So führen Sie eine Webcam-Augenverfolgungsstudie durch
Eine Webcam-Augenverfolgungsstudie bedeutet, zu messen, wo jemand hinschaut, indem eine Standardcomputer-Webcam statt dedizierter Hardware verwendet wird. Sie kann als ein Prozess in sechs Phasen konzipiert werden: Festlegung, was gemessen werden soll, Beziehung Ihrer Stimuli zu dieser Messung, Auswahl eines Kalibrierungsansatzes, Vorbereitung der Umgebung und des Teilnehmers, Sammlung von Augenbewegungsdaten während der Aufgabe und Analyse des Outputs im Vergleich zu dem, was die Methode tatsächlich unterstützen kann. Mit Eye Tracking 2.0 erreicht die Webcam-Augenverfolgungspipeline von Labvanced eine mittlere Genauigkeit von 1,8° visueller Winkel mit realen Online-Teilnehmern auf ihren eigenen Computern und 1,3° in der Mitte des Bildschirms in dem einzigen peer-reviewed Vergleich des Feldes gegen einen Forschungsgrad-Augenverfolger EyeLink 1000 (Kaduk et al., 2024), was nahe genug ist, um die meisten Forschungsfragen zu Aufmerksamkeit und visuellem Vorlieben ohne Hardware zu unterstützen, obwohl nicht jede Forschungsfrage.
Keine dieser Phasen ist einzigartig für eine einzelne Plattform, obwohl sich die Implementierungsdetails unterscheiden. Jedes nachfolgende Kapitel behandelt zunächst die allgemeine methodologische Entscheidung und verweist dann darauf, wie Labvanced dies umsetzt.
Inhaltsverzeichnis
Der Webcam-Augenverfolgungsworkflow
I. Entscheiden Sie, was gemessen werden soll und ob Webcam-Augenverfolgung zu Ihrer Frage passt
Was Webcam-Augenverfolgung misst
Eine Studie, die um die Webcam-Augenverfolgung gebaut ist, zeichnet typischerweise eines oder mehrere der folgenden Dinge auf:
- Fixierungen: 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 Sequenz der visuellen Aufmerksamkeit über ein Stimulus
- Zeit bis zur ersten Fixierung: wie schnell ein Stimulus Aufmerksamkeit erregt
Die Pupillengröße ist technisch aus einigen Webcam-Pipelines extrahierbar, aber erheblich weniger zuverlässig als mit dedizierter Hardware, weshalb sie selten als primäres Ergebnismaß in einer Webcam-Studie verwendet wird.
Ob die Methode zu Ihrer Forschungsfrage passt
Ob die Methode zu einer gegebenen Forschungsfrage passt, hängt von der Genauigkeit ab, die sie liefern kann, und diese variiert stark zwischen den Implementierungen: von ungefähr 4° für eine Open-Source-Bibliothek wie WebGazer, die immer noch die am häufigsten verwendete in veröffentlichten psycholinguistischen Forschungen ist (Patterson, Nicklin & Vitta, 2025), bis hin zu gut unter 2° für die am rigorosesten validierten Systeme. Labvanced liegt am oberen Ende: seine peer-reviewed Laborvalidierung erreicht 1,2 bis 1,4 visuelle Grad (1,3° Zentrum-Bildschirm), 1,1° Präzision und eine Pearson-Korrelation von ungefähr 0,8 bis 0,9 im Vergleich zu einem EyeLink 1000 (Kaduk et al., 2024), die am rigorosesten benchmarkte Zahl, die bisher veröffentlicht wurde. Weitere Validierungen, nicht peer-reviewed, zeigen echte Online-Teilnehmer mit einem Median von etwa 1,8° bei seiner Standardkalibrierung, bis etwa 1,4° mit der gründlichsten Kalibrierung und dem striktesten Screening.
Dies ist keine Parität mit Hardware-Augenverfolgern; eine Lücke von wenigen Zehntelgraden bleibt selbst bei der gründlichsten Einstellung. Was diese Lücke für eine gegebene Studie bedeutet, hängt davon ab, was die Studie messen muss:
Gut unterstützt auf diesem Genauigkeitsniveau:
- Analyse von Interessensgebieten (AOI) und Verweildauer: welcher Bereich eines Stimulus von einem Teilnehmer angesehen wurde und wie lange
- Fixierungsanzahl und Fixierungsdauer
- Freies Ansehen und visuelle Präferenzparadigmen, validiert mit ungefähr 80% Korrelation mit EyeLink für freies Ansehen und sanfte Verfolgung
- Zeit bis zur ersten Fixierung und allgemeine Muster der visuellen Aufmerksamkeit
- Lesen auf Wortebene bei der gründlichsten Kalibrierung und Screening-Einstellung (ca. 1,5°); größere AOIs wie Gesichter, Szenen oder Seitenregionen bei der Standardeinstellung (ca. 1,8 bis 1,9°)
Nicht gut unterstützt auf diesem Genauigkeitsniveau:
- Aufgaben mit Untergrad-Präzision, bei denen die Messung selbst feiner als ungefähr ein visueller Grad auflösen muss
- Sakkadendynamik und Mikrosakkadenanalyse, die durch die Abtastrate und nicht nur durch die räumliche Genauigkeit eingeschränkt sind
- Fixierungspräzision auf Buchstabenebene in dichtem Text
Wenn die Forschungsfrage auf AOI- oder Fixierungsebene beantwortet werden kann, ist eine validierte Webcam-Augenverfolgungsimplementierung ausreichend, bei einer Kalibrierungs- und Screening-Einstellung, die zum AOI-Layout passt; wenn sie eine Auflösung der Blickposition innerhalb eines Bruchteils eines Grades oder das Erfassen von Sakkadendynamiken erfordert, bleibt Hardware das geeignete Tool. Designüberlegungen, die die Genauigkeit der Webcam-Augenverfolgung beeinflussen behandelt die Entscheidungen zur Kalibrierung, Stimulus und Umwelt, die bestimmen, ob eine gegebene Studie diese Zahlen erreicht.
II. Beziehen Sie Ihre Stimuli auf die benötigten Augenbewegungsdaten
Die Blickverfolgung läuft unabhängig davon, was ein Stimulus tatsächlich ist: Ein Bild, ein Textblock, ein Videobild oder eine Live-Schnittstelle können alle auf die gleiche Weise verfolgt werden, da die Methode aufzeichnet, wo die Augen relativ zum Bildschirm zeigen, nicht was darunter dargestellt ist. Die Designentscheidung, die wichtig ist, ist, wo die Interessensgebiete relativ zueinander liegen und wie viel Platz sie trennt, da die Genauigkeit nicht über den gesamten Bildschirm einheitlich ist und zwei eng beieinanderliegende AOIs das Risiko haben, eine Fixierung nahe der Grenze dem falschen zuzuordnen.
Die Implementierung von Labvanced: Präsentation von Stimuli in einer Augenverfolgungsaufgabe behandelt, wie jeder Objekttyp im Aufgaben-Editor ohne spezielle Konfiguration verfolgbar wird und wie man über das Stimuluslayout nachdenken kann, bevor man eine einzige Einstellung zur Augenverfolgung berührt.
III. Wählen Sie einen Kalibrierungsansatz
Mit Eye Tracking 2.0 fallen die Kalibrierungslänge und Datennutzungsqualitätsschwellen in zwei Optionen zusammen: eine Genauigkeitsstufe und ein Screening-Niveau, jede mit einer bekannten erwarteten Genauigkeit und Einrichtungszeit, von keiner Kalibrierung (Passive Stufe) bis etwa 7 Minuten (Höchste Stufe, strenges Screening). Die richtige Kombination hängt davon ab, wie eng Ihre AOIs gepackt sind: Ein Design mit vielen kleinen, eng beieinanderliegenden AOIs benötigt die Genauigkeit einer höheren Stufe und strikterer Screening-Anforderungen; ein Design mit wenigen großen, gut separierten Regionen kann eine leichtere Einrichtung verwenden. Designüberlegungen, die die Genauigkeit der Webcam-Augenverfolgung beeinflussen legt die vollständige Stufen- und Screening-Tabelle mit erwarteter Genauigkeit und Rekrutierungskosten für jede Kombination dar, und der Eye Tracking 2.0 Lab Note ist die zugrunde liegende Validierung.
Kalibrierung und Screening setzen die Obergrenze, aber Drift während der Sitzung kann sie dennoch mindern: Bei Eye Tracking 2.0 wird eine Live-Kopfpflegekorrektur und eine Lichtänderungserkennung standardmäßig ausgeführt, um dem entgegenzuwirken, während es geschieht, zusätzlich zu regelmäßigen Kontrollen der Blicksteuerung.
Die Implementierung von Labvanced: Wie man Augenverfolgungs-Kalibrierungseinstellungen wählt ist ein Entscheidungsleitfaden für Genauigkeitsstufe, Screening-Niveau und die Physiologie-Toolbox-Version, die Ihre Studie benötigt.
IV. Bereiten Sie die Umgebung und den Teilnehmer vor
Webcam-Eye-Tracking hängt von einem Gesichtserkennungsmodell ab, das zuverlässig Gesichts- und Augenmerkmale aus dem Webcam-Input erkennt. Daher haben mehrere Umweltfaktoren einen erheblichen Einfluss auf die Datenqualität, bevor ein einzelner Test durchgeführt wird. Hintergrundbeleuchtung sorgt dafür, dass das Gesicht eines Teilnehmers in Silhouetten erscheint und reduziert den Kontrast, den das Modell benötigt; eine Webcam, die weit vom Bildschirm positioniert ist, fügt Fehler hinzu, die durch die Kalibrierung nicht korrigiert werden können; 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 Setup-Überlegungen, die ein Labor für einen Hardware-Eye-Tracker verwaltet, angewandt auf eine Umgebung, in der der Forscher den Teilnehmer nicht physisch überprüfen kann.
Labvanced's Implementierung: Die Teilnehmerkalibrierungserfahrung führt durch den Kalibrierungsfluss, den die Teilnehmer sehen, einschließlich der praktischen Licht-, Brillen- und Webcam-Platzierungsfaktoren oben und was passiert, wenn ein Teilnehmer aus der Position driftet.
V. Blickdaten während der Aufgabe sammeln
Blickdaten aufzeichnen
Sobald die Kalibrierung abgeschlossen ist, werden die Blickkoordinaten aufgezeichnet und mit den Interessensbereichen (AOI) abgeglichen, die zum Zeitpunkt der Planung definiert wurden. Abhängig vom Studiendesign kann die Aufzeichnung kontinuierlich über die gesamte Aufgabe erfolgen oder auf spezifische Interessensbereiche beschränkt werden, indem der Blick nur aufgezeichnet wird, während ein Teilnehmer innerhalb eines definierten Bereichs schaut, anstatt über den gesamten Rahmen. Der Blick ist auch selten der einzige Kanal, der erfasst werden sollte: Die Kombination mit anderen Verhaltens- oder physiologischen Messungen ermöglicht ein vollständigeres Bild der Reaktion eines Teilnehmers als die Blickposition allein.
Labvanced's Implementierung: Eye Tracking-Daten-Output in Labvanced zeigt, was ein Blickexport tatsächlich enthält, einschließlich des pro Probe-Werte für das Vertrauen, das ein Blinzeln oder ein nicht erkanntes Gesicht markiert. Verwendung von Formen als Interessensbereiche (AOI) behandelt das Definieren der Regionen, gegen die der Blick aufgezeichnet wird, unter Verwendung von Polygon- oder SVG-Formen als Masken. Labvanced kann auch ergänzende Kanäle neben Eye Tracking in derselben Aufgabe aufzeichnen:
- Maus-Tracking: Cursorposition und Bewegungstrajektorien
- Emotionserkennung: Gesichtsausdruck klassifiziert in Emotionen
- Remote-Herzfrequenzerkennung (rPPG): Herzfrequenz, die aus dem Webcam-Feed geschätzt wird
Kalibrierung während der Sitzung
Für längere oder mehrblockige Sitzungen schützt das Auslösen der Neukalibrierung an definierten Punkten, anstatt von einer einzigen Kalibrierung auszugehen, die für die gesamte Sitzung gültig ist, gegen Position- und Beleuchtungsdrift, ein lebendiges methodisches Risiko für jedes entfernte, unbeaufsichtigte Setup.
Labvanced's Implementierung: Einrichtung von Eye Tracking in einer Aufgabe behandelt die Konfiguration der Neukalibrierungsfrequenz pro Aufgabe.
VI. Die Ausgabe analysieren
Webcam-Blickdaten werden als Zeitreihe exportiert, anstatt einen Wert pro Test, da die Blickposition viele Male pro Sekunde aufgezeichnet wird, anstatt einmal. Die Abtastrate wird durch die Geschwindigkeit begrenzt, mit der ein Browser Webcam-Bilder verarbeiten kann, wobei sie normalerweise irgendwo zwischen 30 und 60 Hz liegt, abhängig von der Hardware des Teilnehmers. Aus dem Roh-Blickstream sind die Maße, die die meisten Studiendesigns unterstützen, Fixationsdauer, Anzahl der Besuche eines AOI, Zeit bis zur ersten Fixation und Verweildauer, die in den downstream in R, Python oder spezieller Analyse-Software berechnet werden.
Labvanced's Implementierung: Aufzeichnen und Exportieren von Blickdaten behandelt das Erstellen der Ereignisse, die Blickdaten aufzeichnen, und wie der resultierende Export aussieht, sobald Ihre Studie durchgeführt wurde.
Zusammenfassungstabelle
| Phase | Methodologische Entscheidung | Labvanced-Implementierung (siehe verlinkte Anleitung oben) |
|---|---|---|
| I. Was zu messen ist | Wählen Sie Maßnahmen, die die tatsächliche Genauigkeitsgrenze unterstützen (AOI, Fixationen, Verweildauer) gegenüber denen, die dies nicht tun (Sakkade-Dynamik, Untergradgenauigkeit) | Seite zu Genauigkeits- und Designüberlegungen |
| II. Stimuli und Blick | Der Abstand der AOIs ist wichtiger als der Stimulus-Typ | Anleitung zur Präsentation von Stimuli |
| III. Kalibrierung | Die Genauigkeitsstufen und das Screening-Level stehen in einem Handel mit der Genauigkeit gegenüber der Einrichtungszeit und den Rekrutierungskosten | Anleitung zu Kalibrierungseinstellungen, Genauigkeits- und Designüberlegungen |
| IV. Umwelt und Teilnehmer | Beleuchtung, Webcam-Platzierung und Augenaufsatz beeinflussen die Merkmalserkennung, bevor Tests durchgeführt werden | Anleitung zur Teilnehmerkalibrierungserfahrung |
| V. Datensammlung | Neukalibrierung an definierten Punkten, um gegen Drift bei längeren Sitzungen zu schützen | Anleitungen zur Aufgabeneinrichtung und Blickaufzeichnung |
| VI. Analyse | Berechnen Sie Fixationsdauer, Verweildauer und verwandte Maße aus dem Zeitreihenexport | Anleitung zur Blickaufzeichnung und -export |
