- Analyse der Interessensgebiete (AOI): ob und wie lange ein Teilnehmer auf einen definierten Bereich geschaut hat
- Blickpfad: die Reihenfolge der visuellen Aufmerksamkeit über einen Stimulus
- Zeit bis zur ersten Fixation: wie schnell ein Stimulus Aufmerksamkeit erregt
Die Pupillengröße ist technisch von einigen Webcam-Pipelines extrahierbar, aber erheblich weniger zuverlässig als bei dedizierter Hardware, sodass sie selten als primäre Ergebnismaßnahme in einer Webcam-Studie verwendet wird.
Ob die Methode zu Ihrer Forschungsfrage passt
Ob die Methode zu einer bestimmten Forschungsfrage passt, hängt von der Genauigkeit ab, die sie liefern kann. Webcam-Augenverfolgung ist gut geeignet für AOI- und Verweildaueranalysen, Fixationszählungen, Freigabe-Viewing- und visuelle Präferenzparadigmen sowie allgemeine Muster der visuellen Aufmerksamkeit. Gestaltungsüberlegungen zur Genauigkeit der Webcam-Augenverfolgung legt die veröffentlichten Genauigkeitszahlen dar, die hinter dieser Passform stehen, sowie die Designentscheidungen, die bestimmen, ob eine bestimmte Studie diese erreicht, vollständig.
Es ist nicht gut geeignet für sub-deg-Genaue Aufgaben, Sakkadendynamik oder Buchstabenebene-Fixationsgenauigkeit in dichtem Text: die Genauigkeitslücke gegenüber einem Forschungsgrad-Hardware-Tracker ist real und es ist besser, darum zu entwerfen, als sie einfach zu ignorieren.
II. Setzen Sie Ihre Stimuli in Beziehung zu den benötigten Blickdaten
Die Blickverfolgung läuft unabhängig davon, was ein Stimulus tatsächlich ist: Ein Bild, ein Textblock, ein Videobild oder eine Live-Oberfläche können alle auf die gleiche Weise verfolgt werden, da die Methode aufzeichnet, wohin die Augen im Verhältnis zum Bildschirm zeigen, nicht was darunter gerendert ist. Die wichtige Designentscheidung ist, wo sich die Interessensgebiete relativ zueinander befinden und wie viel Platz sie trennt, da die Genauigkeit nicht gleichmäßig über den Bildschirm verteilt ist und zwei eng beieinander liegende AOIs das Risiko haben, eine Fixation nahe der Grenze der falschen zuzuordnen.
Die Implementierung von Labvanced: Präsentation von Stimuli in einer Augenverfolgungsaufgabe behandelt, wie jeder Objekttyp im Aufgabeneditor ohne spezielle Konfiguration verfolgt werden kann und wie man über das Layout von Stimuli nachdenken kann, bevor man eine einzige Augenverfolgungseinstellung berührt.
III. Wählen Sie einen Kalibrierungsansatz
Jedes Webcam-Augenverfolgungssystem schätzt die Blickposition anhand einer Kalibrierungszuordnung, die erzeugt wird, indem der Teilnehmer gebeten wird, auf eine Reihe von Punkten auf dem Bildschirm zu schauen. Längere Verfahren mit mehr Punkten erzeugen eine genauere Zuordnung, aber die Kalibrierung ist auch der einzige Teil der Studie, bei dem der Teilnehmer aktiv mit dem System interagieren muss, nicht nur auf die Aufgabe achten, sodass die Länge ein echtes Trade-off gegen Müdigkeit und Abbruch darstellt, kein zu maximierendes Setting per Default. Die richtige Länge hängt davon ab, wie eng Ihre AOIs gepackt sind: Ein Design mit vielen kleinen, eng beieinander liegenden AOIs benötigt die Genauigkeit, die eine längere Kalibrierung bietet; ein Design mit wenigen großen, gut getrennten Regionen kann eine kürzere verwenden.
Die Kalibrierungslänge legt die Obergrenze fest, aber ohne einen definierten Qualitätsstandard wird ein Teilnehmer, dessen Kalibrierung nicht konvergiert, zusammen mit einem berücksichtigt, dessen Kalibrierung konvergiert ist, anstatt dazu aufgefordert zu werden, es erneut zu versuchen oder ausgeschlossen zu werden. Die Festlegung eines maximal akzeptablen Kalibrierungsfehlers vor Beginn der Datensammlung macht diese zu einem expliziten Standard anstatt zu einer Annahme.
Die Implementierung von Labvanced: Wie man Augenverfolgung-Kalibrierungseinstellungen wählt ist ein Entscheidungsleitfaden für Kalibrierungslängen, Punktzahlen, Qualitätsstandards und die Version des Physiologie-Toolbox, die Ihre Studie benötigt.
IV. Bereiten Sie die Umgebung und den Teilnehmer vor
Die Webcam-Augenverfolgung hängt von einem Gesichtserkennungsmodell ab, das zuverlässig Gesichts- und Augenerkennungsmerkmale aus dem Webcam-Input erkennt, sodass mehrere Umweltfaktoren die Datenqualität erheblich beeinflussen, bevor ein einziger Versuch durchgeführt wird. Gegenlicht silhouettiert das Gesicht des Teilnehmers und verringert den Kontrast, den das Modell benötigt; eine Webcam, die weit vom Bildschirm entfernt positioniert ist, fügt Fehler hinzu, die über das hinausgehen, was durch die Kalibrierung korrigiert wird; und Brillen, die Reflexionen verursachen oder eine getönte oder blaufilternde Beschichtung haben, verzerren das Licht, das die Kamera erreicht. Keine dieser Anforderungen sind ungewöhnlich, sie gehören zur gleichen Kategorie von Einrichtungserwägungen, die ein Labor für einen Hardware-Augenverfolger verwaltet, angewendet auf eine Einstellung, in der der Forscher den Teilnehmer nicht physisch überprüfen kann.
Die Implementierung von Labvanced: Die Kalibrierungserfahrung des Teilnehmers erläutert den Kalibrierungsfluss, den die Teilnehmer sehen, einschließlich der oben genannten praktischen Faktoren für Beleuchtung, Brillen und Webcam-Platzierung sowie was passiert, wenn ein Teilnehmer aus der Position driftet.
V. Gaze-Daten während der Aufgabe sammeln
Gaze-Daten aufnehmen
Sobald die Kalibrierung abgeschlossen ist, werden die Gaze-Koordinaten aufgezeichnet und gegen die während der Entwurfsphase definierten Interessensgebiete gemappt. Abhängig vom Studiendesign kann die Aufzeichnung kontinuierlich über die gesamte Aufgabe erfolgen oder auf spezifische Interessensgebiete beschränkt sein, wobei der Blick nur erfasst wird, während ein Teilnehmer innerhalb eines definierten Bereichs schaut, anstatt über das gesamte Bild. Gaze ist auch selten der einzige Kanal, der erfasst werden sollte: Die Kombination mit anderen Verhaltens- oder physiologischen Maßnahmen ergibt ein umfassenderes Bild der Reaktion eines Teilnehmers als die bloße Gaze-Position.
Labvanced's Implementierung: Eye Tracking Data Output in Labvanced zeigt, was ein Gaze-Export tatsächlich enthält, einschließlich des pro Probe erfassten Vertrauenswerts, der ein Blinzeln oder ein nicht erkannten Gesicht kennzeichnet. Using Shapes as Areas of Interest (AOI) behandelt die Definition der Regionen, gegen die Gaze aufgezeichnet wird, unter Verwendung von Polygon- oder SVG-Formen als Masken. Labvanced kann auch ergänzende Kanäle neben dem Eye Tracking in derselben Aufgabe aufzeichnen:
- Mouse tracking: Cursorposition und Bewegungsbahnen
- Emotion detection: Gesichtsausdrücke, die in Emotionslabels klassifiziert werden
- Remote heart rate detection (rPPG): Herzfrequenz, die aus dem Webcam-Feed geschätzt wird
Während der Sitzung kalibrieren
Für längere oder mehrblockige Sitzungen schützt das Auslösen von Neukalibrierungen zu definierten Zeitpunkten – anstatt sich auf eine einzelne Kalibrierung zu verlassen, die die gesamte Sitzung über gilt – vor Positions- und Beleuchtungsdrift, was ein aktuelles methodologisches Risiko für jede fernüberwachte, unbegleitete Einrichtung darstellt.
Labvanced's Implementierung: Setting Up Eye Tracking in a Task behandelt die Konfiguration des Neukalibrierungszyklus pro Aufgabe.
VI. Die Ausgabe analysieren
Webcam-Gaze-Daten werden als Zeitserie exportiert, anstatt einen Wert pro Versuch zu liefern, da die Gaze-Position viele Male pro Sekunde aufgezeichnet wird und nicht nur einmal. Die Abtastrate wird durch die Geschwindigkeit begrenzt, mit der ein Browser Webcam-Frames verarbeiten kann, und erreicht normalerweise einen Höchstwert zwischen 30 und 60 Hz, abhängig von der Hardware des Teilnehmers. Aus dem rohen Gaze-Stream sind die Maße, die die meisten Studiendesigns unterstützen, Fixationsdauer, Anzahl der Besuche eines AOI, Zeit bis zur ersten Fixation und Verweildauer, die downstream in R, Python oder spezieller Analysesoftware berechnet werden.
Labvanced's Implementierung: Recording and Exporting Gaze Data behandelt den Aufbau der Ereignisse, die Gaze-Daten aufzeichnen, und wie der resultierende Export aussieht, nachdem Ihre Studie durchgeführt wurde.
Zusammenfassungstabelle
| Phase | Methodologische Entscheidung | Labvanced-Implementierung (siehe verlinktes Handbuch oben) |
|---|---|---|
| I. Was zu messen ist | Wählen Sie Maßnahmen, die die tatsächliche Genauigkeits-Obergrenze unterstützen (AOI, Fixationen, Verweildauer) gegenüber denen, die dies nicht tun (Sakkade-Dynamik, Sub-Grad-Genauigkeit) | Seite zu Genauigkeits- und Entwurfsüberlegungen |
| II. Stimuli und Gaze | Der Abstand der AOIs ist wichtiger als die Art des Stimulus | Leitfaden zur Präsentation von Stimuli |
| III. Kalibrierung | Länge und Anzahl der Punkte stehen in einem Kompromiss zur Genauigkeit, Müdigkeit und Abbruch, ein definierter Qualitätsgrenzwert entscheidet, welche Kalibrierungen gut genug sind, um verwendet zu werden | Leitfaden zu Kalibrierungseinstellungen |
| IV. Umgebung und Teilnehmer | Beleuchtung, Webcam-Platzierung und Brillen beeinflussen die Landmarkenerkennung, bevor irgendein Versuch durchgeführt wird | Leitfaden zur Erfahrung der Teilnehmerkalibrierung |
| V. Datensammlung | Neukalibrierung an definierten Punkten durchführen, um gegen Drift in längeren Sitzungen zu schützen | Leitfäden zur Aufgabenstellung und Gaze-Aufzeichnung |
| VI. Analyse | Berechnung der Fixationsdauer, Verweildauer und verwandter Maße aus dem Zeitserien-Export | Leitfaden zur Gaze-Aufzeichnung und -Export |
