Consideraciones de Diseño que Afectan la Precisión del Seguimiento Ocular con Webcam

La precisión del seguimiento ocular basado en webcam depende en gran medida de la implementación detrás de él. Las cifras reportadas en la literatura varían desde aproximadamente 4 grados visuales para sistemas tempranos como WebGazer (Papoutsaki et al., 2015) hasta 1.2 a 1.4 grados visuales para la única comparación revisada por pares contra un rastreador ocular de hardware de calidad investigativa publicado hasta la fecha, la validación de Labvanced contra un EyeLink 1000 (Kaduk et al., 2024). Esa cifra es el punto de referencia utilizado a lo largo de esta página, ya que actualmente es la única afirmación de precisión de seguimiento ocular con webcam en el campo respaldada por una comparación publicada y con banco de hardware.

Incluso esa cifra es un techo, no una garantía. Describe lo que es alcanzable bajo un protocolo de calibración, disposición de estímulos y un entorno de prueba adecuados para la tarea. Un estudio con una calibración apresurada, AOIs colocados demasiado cerca uno del otro, o sin control sobre la iluminación no lo reproducirá. Seis consideraciones de diseño determinan si se logra: longitud de calibración y conteo de puntos, cadencia de recalibración, umbrales de calidad de datos, control de posición de la cabeza, posicionamiento de estímulos y condiciones ambientales y del participante.

Tabla de Contenidos

Decisiones de Diseño de Estudio que Determinan la Precisión
Lo que Este Nivel de Precisión Soporta
Preguntas Frecuentes
Investigación Publicada Usando Este Método

Decisiones de Diseño de Estudio que Determinan la Precisión

Las seis consideraciones a continuación se aplican a cualquier protocolo de seguimiento ocular con webcam. Cada una se ilustra con cómo Labvanced la implementa.

I. Longitud de calibración y conteo de puntos

Cualquier sistema de seguimiento ocular con webcam estima la posición de la mirada a partir de un mapeo de calibración, y ese mapeo es tan bueno como el procedimiento de calibración que lo produjo. Hay una compensación directa entre la longitud de calibración y la precisión resultante: procedimientos más largos con más puntos de calibración producen estimaciones de mirada más precisas. La calibración también es el único punto en un estudio de seguimiento ocular con webcam donde el participante tiene que involucrarse activamente con el sistema, por lo que la longitud elegida es una compensación real contra la fatiga del participante y la duración del estudio, no un ajuste a maximizar por defecto.

En la implementación de Labvanced: la calibración es ajustable de aproximadamente 30 segundos a 5 minutos o más, con el conteo de puntos también configurable. La elección correcta depende de la disposición de AOI: un diseño con muchas AOIs pequeñas necesita la precisión que proporciona una calibración más larga, hacia los 5 minutos, mientras que un diseño con solo unas pocas AOIs grandes, donde el objetivo es solo determinar si un participante miró una AOI en lugar de exactamente dónde dentro de ella, a menudo se beneficia más de una calibración más corta, alrededor de 2 minutos, ya que es más rápida y conveniente para el participante, lo que conduce a menos abandonos.

II. Cadencia de recalibración

Una calibración es una instantánea: mapea la mirada a una posición específica de la cabeza y una condición de iluminación en un momento dado. Si ese mapeo se mantiene válido durante toda una sesión es una verdadera cuestión metodológica para cualquier configuración remota y no supervisada, no algo que un investigador pueda asumir. En la propia validación de Labvanced, la precisión se mantuvo consistente con el tiempo siempre que la posición del participante permaneciera estable, lo que significa que el riesgo se refiere específicamente al deslizamiento de posición e iluminación, no a una degradación inherente en el método mismo.

En la implementación de Labvanced: la recalibración dentro de un estudio puede ser desencadenada en puntos definidos, por ejemplo, después de un número determinado de ensayos, en lugar de depender de una sola calibración para mantener durante toda la sesión. Para estudios más largos o multi-bloque, o poblaciones menos propensas a mantenerse quietas. Por lo tanto, considerar cómo manejar la recalibración es el control directo contra el deslizamiento.

III. Umbrales de calidad de datos

Sin un estándar de calidad definido, una calibración deficiente pasa silenciosamente al conjunto de datos indistinguible de una buena, el mismo problema que un laboratorio de hardware gestiona excluyendo a los participantes cuya calibración no converge. Un protocolo de seguimiento ocular con webcam necesita un estándar explícito de lo que cuenta como adecuadamente calibrado antes de que comience la recolección de datos.

En la implementación de Labvanced: se puede establecer un error de calibración máximo, como un porcentaje de la diagonal de la pantalla, de modo que un participante que lo exceda sea invitado a recalibrarse, hasta un número configurable de intentos. Un participante que aún exceda el umbral después de esos intentos falla en el estudio, en lugar de ser incluido silenciosamente con datos degradados.

IV. Control de posición de la cabeza

Debido a que la calibración mapea la mirada a una posición específica de la cabeza, un participante que se desplace fuera de esa posición después de que la calibración se complete es probablemente la única fuente práctica más grande de pérdida de precisión en cualquier configuración de seguimiento ocular remoto, algo que el investigador no puede captar físicamente como podría hacerlo en un laboratorio.

En la implementación de Labvanced: un reposacabezas virtual restringe cuán lejos puede desviarse la cabeza de un participante de la posición calibrada antes de marcarla, dando al investigador un sustituto automatizado para verificar físicamente la posición del participante.

V. Posicionamiento de estímulos

La precisión no es uniforme en toda la pantalla. En el mismo estudio de validación, la precisión mejoró para los estímulos presentados en el centro de la pantalla (1.3° de precisión, 0.9° de precisión) en relación con la cifra general (1.4° de precisión, 1.1° de precisión) (Kaduk et al., 2024). Se debe esperar que los estímulos periféricos lleven algo más de error que los centrales, lo que tiene dos implicaciones directas para el diseño del estudio. Primero, donde un paradigma lo permita, colocar el estímulo crítico o la región que más importa en el centro producirá los datos de mirada más confiables. Segundo, y más consequentialmente para diseños basados en AOI, cualquier dos AOIs presentadas en el mismo ensayo necesitan suficiente espacio entre ellas para superar el margen de error del método, de lo contrario, una fijación cerca del límite entre dos AOIs muy cercanas no puede asignarse de manera confiable a ninguna de las dos. Como regla general, cuanto más cerca esté la cifra de precisión en la que se confía, más espacio necesita construir un diseño basado en AOI.

VI. Condiciones ambientales y del participante

Esta sección abarca tres condiciones del lado ambiental y del participante: iluminación, uso de gafas y posicionamiento de la cámara web.

Iluminación

La iluminación de fondo, una fuente de luz brillante como una ventana o lámpara posicionada detrás del participante, siluetea su rostro contra ella, reduciendo el contraste del que depende el seguimiento facial basado en cámara para detectar con precisión los puntos de referencia faciales y oculares. La detección degradada de puntos de referencia se manifiesta como un mayor error de calibración, no como una señal específica de iluminación, por lo que si se detecta depende de si el error de calibración se está verificando contra un umbral, no de ninguna detección directa de la condición ambiental.

En la implementación de Labvanced: la pantalla de calibración instruye a los participantes a estar en una habitación estable y bien iluminada, sin ninguna fuente de luz brillante detrás de ellos, y a recalibrar si la iluminación cambia de manera significativa a mitad de sesión. Esto depende del cumplimiento del participante, no de la detección automatizada: a diferencia de una configuración como el tamaño mínimo de la pantalla, que Labvanced aplica automáticamente una vez configurada, detectar una calibración mal iluminada depende de establecer un umbral máximo de error de calibración (ver Umbrales de calidad de datos arriba), no de que la plataforma detecte la iluminación en sí.

Uso de gafas

Lo que realmente degrada el seguimiento es la distorsión de la luz antes de llegar a la cámara web, gafas que causan reflejos, o lentes con un recubrimiento tintado o filtrante de luz azul, no el uso de gafas como tal. Las gafas sin esas propiedades no afectan de manera significativa la calibración, lo que hace que el uso de gafas sea una preocupación más estrecha de lo que parece en un principio.

En la implementación de Labvanced: las instrucciones de calibración predeterminadas para los participantes actualmente les dicen que no usen gafas en absoluto, un defecto conservador en lugar de una restricción técnica. Esa instrucción es editable: se encuentra en los mensajes del sistema de seguimiento ocular bajo las cadenas estáticas Texts & Translate, por lo que un investigador cuya población de participantes use comúnmente gafas puede modificar la instrucción en lugar de excluir a esos participantes por defecto.

Posicionamiento de la cámara web

La calibración mapea la mirada a las coordenadas de la pantalla en relación con la posición de la cámara web, por lo que un desplazamiento entre la cámara web y el centro de la pantalla añade error más allá de lo que la recalibración por sí sola corrige. Esto solo se aplica a una cámara web que no está integrada en el dispositivo, ya que la posición de una cámara web integrada en relación con la pantalla es fija.

En la implementación de Labvanced: para los participantes que utilizan una cámara web externa, la pantalla de calibración les instruye a posicionarla lo más cerca posible del centro de la pantalla.

Tabla de Resumen

Decisión de diseño	Principio general	Implementación de Labvanced
I. Duración de calibración / conteo de puntos	Una calibración más larga y densa mejora la precisión básica, a costa del tiempo del participante	Ajustable de 30 segundos a más de 5 minutos, conteo de puntos configurable
II. Cadencia de recalibración	Una sola calibración puede no sostenerse durante toda una sesión si la posición o la iluminación cambian	La recalibración puede ser activada en puntos definidos, por ejemplo, entre bloques
III. Umbrales de calidad de datos	Sin un umbral definido, las malas calibraciones pasan silenciosamente al conjunto de datos	Umbral máximo de error de calibración configurable con auto-recalibración o exclusión
IV. Control de posición de la cabeza	El desplazamiento posterior a la calibración es probablemente la mayor fuente práctica de pérdida de precisión a distancia	El soporte virtual de mentón señala el desplazamiento desde la posición calibrada
V. Posicionamiento de estímulos	La precisión es mayor en el centro de la pantalla que en la periferia; áreas de interés (AOIs) cercanas en riesgo de mala clasificación	Figura de precisión validada en el centro de la pantalla (1.3°) disponible para planear el espaciado de AOIs
VI. Condiciones ambientales y del participante	La iluminación afecta la calidad del seguimiento; las gafas están bien a menos que causen reflejos o un recubrimiento tintado	Instrucción para participantes contra la iluminación de fondo, no detección automatizada; el tamaño de la pantalla es una configuración de hardware configurable; la instrucción predeterminada "sin gafas" es una cadena estática editable, no una restricción

Ninguno de estos son requisitos inusuales. Son la misma categoría de decisiones que un laboratorio hace sobre la rutina de calibración de un eye tracker de hardware, aplicadas a un entorno donde el investigador no puede supervisar físicamente al participante. Que puedan ser configurados y, en varios casos, automatizados es lo que hace que una figura de precisión validada sea algo que un estudio específico puede reproducir realmente, en lugar de un número reportado una vez en condiciones ideales.

Lo que Este Nivel de Precisión Soporta

La cifra de referencia utilizada en esta página, de 1.2 a 1.4 grados visuales (1.3° en el centro de la pantalla), 1.1° de precisión y una correlación de Pearson de aproximadamente 0.8 a 0.9 con un EyeLink 1000, alcanzando 0.9 para tareas específicas, es el resultado de validación revisado por pares de Labvanced (Kaduk et al., 2024), la cifra de precisión de seguimiento ocular a través de cámara web más rigurosamente evaluada publicada hasta la fecha. La tasa de muestreo varía de 30 a 60 Hz según la cámara web del participante. No es necesariamente representativa de cada sistema basado en cámara web; otras implementaciones informan cifras diferentes, y los métodos para reportar precisión no siempre son directamente comparables entre estudios (algunos informan en píxeles en lugar de grados visuales, por ejemplo, lo que requiere suposiciones adicionales sobre el tamaño de la pantalla y la distancia de visualización para traducir).

Esto no es paridad con los eye trackers de hardware. Incluso bajo el protocolo descrito anteriormente, la brecha de precisión frente a un eye tracker de grado de investigación es de aproximadamente 0.5°. Lo que esa brecha significa para un estudio determinado depende de lo que el estudio necesita medir.

Bien soportado en este nivel de precisión:

Análisis de área de interés (AOI) y tiempo de permanencia: qué región de un estímulo miró un participante, y durante cuánto tiempo
Conteo de fijaciones y duración de fijaciones
Paradigmas de visualización libre y preferencia visual, validados con aproximadamente un 80% de correlación con EyeLink para visualización libre y persecución suave
Tiempo hasta la primera fijación y patrones generales de atención visual

No bien soportado en este nivel de precisión:

Tareas de precisión subgrado, donde la medición misma necesita resolverse más fina que aproximadamente un grado visual
Dinámicas de sacadas y análisis de microsacadas, limitadas por la tasa de muestreo de 30 a 60 Hz en lugar de por la precisión espacial sola
Paradigmas que requieren precisión de fijación a nivel de palabra o letra en texto denso

Un investigador que elija entre seguimiento ocular a través de cámara web y de hardware debería diseñar en torno a esta línea en lugar de en torno al número de precisión de forma aislada: si la pregunta de investigación puede ser respondida a nivel de AOI o fijación, una implementación validada de seguimiento ocular a través de cámara web es adecuada; si requiere resolver la posición de la mirada dentro de una fracción de grado o capturar dinámicas de sacada, el hardware sigue siendo la herramienta apropiada.

Preguntas Frecuentes

¿Cuánto tiempo debería tomar la calibración del seguimiento ocular?

Depende del tamaño y número de AOIs que se estén investigando, no de una regla fija. Con muchas AOIs pequeñas en la pantalla, el extremo más largo del rango, alrededor de 5 minutos, suele ser la mejor opción, ya que la separación precisa de AOIs necesita esa precisión. Con solo unas pocas AOIs grandes, por ejemplo, dos imágenes o bloques grandes de texto, donde el objetivo es solo determinar si un participante miró un AOI en lugar de exactamente dónde dentro de él, una calibración más corta, alrededor de 2 minutos, a menudo es más adecuada: es más rápida y conveniente para el participante, lo que lleva a menos abandonos. En la implementación de Labvanced, la calibración se puede ajustar de alrededor de 30 segundos hasta 5 minutos o más, por lo que la duración puede coincidir con lo que realmente requiere el diseño de AOIs.

¿La precisión del seguimiento ocular con webcam disminuye durante una sesión de estudio prolongada?

En la validación de Labvanced, la precisión se mantuvo constante en el tiempo en lugar de desviarse, siempre que la posición del participante se mantuviera razonablemente estable. Dado que esa estabilidad no se puede garantizar en un entorno remoto no supervisado, activar la recalibración en puntos definidos (por ejemplo, entre bloques) protege contra la deriva que una sola calibración al inicio de la sesión no capturaría.

¿Cómo sé si la calibración de un participante es lo suficientemente buena para incluirla en mis datos?

Estableciendo un estándar de calidad definido en lugar de aceptar cada calibración por defecto. Sin uno, una calibración deficiente pasa silenciosamente al conjunto de datos indistinguible de una buena. En la implementación de Labvanced, se puede establecer un umbral máximo de error de calibración para que los participantes que no lo cumplan sean recalibrados automáticamente o excluidos, proporcionando al investigador un estándar objetivo en lugar de una suposición.

¿Cómo evito que un participante que se mueve fuera de posición arruine mis datos de seguimiento ocular durante el estudio?

Dado que la calibración asigna la mirada a una posición específica de la cabeza, el movimiento posterior es probablemente la mayor fuente práctica de pérdida de precisión en un estudio remoto, una que el investigador no puede detectar físicamente como podría en un laboratorio. En la implementación de Labvanced, un reposabrazos virtual limita hasta dónde puede desplazarse la cabeza de un participante desde la posición calibrada antes de señalarlo, funcionando como un sustituto automatizado para verificar físicamente la posición del participante.

¿Cuánto espacio debería haber entre AOIs en un estudio de seguimiento ocular con webcam?

Suficiente para superar el margen de precisión del método. En la validación revisada por pares, la precisión se acerca a 1.3° en el centro de la pantalla y ligeramente más amplia (1.4°) en general (Kaduk et al., 2024), por lo que dos AOIs colocadas más cerca de ese margen corren el riesgo de tener una fijación cerca del límite mal asignada al incorrecto. Colocar estímulos críticos en el centro y construir un espaciado proporcional a la cifra de precisión en la que se basa reduce este riesgo.

¿Las condiciones de iluminación afectan la precisión del seguimiento ocular con webcam?

Sí. Una fuente de luz brillante detrás del participante siluetea su rostro, reduciendo el contraste que el modelo de seguimiento facial necesita para detectar con precisión los puntos de referencia faciales y oculares, lo que aumenta el error de calibración. Labvanced aborda esto a través de instrucciones para los participantes (evitar retroiluminación, usar una habitación estable y bien iluminada) en lugar de detección de iluminación automatizada. Si una calibración mal iluminada realmente se detecta depende de si se ha configurado un umbral máximo de error de calibración.

Las instrucciones de calibración de Labvanced dicen a los participantes que no usen gafas. ¿Eso significa que no se admiten gafas?

No. Lo que realmente afecta el seguimiento es la luz que se distorsiona antes de llegar a la webcam, gafas que causan reflejos o tienen un recubrimiento de tinte o filtro de luz azul, no el uso de gafas como tal. Las gafas sin esas propiedades no afectan significativamente la calibración. La instrucción predeterminada "no usar gafas" mostrada a los participantes es un texto conservador por defecto, no una restricción técnica, y es editable: es uno de los mensajes del sistema de seguimiento ocular bajo las cadenas estáticas `Texts & Translate`, por lo que un estudio con una población de participantes que comúnmente usan gafas puede revisarlo en lugar de excluir a esos participantes por completo.

Investigaciones Publicadas Usando Este Método

Cassano-Coleman, R. Y., Izen, S. C., & Piazza, E. A. (2026). Los oyentes integran sistemáticamente el contexto tonal jerárquico, independientemente de la formación musical. Ciencia Psicológica. (Incluye elementos dependientes de la mirada).
Zhang, P., & Zhang, S. (2025). Atención y aprendizaje en la multimodalidad L2: Un estudio de seguimiento ocular basado en webcam. Aprendizaje de Idiomas y Tecnología. https://doi.org/10.64152/10125/73626
Serrano-Carot, M., Angele, B., Xu, H., & Vasilev, M. R. (2025). Las webcams pueden usarse para estudiar los movimientos oculares durante la lectura. PsyArXiv (OSF Preprints). https://doi.org/10.31234/osf.io/bzt2h_v1
Lester, C., et al. (2025). Efecto de modelos de IA conscientes de la incertidumbre en el tiempo de reacción y la toma de decisiones de los farmacéuticos en una tarea de verificación de medicamentos simulada en línea: ensayo controlado aleatorio. JMIR Medical Informatics. https://doi.org/10.2196/64902
Wies, S., Bleier, A., & Edeling, A. (2022). Revista de Marketing. Seguimiento ocular basado en webcam en un contexto de investigación de marketing.
Banki, A., de Eccher, M., et al. (2022). Fronteras en Psicología. Seguimiento ocular en el desarrollo y la infancia.