Diagrama de decisiones de diseño del estudio (calibración, recalibración, umbrales de calidad) que alimentan la precisión validada del seguimiento ocular con webcam

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 ella. Las cifras reportadas en la literatura oscilan 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 seguimiento ocular de hardware de calidad de investigación publicada 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 del seguimiento ocular con webcam en el campo respaldada por una comparación publicada y referenciada por hardware.

Incluso esa cifra es un techo, no una garantía. Describe lo que es alcanzable bajo un protocolo de calibración, una disposición de estímulos y un entorno de prueba adecuados para la tarea. Un estudio con una calibración apresurada, AOIs ubicadas demasiado cerca unas de otras, o sin control sobre la iluminación no lo reproducirá. Seis consideraciones de diseño determinan si lo hace: duración de la 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 del Estudio que Determinan la Precisión
Lo que Este Nivel de Precisión Soporta
Preguntas Frecuentes
Investigación Publicada Usando Este Método

Decisiones de Diseño del Estudio que Determinan la Precisión

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

I. Duración de la 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 solo tan bueno como el procedimiento de calibración que lo produjo. Hay un intercambio directo entre la duración de la calibración y la precisión resultante: los 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 interactuar activamente con el sistema, por lo que la duración elegida es una verdadera compensación contra la fatiga del participante y la duración del estudio, no una configuración que se deba 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 las AOIs: un diseño con muchas AOIs pequeñas necesita la precisión que proporciona una calibración más larga, alrededor de 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 rápido y conveniente para el participante, lo que conlleva menos abandonos.

II. Cadencia de recalibración

Una calibración es una instantánea: mapea la mirada a una posición de cabeza específica y una condición de iluminación en un momento determinado. 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 a lo largo del tiempo siempre que la posición del participante permaneciera estable, lo que significa que el riesgo se relaciona específicamente con la deriva de posición e iluminación, no con un decaimiento inherente al método en sí.

En la implementación de Labvanced: la recalibración dentro de un estudio puede ser activada en puntos definidos, por ejemplo, después de que haya pasado una cantidad determinada de ensayos, en lugar de depender de una única calibración para mantener la validez durante toda la sesión. Para estudios más largos o multi-bloques, o poblaciones que son menos propensas a permanecer quietas. Por lo tanto, considerar cómo manejar la recalibración es el control directo contra la deriva.

III. Umbrales de calidad de datos

Sin un umbral de calidad definido, una calibración deficiente se incorpora silenciosamente al conjunto de datos indistinguible de una buena, el mismo problema que un laboratorio de hardware maneja excluyendo a los participantes cuya calibración no converge. Un protocolo de seguimiento ocular con webcam necesita un estándar explícito sobre qué 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 supere sea invitado a recalibrar, hasta un número configurable de intentos. Un participante que todavía exceda el umbral después de esos intentos no llegará a completar 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 de cabeza específica, un participante que se desplace fuera de esa posición después de completar la calibración 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 detectar físicamente como podría hacerlo en un laboratorio.

En la implementación de Labvanced: un reposapiés virtual limita hasta dónde puede desviarse la cabeza de un participante desde la posición calibrada antes de marcarlo, proporcionando 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 tengan 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 importa más de manera central proporcionará los datos de mirada más confiables. Segundo, y más consecuencias para diseños basados en AOI, cualquier par de AOIs presentadas en el mismo ensayo necesita suficiente espacio entre ellas para superar el margen de error del método; de lo contrario, una fijación cerca del límite entre dos AOIs cercanas no puede ser asignada de manera confiable a ninguna de las dos. Como regla general, cuanto más cerca esté la cifra de precisión en la que se confían, más espacio necesita incorporar un diseño basado en AOI.

VI. Condiciones ambientales y del participante

Esta sección cubre tres condiciones ambientales y del participante: iluminación, gafas y posicionamiento de la webcam.

Iluminación

La iluminación trasera, una fuente de luz brillante como una ventana o lámpara posicionada detrás del participante, siluetea su cara contra ella, reduciendo el contraste del que depende el seguimiento facial basado en cámara para detectar con precisión puntos de referencia faciales y oculares. La detección de puntos de referencia degradada se manifiesta como un mayor error de calibración, no como una bandera 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 de iluminación.

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

Gafas

Lo que realmente degrada el seguimiento es la luz que se distorsiona antes de llegar a la webcam, las gafas que causan reflejos o las lentes con un revestimiento tintado o de filtro de luz azul, no las gafas en sí. Las gafas sin esas propiedades no afectan de manera significativa la calibración, lo que hace que las gafas sean una preocupación más estrecha de lo que parece a primera vista.

En la implementación de Labvanced: las instrucciones de calibración predeterminadas para los participantes actualmente indican a los participantes que no usen gafas en absoluto, siendo un predeterminado conservador más que una restricción técnica. Esa instrucción es editable: vive en los mensajes del sistema de seguimiento ocular bajo las cadenas estáticas Texts & Translate, de modo que un investigador cuya población de participantes use gafas comúnmente puede revisar la instrucción en lugar de excluir a esos participantes de manera predeterminada.

Posicionamiento de la webcam

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

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

Tabla resumen

Decisión de diseño	Principio general	Implementación de Labvanced
I. Longitud de calibración / cantidad de puntos	Una calibración más larga y densa mejora la precisión de la línea base, a costa del tiempo del participante	Ajustable de 30 segundos a más de 5 minutos, cantidad de puntos configurables
II. Cadencia de recalibración	Una sola calibración puede no ser válida durante una sesión entera si la posición o la iluminación cambian	La recalibración puede ser desencadenada en puntos definidos, por ejemplo, entre bloques
III. Umbrales de calidad de datos	Sin un barómetro definido, las malas calibraciones ingresan silenciosamente al conjunto de datos	Umbral máximo de error de calibración configurable con recalibración automática o exclusión
IV. Control de posición de la cabeza	La deriva post-calibración es probablemente la mayor fuente práctica de pérdida de precisión a distancia	El soporte virtual señala la deriva desde la posición calibrada
V. Posicionamiento de estímulos	La precisión es mayor en el centro de la pantalla que en los periféricos; las AOIs muy cercanas arriesgan la clasificación incorrecta	Figura de precisión validada en el centro de la pantalla (1.3°) disponible para planificar el espaciamiento 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 a los participantes contra la iluminación trasera, no detección automatizada; el tamaño de la pantalla es una configuración de hardware configurable; la instrucción predeterminada de "sin gafas" es una cadena estática editable, no una restricción

Ninguno de estos son requisitos inusuales. Son la misma categoría de decisión que un laboratorio toma sobre la rutina de calibración de un rastreador ocular de hardware, aplicada a un entorno donde el investigador no puede supervisar físicamente al participante. Que se puedan configurar y, en varios casos, automatizar es lo que hace que una figura de precisión validada sea algo que un estudio específico realmente puede reproducir, en lugar de un número reportado una vez bajo condiciones ideales.

Qué soporta este nivel de precisión

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 frente a 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 por webcam más rigurosamente evaluada publicada hasta la fecha. La tasa de muestreo varía de 30 a 60 Hz dependiendo de la webcam del participante. No es necesariamente representativa de todos los sistemas basados en webcams; otras implementaciones reportan cifras diferentes, y los métodos para reportar precisión no siempre son directamente comparables entre estudios (algunos reportan 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 rastreadores oculares de hardware. Incluso bajo el protocolo descrito anteriormente, la brecha de precisión frente a un rastreador de grado investigador es aproximadamente de 0.5°. Lo que esa brecha significa para un estudio dado depende de lo que el estudio necesita medir.

Bien soportado en este nivel de precisión:

Análisis de áreas 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 fijación
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 subgrados, donde la medición en sí necesita resolverse más finamente que aproximadamente un grado visual
Dinámica de sacadas y análisis de microsacadas, restringidos por la tasa de muestreo de 30 a 60 Hz en lugar de por precisión espacial sola
Paradigmas que requieren precisión de fijación a nivel de palabras o letras en texto denso

Un investigador que elija entre el seguimiento ocular por webcam y el hardware debe diseñar en torno a esta línea en lugar de en torno al número de precisión aisladamente: si la pregunta de investigación puede ser respondida a nivel de AOI o fijación, una implementación de seguimiento ocular por webcam validada es adecuada; si requiere resolver la posición de la mirada dentro de una fracción de grado o capturar la dinámica de las sacadas, 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 pantalla, el extremo más largo del rango, alrededor de 5 minutos, suele ser la mejor opción, ya que la separación fina de AOIs necesita esa precisión. Con solo unas pocas AOIs grandes, por ejemplo, dos imágenes o grandes bloques de texto, donde el objetivo es solo determinar si un participante miró un AOI más que exactamente dónde dentro de él, una calibración más corta, alrededor de 2 minutos, suele ser más adecuada: es más rápida y conveniente para el participante, lo que conduce a menos deserciones. En la implementación de Labvanced, la calibración es ajustable 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 por webcam disminuye durante una sesión de estudio larga?

En la validación de Labvanced, la precisión se mantuvo consistente a lo largo del 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 desviación que una única 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 umbral 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, dando 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 única fuente práctica más grande de pérdida de precisión en un estudio remoto, una que el investigador no puede captar físicamente como podría en un laboratorio. En la implementación de Labvanced, un reposacabezas virtual restringe cuánto puede desviarse la cabeza de un participante de la posición calibrada antes de marcarlo, funcionando como un sustituto automatizado para verificar físicamente la posición del participante.

¿Cuánto espacio debe haber entre las AOIs en un estudio de seguimiento ocular por webcam?

Suficiente para exceder el margen de precisión del método. En la validación revisada por pares, la precisión está cerca de 1.3° en el centro de la pantalla y un poco más amplia (1.4°) en general (Kaduk et al., 2024), por lo que dos AOIs colocadas más cerca que ese margen corren el riesgo de tener una fijación cerca del límite mal asignada a la incorrecta. Colocar estímulos críticos de manera central y construir separación proporcional a la figura de precisión en la que se confía reduce este riesgo.

¿Las condiciones de iluminación afectan la precisión del seguimiento ocular por 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 eleva el error de calibración. Labvanced aborda esto a través de instrucciones a los participantes (evitar la retroiluminación, usar una habitación estable y bien iluminada) en lugar de detección automatizada de iluminación. Si una calibración mal iluminada se capta realmente 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 las gafas no son compatibles?

No. Lo que realmente afecta el seguimiento es la luz que se distorsiona antes de alcanzar la webcam, las gafas que causan reflejos o tienen un recubrimiento teñido o de filtrado de luz azul, no las monturas en sí. Las gafas sin esas propiedades no afectan significativamente la calibración. La instrucción predeterminada de "no usar gafas" que se muestra 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 directamente.

Investigación Publicada 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. Psychological Science. (Incluye elementos dependientes de la mirada).
Zhang, P., & Zhang, S. (2025). Atención y aprendizaje en L2 multimodalidad: Un estudio de seguimiento ocular basado en webcam. Language Learning & Technology. https://doi.org/10.64152/10125/73626
Serrano-Carot, M., Angele, B., Xu, H., & Vasilev, M. R. (2025). Las webcams se pueden usar 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 basada en la web: ensayo controlado aleatorizado. JMIR Medical Informatics. https://doi.org/10.2196/64902
Wies, S., Bleier, A., & Edeling, A. (2022). Journal of Marketing. Seguimiento ocular basado en webcam en un contexto de investigación de marketing.
Banki, A., de Eccher, M., et al. (2022). Frontiers in Psychology. Seguimiento ocular en el desarrollo e infantil.