So führen Sie eine Webcam-Eye-Tracking-Studie durch

Eine Webcam-Eye-Tracking -Studie bedeutet, zu messen, wohin jemand blickt, und zwar mit einer Standardcomputer-Webcam anstelle von spezieller Hardware. Es kann als ein Prozess in sechs Phasen konzipiert werden: Entscheiden, was zu messen ist, Ihre Stimuli mit dieser Messung zu verknüpfen, einen Kalibrierungsansatz zu wählen, die Umgebung und den Teilnehmer vorzubereiten, Blickdaten während der Aufgabe zu sammeln und die Ergebnisse im Hinblick auf das zu analysieren, was die Methode tatsächlich unterstützen kann. Der Webcam-Eye-Tracking-Pipeline von Labvanced, die bis heute am rigorosesten benchmarked wurde, erreicht eine Genauigkeit von 1,2 bis 1,4 visuellen Grad im Vergleich zu einem Forschungsstandard-Tracker EyeLink 1000 (Kaduk et al., 2024), was nahe genug ist, um die meisten Forschungsfragen zur Aufmerksamkeit und visuellen Präferenz ohne Hardware zu unterstützen, auch wenn nicht jede Forschungsfrage.

Keine dieser Phasen ist einzigartig für eine einzige Plattform, obwohl die Implementierungsdetails variieren. Jeder Abschnitt unten behandelt zuerst die allgemeine methodologische Entscheidung und verweist dann darauf, wie Labvanced dies umsetzt.

Der Webcam-Eye-Tracking-Workflow

I. Entscheiden, was zu messen ist und ob Webcam-Eye-Tracking zu Ihrer Frage passt

Was Webcam-Eye-Tracking misst

Eine Studie, die auf Webcam-Eye-Tracking basiert, zeichnet typischerweise eines oder mehrere der folgenden Dinge auf:

• Fixationen: wo und wie lange jemand schaut
• Sakkaden: schnelle Bewegungen zwischen Fixationspunkten
• Analyse von Interessensgebieten (AOI): ob und wie lange ein Teilnehmer auf eine definierte Region geschaut hat
• Blickpfad: die Sequenz der visuellen Aufmerksamkeit über einen Stimulus
• Zeit bis zur ersten Fixation: wie schnell ein Stimulus Aufmerksamkeit erregt

Die Pupillengröße kann technisch aus einigen Webcam-Pipelines extrahiert werden, ist jedoch erheblich weniger zuverlässig als mit dedizierter Hardware und wird daher selten als primäres Outcome-Maß in einer Webcam-Studie verwendet.

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-Eye-Tracking eignet sich gut für AOI- und Verweildaueranalysen, Fixationszählungen, Freigabemuster und allgemeine Muster visueller Aufmerksamkeit. Gestaltungsüberlegungen, die die Genauigkeit des Webcam-Eye-Trackings beeinflussen legt die veröffentlichten Genauigkeitszahlen dar, die diesen Fit unterstützen, und die Gestaltungsentscheidungen, die bestimmen, ob eine gegebene Studie sie erreicht, im Detail.

Es eignet sich nicht gut für subgradige Präzisionstasks, Sakkadendynamik oder Fixationspräzision auf Buchstabenebene in dichtem Text: Die Genauigkeitslücke gegenüber einem Forschungsstandard-Tracker ist real und sollte bei der Planung berücksichtigt werden, anstatt ignoriert zu werden.

II. Ihre Stimuli mit den benötigten Blickdaten verknüpfen

Die Blickverfolgung läuft unabhängig davon, was ein Stimulus tatsächlich ist: Ein Bild, ein Textblock, ein Video-Frame oder eine Live-Oberfläche können alle auf die gleiche Weise verfolgt werden, da die Methode aufzeichnet, wohin die Augen relativ zum Bildschirm zeigen, nicht was darunter gerendert wird. Die relevante Gestaltungsentscheidung ist, wo sich die Interessensgebiete relativ zueinander befinden und wie viel Platz sie trennt, da die Genauigkeit nicht über den gesamten Bildschirm uniform ist und zwei eng beieinander liegende AOIs das Risiko haben, dass eine Fixation in der Nähe der Grenze falsch zugeordnet wird.

Labvanced's Implementation: Präsentation von Stimuli in einer Eye-Tracking-Aufgabe behandelt, wie jeder Objekttyp im Aufgabeneditor verfolgbar wird, ohne spezielle Konfiguration, und wie man über das Stimuluslayout nachdenken kann, bevor man eine einzige Eye-Tracking-Einstellung vornimmt.

III. Einen Kalibrierungsansatz wählen

Jedes Webcam-Eye-Tracking-System schätzt die Blickposition anhand einer Kalibrierungskarte, die erstellt wird, indem der Teilnehmer gebeten wird, auf eine Reihe von Punkten auf dem Bildschirm zu blicken. Längere Verfahren mit mehr Punkten erzeugen eine genauere Karte, aber die Kalibrierung ist auch der einzige Teil der Studie, bei dem der Teilnehmer aktiv mit dem System interagieren muss, anstatt sich einfach auf die Aufgabe zu konzentrieren. Daher ist die Länge ein echtes Trade-off gegenüber Müdigkeit und Abbruch, und kein Parameter, der standardmäßig maximiert werden sollte. Die richtige Länge hängt davon ab, wie eng Ihre AOIs gepackt sind: Ein Design mit vielen kleinen, eng beieinanderliegende AOIs benötigt die Genauigkeit, die eine längere Kalibrierung bietet; ein Design mit wenigen großen, gut voneinander getrennten Regionen kann eine kürzere verwenden.

Die Kalibrierungslänge setzt die Obergrenze, aber ohne einen definierten Qualitätsstandard wird ein Teilnehmer, dessen Kalibrierung nicht konvergiert ist, im Datensatz eingeschlossen, der nicht von einem solchen Teilnehmer mit konvergierender Kalibrierung zu unterscheiden ist, anstatt aufgefordert zu werden, es erneut zu versuchen oder ausgeschlossen zu werden. Das Festlegen eines maximal akzeptablen Kalibrierungsfehlers, bevor die Datensammlung beginnt, verwandelt dies in einen expliziten Standard anstelle einer Annahme.

Labvanced's Implementation: Wie wählt man Eye-Tracking-Kalibrierungseinstellungen aus ist ein Entscheidungsleitfaden zur Kalibrierungslänge, Punktanzahl, Qualitätsstandards und der Version des Physiology Toolbox, die Ihre Studie benötigt.

IV. Die Umgebung und den Teilnehmer vorbereiten

Webcam-Eye-Tracking hängt von einem Gesichtserkennungsmodell ab, das Gesichts- und Augenmerkmale zuverlässig aus der Webcam-Eingabe erkennt. Daher beeinflussen mehrere Umweltfaktoren die Datenqualität erheblich, bevor ein einzelner Versuch durchgeführt wird. Gegenlicht silhouette das Gesicht eines Teilnehmers und verringert den Kontrast, den das Modell benötigt; eine Webcam, die weit vom Bildschirm entfernt positioniert ist, erzeugt Fehler, die über das hinausgehen, was die Kalibrierung korrigiert; und Brillen, die Reflexionen verursachen oder eine getönte oder blaufilternde Beschichtung haben, verzerren das Licht, das die Kamera erreicht. Keine dieser Anforderungen ist ungewöhnlich; sie gehören zur gleichen Kategorie von Einrichtungserwägungen, wie sie ein Labor für einen Hardware-Eye-Tracker verwaltet, angewandt auf eine Umgebung, in der der Forscher den Teilnehmer physisch nicht überprüfen kann.

Labvanced's Implementation: Die Kalibrierungserfahrung der Teilnehmer durchläuft den Kalibrierungsfluss, den die Teilnehmer sehen, einschließlich der praktischen Faktoren für Beleuchtung, Brillen und Webcam-Platzierung sowie was geschieht, wenn ein Teilnehmer aus der Position driftet.

V. Blickdaten während der Aufgabe sammeln

Aufzeichnen von Blickdaten

Sobald die Kalibrierung abgeschlossen ist, werden die Blickkoordinaten aufgezeichnet und auf die jeweiligen Interessensgebiete abgebildet, die zu Designzeit definiert wurden. Je nach Studiendesign kann die Aufzeichnung kontinuierlich über die gesamte Aufgabe laufen oder auf spezifische Interessensgebiete beschränkt sein, wobei der Blick nur erfasst wird, während ein Teilnehmer innerhalb einer definierten Region schaut, anstatt über den gesamten Rahmen hinweg. Der Blick ist ebenfalls selten der einzige Kanal, dessen Erfassung von Wert ist: Die Kombination mit anderen Verhaltens- oder physiologischen Messungen vermittelt ein umfassenderes Bild der Reaktion eines Teilnehmers als nur die Blickposition.

Labvanced's Implementation: Ausgabe von Eye-Tracking-Daten in Labvanced zeigt, was ein Blickexport tatsächlich enthält, einschließlich des Konfidenzwerts pro Probe, der auf einen Blinzeln oder ein nicht erkanntes Gesicht hinweist. Verwendung von Formen als Interessensgebiete (AOI) behandelt die Definition der Regionen, gegen die der Blick aufgezeichnet wird, unter Verwendung von Polygon- oder SVG-Formen als Masken. Labvanced kann auch komplementäre Kanäle zusammen mit dem Eye-Tracking in derselben Aufgabe aufzeichnen:

• Mausverfolgung: Position und Bewegungstrajektorien des Cursors
• Emotionserkennung: Gesichts выражались in Emotionslabels
• Fern-Herzfrequenzmessung (rPPG): Herzfrequenz, die aus dem Webcam-Feed geschätzt wird

Neu kalibrieren während der Sitzung

Für längere oder mehrere Block-Sitzungen schützt das Auslösen der Rekalibrierung zu festgelegten Punkten, anstatt sich auf eine einzige Kalibrierung zu verlassen, die während der gesamten Sitzung gültig bleibt, gegen Positions- und Beleuchtungsdrift, ein live-methodologisches Risiko für jede Remote-, unbeaufsichtigte Einrichtung.

Labvanced's Implementation: Einrichten von Eye-Tracking in einer Aufgabe behandelt die Konfiguration des Rekalibrierungsintervalls pro Aufgabe.

VI. Die Ergebnisse analysieren

Webcam-Blickdaten werden als Zeitreihe exportiert, nicht als ein Wert pro Versuch, da die Blickposition viele Male pro Sekunde aufgezeichnet wird, nicht einmal. Die Abtastrate wird durch die Geschwindigkeit begrenzt, mit der ein Browser Webcam-Frames verarbeiten kann, die üblicherweise zwischen 30 und 60 Hz liegt, abhängig von der Hardware des Teilnehmers. Aus dem Rohblickstrom sind die Maßnahmen, die die meisten Studiendesigns unterstützen, die Fixationsdauer, die Anzahl der Besuche eines AOI, die Zeit bis zur ersten Fixation und die Verweildauer, die nachgelagert in R, Python oder spezifischer Analysesoftware berechnet werden.

Labvanced's Implementation: Aufzeichnung und Exportieren von Blickdaten behandelt den Aufbau der Ereignisse, die Blickdaten aufzeichnen, und wie der resultierende Export aussieht, nachdem Ihre Studie durchgeführt wurde.

Zusammenfassungstabelle

Häufig gestellte Fragen

Weiterführende Literatur