Entwurfsüberlegungen, die die Genauigkeit der Webcam-Augenverfolgung beeinflussen

Die Genauigkeit der auf Webcam basierenden Augenverfolgung hängt stark von der Implementation ab. In der Literatur gemeldete Werte reichen von etwa 4 visuellen Grad für frühe Systeme wie WebGazer (Papoutsaki et al., 2015) bis hin zu 1,2 bis 1,4 visuellen Grad für die einzige peer-reviewed Vergleichsstudie mit einem hardwarebasierten Augenverfolger, die bisher veröffentlicht wurde, der Validierung von Labvanced gegen einen EyeLink 1000 (Kaduk et al., 2024). Dieser Wert ist der Referenzpunkt, der auf dieser Seite verwendet wird, da es derzeit die einzige durch eine veröffentlichte, hardware-benchmarked Vergleichsstudie gestützte Behauptung zur Genauigkeit von Webcam-Augenverfolgung im Feld ist.

Selbst dieser Wert ist eine Obergrenze, keine Garantie. Er beschreibt, was unter einem Kalibrierungsprotokoll, einem Stimuluslayout und einer Testumgebung, die für die Aufgabe geeignet sind, erreichbar ist. Eine Studie mit einer hastig durchgeführten Kalibrierung, zu eng platzierten AOIs oder keiner Kontrolle über die Beleuchtung wird diese Ergebnisse nicht reproduzieren. Sechs Entwurfsüberlegungen bestimmen, ob dies gelingt: Kalibrierungslänge und Punktzahl, Rekalibrierungshäufigkeit, Datenqualitätsgrenzen, Kopfpositionierungskontrolle, Stimulusplatzierung und Umwelt- sowie Teilnehmerbedingungen.

Entscheidungen zum Studiendesign, die die Genauigkeit bestimmen

Die sechs untenstehenden Überlegungen gelten für jedes Protokoll zur Webcam-Augenverfolgung. Jede wird durch die Art und Weise veranschaulicht, wie Labvanced es umsetzt.

I. Kalibrierungslänge und Punktzahl

Jedes Webcam-Augenverfolgungssystem schätzt die Blickposition anhand einer Kalibrierungskarte, und diese Karte ist nur so gut wie das Kalibrierungsverfahren, das sie produziert hat. Es besteht ein direkter Trade-off zwischen Kalibrierungslänge und resultierender Genauigkeit: Längere Verfahren mit mehr Kalibrierungspunkten erzeugen genauere Blickschätzungen. Die Kalibrierung ist auch der einzige Punkt in einer Webcam-Augenverfolgungsstudie, an dem der Teilnehmer aktiv mit dem System interagieren muss, sodass die gewählte Länge einen echten Trade-off gegen die Ermüdung des Teilnehmers und die Studiendauer darstellt, kein Wert, der standardmäßig maximiert werden sollte.

In Labvanced's Implementation: Die Kalibrierung ist von etwa 30 Sekunden bis zu 5 Minuten oder länger einstellbar, wobei auch die Punktzahl konfiguriert werden kann. Die richtige Wahl hängt von der AOI-Anordnung ab: Ein Design mit vielen kleinen AOIs benötigt die Genauigkeit, die eine längere Kalibrierung, die auf 5 Minuten zielt, bietet, während ein Design mit nur wenigen großen AOIs, bei dem es nur darum geht zu bestimmen, ob ein Teilnehmer auf ein AOI geschaut hat, anstatt genau wo innerhalb davon, oft besser mit einer kürzeren Kalibrierung bedient wird, die etwa 2 Minuten dauert, da dies schneller und bequemer für den Teilnehmer ist, was zu weniger Abbrüchen führt.

II. Rekalibrierungshäufigkeit

Eine Kalibrierung ist ein Schnappschuss: Sie kartiert den Blick auf eine spezifische Kopfposition und Lichtbedingungen zu einem bestimmten Zeitpunkt. Ob diese Karte für eine gesamte Sitzung gültig bleibt, ist eine echte methodologische Frage für jedes Remote-Setup ohne Aufsicht, nichts, was ein Forscher einfach annehmen kann. In der eigenen Validierung von Labvanced blieb die Genauigkeit über die Zeit hinweg konsistent, vorausgesetzt, die Position des Teilnehmers blieb stabil, was bedeutet, dass das Risiko speziell um die Drift von Position und Licht geht, nicht um einen inhärenten Verfall der Methode selbst.

In Labvanced's Implementation: Die Rekalibrierung innerhalb einer Studie kann an definierten Punkten ausgelöst werden, beispielsweise nachdem eine bestimmte Anzahl von Versuchen vergangen ist, anstatt sich auf eine einzelne Kalibrierung zu verlassen, die für die gesamte Sitzung gelten soll. Für längere oder Mehrblockstudien oder Populationen, die weniger wahrscheinlich still sitzen bleiben. Daher ist die Überlegung, wie die Rekalibrierung zu handhaben ist, die direkte Kontrolle gegen Drift.

III. Datenqualitätsgrenzen

Ohne einen definierten Qualitätsstandard schleicht sich eine schlechte Kalibrierung lautlos in den Datensatz, ununterscheidbar von einer guten, dasselbe Problem, das ein Hardware-Labor lösen kann, indem es Teilnehmer ausschließt, deren Kalibrierung nicht konvergiert. Ein Protokoll für die Webcam-Augenverfolgung benötigt einen expliziten Standard dafür, was als ausreichend kalibriert zählt, bevor die Datenerhebung beginnt.

In Labvanced's Implementation: Ein maximaler Kalibrierungsfehler kann als Prozentsatz der Bildschirmdiagonale festgelegt werden, sodass ein Teilnehmer, der diesen überschreitet, aufgefordert wird, sich erneut zu kalibrieren, bis zu einer konfigurierbaren Anzahl von Versuchen. Ein Teilnehmer, der nach diesen Versuchen immer noch den Schwellenwert überschreitet, scheitert an der Studie, anstatt stillschweigend mit degradierten Daten eingeschlossen zu werden.

IV. Kontrolle der Kopfposition

Da die Kalibrierung den Blick auf eine spezifische Kopfposition kartiert, ist es sehr wahrscheinlich, dass eine Drift des Teilnehmers aus dieser Position nach Abschluss der Kalibrierung die größte praktische Quelle für Genauigkeitsverluste in jedem Remote-Augenverfolgungssetup darstellt, die ein Forscher nicht physisch erfassen kann, wie sie es in einem Labor tun könnten.

In Labvanced's Implementation: Eine virtuelle Kinnstütze beschränkt, wie weit der Kopf eines Teilnehmers von der kalibrierten Position abdriften kann, bevor dies markiert wird, und bietet dem Forscher eine automatisierte Alternative, um die Position des Teilnehmers physisch zu überprüfen.

V. Stimulusplatzierung

Die Genauigkeit ist über den Bildschirm hinweg nicht einheitlich. In derselben Validierungsstudie verbesserte sich die Genauigkeit für stimuli, die in der Mitte des Bildschirms präsentiert wurden (1,3° Genauigkeit, 0,9° Präzision) im Vergleich zu der Gesamtzahl (1,4° Genauigkeit, 1,1° Präzision) (Kaduk et al., 2024). Periphere Stimuli sollten mit etwas mehr Fehler als zentrale rechnen, was zwei direkte Konsequenzen für das Studiendesign hat. Erstens, wo ein Paradigma es zulässt, wird die Platzierung des kritischen Stimulus oder des Bereichs, der am wichtigsten ist, in der Mitte die zuverlässigsten Blickdaten liefern. Zweitens, und noch wichtiger für AOI-basierte Designs, müssen zwei AOIs, die im gleichen Versuch präsentiert werden, genügend Platz zwischen ihnen haben, um die Fehlergrenze der Methode zu überschreiten, andernfalls kann eine Fixierung in der Nähe der Grenze zwischen zwei eng beieinander liegenden AOIs nicht zuverlässig einer von beiden zugeordnet werden. Als allgemeine Regel gilt: Je näher die Genauigkeitszahl, auf die man sich verlässt, desto mehr Platz muss ein AOI-basiertes Design einplanen.

VI. Umwelt- und Teilnehmerbedingungen

Dieser Abschnitt behandelt drei Umwelt- und Teilnehmerbedingungen: Beleuchtung, Eyewear und Webcam-Positionierung.

Beleuchtung

Gegenlicht, eine helle Lichtquelle wie ein Fenster oder eine Lampe, die hinter dem Teilnehmer positioniert ist, silhouetten das Gesicht des Teilnehmers dagegen und reduzieren den Kontrast, auf den die kamerapbasierte Gesichtserkennung angewiesen ist, um Gesichts- und Augenmerkmale präzise zu erkennen. Eine verschlechterte Merkmalsdetektion zeigt sich als höhere Kalibrierungsfehler, nicht als ein lichtspezifisches Flag, sodass es davon abhängt, ob der Kalibrierungsfehler selbst gegen einen Schwellenwert überprüft wird, und nicht auf einer direkten Erkennung der Lichtbedingungen.

In Labvanceds Implementierung: weist der Kalibrierungsbildschirm die Teilnehmer an, sich in einem stabilen, gut beleuchteten Raum ohne helle Lichtquelle hinter ihnen zu befinden, und sich neu zu kalibrieren, wenn sich die Beleuchtung während einer Sitzung erheblich ändert. Dies hängt von der Compliance der Teilnehmer ab, nicht von automatischer Erkennung: Anders als eine Einstellung wie die minimale Bildschirmgröße, die Labvanced automatisch durchsetzt, sobald sie konfiguriert ist, hängt das Erkennen einer schlecht beleuchteten Kalibrierung von einem festgelegten maximalen Kalibrierungsfehler-Schwellenwert ab (siehe die oben genannten Datenqualitäts-Schwellenwerte), nicht davon, dass die Plattform das Licht selbst erkennt.

Eyewear

Was tatsächlich die Verfolgung verschlechtert, ist Licht, das verzerrt wird, bevor es die Webcam erreicht, Brillen, die Reflexionen verursachen, oder Linsen mit einer getönten oder blauen Lichtfilterbeschichtung, nicht Eyewear als solches. Brillen ohne diese Eigenschaften haben keinen signifikanten Einfluss auf die Kalibrierung, was Eyewear zu einem engeren Anliegen macht, als es zunächst erscheint.

In Labvanceds Implementierung: teilen die standardmäßigen Kalibrierungsanweisungen für Teilnehmer den Teilnehmern derzeit mit, keine Brillen zu tragen, eine konservative Standardvorgabe und keine technische Einschränkung. Diese Anweisung ist editierbar: Sie befindet sich in den Nachrichten des Eye-Tracking-Systems unter den Texts & Translate statischen Strings, sodass ein Forscher, dessen Teilnehmendenpopulation häufig Brillen trägt, die Anweisung überarbeiten kann, anstatt diese Teilnehmer standardmäßig auszuschließen.

Webcam-Positionierung

Die Kalibrierung ordnet den Blick festen Bildschirmkoordinaten relativ zur Position der Webcam zu, sodass ein Versatz zwischen der Webcam und dem Bildschirmzentrum Fehler hinzufügt, die über das, was die Neokalibrierung allein korrigiert, hinausgehen. Dies gilt nur für eine Webcam, die nicht im Gerät integriert ist, da die Position einer integrierten Webcam relativ zum Bildschirm festgelegt ist.

In Labvanceds Implementierung: wird den Teilnehmern, die eine externe Webcam verwenden, auf dem Kalibrierungsbildschirm Anweisungen gegeben, sie so nah wie möglich an der Mitte des Bildschirms zu positionieren.

Zusammenfassungstabelle

Keine dieser Anforderungen ist ungewöhnlich. Sie sind dieselbe Kategorie von Entscheidungen, die ein Labor bezüglich der Kalibrierungsroutine eines Hardware-Auge-Trackers trifft, angewendet auf eine Einstellung, in der der Forscher die Teilnehmer nicht physisch beaufsichtigen kann. Dass sie konfiguriert werden können und in mehreren Fällen automatisiert werden, macht eine validierte Genauigkeitszahl zu etwas, das eine spezifische Studie tatsächlich reproduzieren kann, und nicht zu einer Zahl, die einmal unter idealen Bedingungen berichtet wurde.

Was dieses Genauigkeitsniveau unterstützt

Die Referenzgröße, die auf dieser Seite verwendet wird, beträgt 1,2 bis 1,4 visuelle Grad (1,3° in der Bildschirmmitte), 1,1° Präzision und eine Pearson-Korrelation von etwa 0,8 bis 0,9 gegenüber einem EyeLink 1000, die für spezifische Aufgaben 0,9 erreicht, ist das von Labvanced peer-reviewed Validierungsergebnis (Kaduk et al., 2024), die am rigorosesten benchmarkte Webcam-Auge-Tracking-Genauigkeitszahl, die bisher veröffentlicht wurde. Die Abtastrate liegt je nach Webcam des Teilnehmers zwischen 30 und 60 Hz. Sie ist nicht unbedingt repräsentativ für jedes webcam-basierte System; andere Implementierungen berichten von unterschiedlichen Zahlen, und die Methoden zur Berichterstattung über Genauigkeit sind nicht immer direkt vergleichbar zwischen Studien (einige berichten in Pixeln statt in visuellen Graden, was zusätzliche Annahmen über Bildschirmgröße und Betrachtungsabstand zur Übersetzung erfordert).

Dies ist kein Gleichgewicht mit Hardware-Auge-Trackern. Selbst unter dem oben beschriebenen Protokoll beträgt die Genauigkeitslücke im Vergleich zu einem forschungsgradigen Tracker ungefähr 0,5°. Was diese Lücke für eine bestimmte Studie bedeutet, hängt davon ab, was die Studie messen muss.

Gut unterstützt auf diesem Genauigkeitsniveau:

• Analyse von Interessensgebieten (AOI) und Verweildauer: welche Region eines Stimulus ein Teilnehmer betrachtet hat und wie lange
• Fixationsanzahl und Fixationsdauer
• Freie Betrachtung und visuelle Präferenz-Paradigmen, validiert mit etwa 80 % Korrelation mit EyeLink für freie Betrachtung und sanfte Verfolgung
• Zeit bis zur ersten Fixation und allgemeine Muster visueller Aufmerksamkeit

Nicht gut unterstützt auf diesem Genauigkeitsniveau:

• Untergrad Präzisionsaufgaben, bei denen die Messung selbst feiner als etwa einem visuellen Grad auflösen muss
• Sakkadendynamik und Mikrosakkadenanalyse, die durch die Abtastrate von 30 bis 60 Hz begrenzt sind, nicht nur durch räumliche Genauigkeit
• Paradigmen, die Wort- oder Buchstaben-genaue Fixationspräzision in dichtem Text erfordern

Ein Forscher, der zwischen Webcam- und Hardware-Auge-Tracking wählt, sollte sich an dieser Linie orientieren, anstatt an der Genauigkeitszahl isoliert: Wenn die Forschungsfrage auf AOI- oder Fixationsebene beantwortet werden kann, genügt eine validierte Webcam-Auge-Tracking-Implementierung; wenn es erforderlich ist, die Blickposition innerhalb eines Bruchteils eines Grades aufzulösen oder die Sakkadendynamik zu erfassen, bleibt Hardware das geeignete Werkzeug.

Häufig gestellte Fragen

Publizierte Forschung, die diese Methode verwendet

• Cassano-Coleman, R. Y., Izen, S. C., & Piazza, E. A. (2026). Zuhörer integrieren systematisch hierarchischen tonalen Kontext, unabhängig von musikalischer Ausbildung. Psychological Science. (Beinhaltet blickabhängige Elemente).
• Zhang, P., & Zhang, S. (2025). Aufmerksamkeit und Lernen in L2 Multimodalität: Eine webcam-basierte Eye-Tracking-Studie. Language Learning & Technology. https://doi.org/10.64152/10125/73626
• Serrano-Carot, M., Angele, B., Xu, H., & Vasilev, M. R. (2025). Webcams können verwendet werden, um Augenbewegungen beim Lesen zu studieren. PsyArXiv (OSF Preprints). https://doi.org/10.31234/osf.io/bzt2h_v1
• Lester, C., et al. (2025). Einfluss von unsicherheitsbewussten KI-Modellen auf die Reaktionszeit und Entscheidungsfindung von Apothekern in einer web-basierten simulierten Medikationsüberprüfung: Eine randomisierte kontrollierte Studie. JMIR Medical Informatics. https://doi.org/10.2196/64902
• Wies, S., Bleier, A., & Edeling, A. (2022). Journal of Marketing. Webcam-basiertes Eye Tracking im Kontext der Marktforschung.
• Banki, A., de Eccher, M., et al. (2022). Frontiers in Psychology. Entwicklungs- und Säuglings-Eye-Tracking.

Weiterführende Literatur