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 grado de investigación publicada hasta ahora, 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 con un banco de pruebas de hardware.

Incluso esa cifra es un techo, no una garantía. Describe lo que es alcanzable bajo un protocolo de calibración, diseño de estímulo y un entorno de prueba adecuado para la tarea. Un estudio con una calibración apresurada, AOIs colocadas demasiado cerca unas de otras, o sin control sobre la iluminación no lo reproducirá. Seis consideraciones de diseño determinan si lo hace: longitud y cantidad de puntos de calibración, cadencia de recalibración, umbrales de calidad de datos, control de posición de cabeza, posicionamiento de estímulos y condiciones ambientales y de participantes.

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 lo implementa.

I. Longitud de calibración y número 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 un tradeoff directo entre la longitud 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 debe involucrarse activamente con el sistema, por lo que la longitud elegida es un tradeoff real contra la fatiga del participante y la duración del estudio, no una configuración a maximizar por defecto.

En la implementación de Labvanced: la calibración es ajustable desde aproximadamente 30 segundos hasta 5 minutos o más, con el número de puntos también configurable. La elección correcta depende del diseño de AOI: un diseño con muchas AOIs pequeñas necesita la precisión que proporciona una calibración más larga, hacia 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 sirve mejor con una calibración más corta, de 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 de cabeza específica y condición de iluminación en un momento dado. Si ese mapeo se mantiene válido durante toda la sesión es una pregunta metodológica real para cualquier configuración remota y no supervisada, no algo que un investigador puede asumir sin más. En la propia validación de Labvanced, la precisión se mantuvo consistente a lo largo del tiempo siempre que la posición del participante se mantuvo estable, lo que significa que el riesgo se relaciona con el desplazamiento de la posición y la iluminación específicamente, no con una decadencia inherente en el método mismo.

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 confiar en una sola calibración para mantener durante toda la sesión. Para estudios más largos o de múltiples bloques, o poblaciones menos propensas a permanecer quietas. Así que considerar cómo manejar la recalibración es el control directo contra el desplazamiento.

III. Umbrales de calidad de datos

Sin un barómetro 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 participantes cuya calibración no converge. Un protocolo de seguimiento ocular con webcam necesita un estándar explícito para lo que cuenta como adecuadamente calibrado antes de que comience la recolección de datos.

En la implementación de Labvanced: se puede establecer un error máximo de calibración, 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 el estudio, en lugar de ser incluido silenciosamente con datos degradados.

IV. Control de posición de 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 que la calibración se completa es probablemente la única fuente práctica más grande de pérdida de precisión en cualquier configuración de seguimiento ocular remoto, una que el investigador no puede capturar físicamente como podría hacerlo en un laboratorio.

En la implementación de Labvanced: un reposabrazos virtual limita cuánto puede desplazarse la cabeza de un participante desde la posición calibrada antes de marcarlo, 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 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 más importa de manera central proporcionará los datos de mirada más confiables. En segundo lugar, y más consequentialmente para los diseños basados en AOI, cualquier par de AOIs presentados en el mismo ensayo necesita suficiente espacio entre ellos para exceder el margen de error del método; de lo contrario, una fijación cerca del límite entre dos AOIs estrechamente espaciadas 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 separación necesita incorporar un diseño basado en AOI.

VI. Condiciones ambientales y del participante

Esta sección cubre tres condiciones ambientales y del participante: iluminación, uso de lentes y posicionamiento de la cámara web.

Iluminación

La retroiluminación, una fuente de luz brillante como una ventana o lámpara situada 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 bandera específica de iluminación, por lo que si se detecta depende de si el error de calibración en sí se verifica 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 habitación estable y bien iluminada, sin ninguna fuente de luz brillante detrás de ellos, y a recalibrar si la iluminación cambia significativamente a mitad de una sesión. Esto depende del cumplimiento del participante, no de la detección automatizada: a diferencia de un ajuste como el tamaño mínimo de la pantalla, que Labvanced aplica automáticamente una vez configurado, 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.

Uso de lentes

Lo que realmente degrada el seguimiento es la distorsión de la luz antes de que llegue a la cámara web, las gafas que causan reflejos o los lentes con un recubrimiento tintado o filtro de luz azul, no el uso de lentes en sí. Las gafas sin esas propiedades no afectan significativamente la calibración, haciendo que el uso de lentes sea una preocupación más limitada de lo que parece a primera vista.

En la implementación de Labvanced: las instrucciones de calibración predeterminadas para los participantes actualmente les dicen que no usen gafas en absoluto, un ajuste 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 usa gafas con frecuencia puede revisar la instrucción en lugar de excluir a esos participantes por defecto.

Posicionamiento de la cámara web

La calibración mapea la mirada a coordenadas de pantalla relativas a 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 sola corrige. Esto solo se aplica a una cámara web que no esté integrada en el dispositivo, ya que la posición de una cámara web integrada en relación con la pantalla está fijada.

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 Resumen

Decisión de diseño	Principio general	Implementación de Labvanced
I. Duración de calibración / recuento de puntos	Una calibración más larga y densa mejora la precisión de referencia, a costa del tiempo del participante	Ajustable de 30 segundos a más de 5 minutos, recuento de puntos configurable
II. Cadencia de recalibración	Una sola calibración puede no ser válida para toda la sesión si la posición o iluminación varían	La recalibración se puede activar en puntos definidos, p. ej., entre bloques
III. Umbrales de calidad de datos	Sin un umbral definido, las calibraciones deficientes 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 post-calibración es probablemente la mayor fuente práctica de pérdida de precisión a distancia	El reposacabezas virtual señala el desplazamiento desde la posición calibrada
V. Posicionamiento del estímulo	La precisión es más alta en el centro de la pantalla que en los periféricos; las AOIs cercanas generan riesgo de clasificación errónea	Figura de precisión validada en el centro de la pantalla (1.3°) disponible para planificar el espaciado de AOI
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 al participante contra la retroiluminación, no detección automatizada; el tamaño de la pantalla es un ajuste 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 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 bajo condiciones ideales.

Lo que este nivel de precisión admite

La figura 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 figura de precisión de seguimiento ocular con cámara web más rigurosamente evaluada publicada hasta la fecha. La tasa de muestreo varía de 30 a 60 Hz dependiendo de la cámara web del participante. No es necesariamente representativa de todos los sistemas basados en cámara web; otras implementaciones reportan cifras diferentes, y los métodos para informar sobre la 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 en comparación con un rastreador 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 a 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
Recuento de fijaciones y duración de fijaciones
Paradigmas de visualización libre y preferencia visual, validados en aproximadamente un 80% de correlación con EyeLink para visualización libre y seguimiento suave
Tiempo hasta la primera fijación y patrones generales de atención visual

No bien soportado a este nivel de precisión:

Tareas de precisión subgrados, donde la medición misma necesita resolverse a fineza de 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 la precisión espacial sola
Paradigmas que requieren precisión de fijación a nivel de palabra o letra en texto denso

Un investigador que elige entre seguimiento ocular con cámara web y hardware debe diseñar en torno a esta línea en lugar de alrededor del 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 con cámara web es adecuada; si requiere resolver la posición de la mirada dentro de una fracción de grado o capturar la dinámica de sacada, el hardware sigue siendo la herramienta apropiada.

Preguntas Frecuentes

¿Cuánto tiempo debería tardar la calibración del seguimiento ocular?

Depende del tamaño y número de AOIs que se estén investigando, no de una regla fija. Con muchos AOIs pequeños en 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 exactitud. Con solo unos pocos AOIs grandes, por ejemplo, dos imágenes o grandes bloques 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 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 del AOI.

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

En la validación de Labvanced, la precisión se mantuvo constante con el tiempo en lugar de desviarse, siempre que la posición del participante se mantuviera razonablemente estable. Debido a 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 captaría.

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

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

¿Cómo detengo 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 de cabeza específica, el movimiento posterior es probablemente la fuente práctica más grande de pérdida de precisión en un estudio remoto, una que el investigador no puede capturar físicamente como podría en un laboratorio. En la implementación de Labvanced, un reposacabezas virtual limita cuánto puede desviarse la cabeza de un participante de la posición calibrada antes de señalarlo, funcionando como un sustituto automatizado para verificar físicamente la posición del participante.

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

Suficiente para exceder el margen de precisión del método. En validaciones revisadas por pares, la precisión está cerca de 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 colocados más cerca que ese margen corren el riesgo de tener una fijación cerca del límite incorrectamente asignada al equivocado. Colocar estímulos críticos en el centro y construir espacios proporcionales a la figura de precisión en la que se confía 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 la contraluz, usar una habitación estable y bien iluminada) en lugar de detección automatizada de luz. Si una calibración mal iluminada se detecta 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. ¿Significa eso que las gafas no son compatibles?

No. Lo que realmente afecta el seguimiento es la luz que se distorsiona antes de llegar a la webcam, las gafas que causan reflejos o que tienen un recubrimiento teñido o de filtrado de luz azul, no la óptica en sí. Las gafas sin esas propiedades no afectan de manera significativa la calibración. La instrucción predeterminada "no usar gafas" que se muestra a los participantes es un texto conservador predeterminado, no una restricción técnica, y es editable: es uno de los mensajes del sistema de seguimiento ocular bajo las `Texts & Translate` cadenas estáticas, por lo que un estudio con una población de participantes que comúnmente usa gafas puede revisarla en lugar de excluir a esos participantes por completo.

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. Science Psicológica. (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. Aprendizaje de Idiomas & 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 los modelos de IA conscientes de la incertidumbre en el tiempo de reacción y toma de decisiones de los farmacéuticos en una tarea simulada de verificación de medicamentos basada en la web: ensayo controlado aleatorio. JMIR Informática Médica. 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 en bebés.