ウェブカメラによる視線追跡研究の実施方法

ウェブカメラによる視線追跡研究を実施することは、専用のハードウェアではなく、標準のコンピュータウェブカメラを使用して、誰かが見ている場所を測定することを意味します。これは、測定内容を決定し、刺激をその測定に関連付け、キャリブレーションアプローチを選択し、環境と参加者を準備し、タスク中に視線データを収集し、方法が実際にサポートできる内容に対して出力を分析するという6段階のプロセスとして概念化できます。Labvancedのウェブカメラ視線追跡パイプラインは、これまでで最も厳密にベンチマークされており、研究用グレードのEyeLink 1000トラッカーに対して1.2から1.4視覚度の精度に達しています(Kaduk et al., 2024)。これは、ハードウェアなしでほとんどの注意および視覚的好みの研究質問をサポートするのに十分な近さですが、すべての研究質問に対応できるわけではありません。

これらの段階はどのプラットフォームに特有のものではありませんが、実装の詳細は異なります。以下の各セクションでは、最初に一般的な方法論的決定を示し、その後にLabvancedがどのように実装しているかを指摘します。

ウェブカメラ視線追跡のワークフロー

I. 測定内容を決定し、ウェブカメラ視線追跡があなたの質問に合っているか確認する

ウェブカメラ視線追跡が測定するもの

ウェブカメラ視線追跡に基づく研究は、通常、以下の1つまたは複数を記録します：

• 固定: 誰がどこをどのくらい長く見ているか
• サッケード: 固定点間の迅速な動き
• 興味のある領域（AOI）分析: 参加者が定義された領域を見たかどうか、およびその時間
• 視線の経路: 刺激における視覚的注意のシーケンス
• 最初の固定までの時間: 刺激が注意を引くまでの速さ

一部のウェブカメラパイプラインからは技術的に瞳孔のサイズを抽出できますが、専用のハードウェアほど信頼性が高くなく、ウェブカメラ研究における主要な成果物としてはほとんど使用されません。

メソッドが研究質問に適合するかどうか

メソッドが特定の研究質問に合致するかどうかは、提供できる精度に依存します。ウェブカメラ視線追跡は、AOIおよび滞在時間分析、固定数、自由視聴および視覚的好みのパラダイム、一般的な視覚的注意パターンに適しています。ウェブカメラ視線追跡の精度に影響を与える設計上の考慮事項は、その適合性の裏にある公表された精度数値と、特定の研究がそれに到達するかどうかを決定する設計上の決定を詳述しています。

サブ度精度のタスク、サッケードダイナミクス、または密なテキスト内の文字レベルの固定精度には適していません：研究用グレードのハードウェアトラッカーに対する精度のギャップは現実的であり、無視するのではなく設計する価値があります。

II. 刺激を必要な視線データに関連付ける

視線追跡は、刺激が実際に何であるかとは独立して実行されます：画像、テキストのブロック、ビデオフレーム、またはライブインターフェースはすべて同じ方法で追跡できます。メソッドが記録するのは、画面に対して目が指す場所であり、下に表示される内容ではありません。重要な設計上の決定は、関心のある領域が互いにどのように配置されているかと、それらの間にどれだけのスペースがあるかです。精度は画面全体で均一ではなく、密接に配置された2つのAOIは、境界近くの固定を誤って別のAOIに割り当てるリスクがあります。

Labvancedの実装: 視線追跡タスクにおける刺激の提示では、タスクエディタ内の任意のオブジェクトタイプが特別な設定なしで追跡可能になる方法や、視線追跡の設定に触れる前に刺激のレイアウトについて考える方法を説明しています。

III. キャリブレーションアプローチを選択する

ウェブカメラ視線追跡システムは、参加者に画面上の一連のポイントを見てもらってキャリブレーションマッピングから視線位置を推定します。ポイントが多い長い手順はより正確なマッピングを生み出しますが、キャリブレーションは研究中に参加者が単にタスクに注意を向けるのではなくシステムに積極的に関わる必要がある唯一の部分なので、長さは疲労と離脱のリスクに対する実際的なトレードオフです。AOIがどれだけ密接に配置されているかによって、正しい長さが決まります。多くの小さく密接したAOIを持つデザインは、より長いキャリブレーションが得る精度が必要です。一方、いくつかの大きく十分に間隔を空けた領域を持つデザインは、短いものを使用できます。

キャリブレーションの長さが上限を設定しますが、定義された質のしきい値がない場合、キャリブレーションが収束しなかった参加者は、収束した参加者と区別できないデータセットに含まれます。再試行を促されたり除外されることはありません。データ収集が始まる前に最大許容キャリブレーション誤差を設定することで、それを仮定ではなく明示的な基準に変えることができます。

Labvancedの実装: 視線追跡キャリブレーション設定の選び方では、キャリブレーションの長さ、ポイント数、質のしきい値、および研究に必要な生理学ツールボックスバージョンに関する決定ガイドを提供しています。

IV. 環境と参加者を準備する

ウェブカメラ視線追跡は、顔追跡モデルがウェブカメラの入力から顔および目のランドマークを信頼できるように検出することに依存するため、環境のいくつかの要因が、単一の試行が実行される前にデータの質に大きな影響を与えます。バックライティングは参加者の顔をシルエットにし、モデルが必要とするコントラストを減少させます。画面から遠くに配置されたウェブカメラは、キャリブレーションが修正する以上の誤差を加えます。反射を引き起こすメガネや、色付きまたはブルーライトカットのコーティングが施されたメガネは、カメラに達する光を歪めます。これらは特異な要求ではなく、研究者が参加者を物理的にチェックできない設定に適用されるハードウェア眼トラッカーのための実験室が管理するセットアップ考慮要素の同じカテゴリーに含まれます。

Labvancedの実装: 参加者キャリブレーション体験は、参加者が見るキャリブレーションの流れを説明し、上述の実際的な照明、メガネ、ウェブカメラの配置要因、および参加者が位置から外れた場合に何が起こるかを示します。

V. タスク中に視線データを収集する

視線データの記録

キャリブレーションが完了すると、視線座標が記録され、設計時に定義された任意の興味のある領域に対してマッピングされます。研究設計に応じて、記録はタスク全体にわたって連続的に行うことができますが、特定の興味のある領域に制限し、参加者が定義された領域内で見ている間のみ視線をキャッチすることもできます。視線は、通常唯一の重要なチャンネルではありません：視線位置だけでなく、他の行動的または生理学的測定と組み合わせることで、参加者の反応に関するより完全な情報を構築します。

Labvancedの実装: Labvancedにおける視線追跡データ出力は、視線データを記録するイベントを構築する方法と、研究が実行された後の出力がどのようになるかを示しています。形状を興味のある領域（AOI）として使用するでは、視線が記録される領域を定義することを取り扱い、ポリゴンまたはSVG形状をマスクとして使用します。Labvancedは、同じタスク内で視線追跡と同時に補完的なチャンネルも記録できます：

• マウストラッキング: カーソル位置と動きの軌跡
• 感情検出: 感情ラベルに分類された顔の表情
• リモート心拍数検出（rPPG）: ウェブカメラのフィードから推定された心拍数

セッション中の再キャリブレーション

長いまたは複数のブロックセッションでは、単一のキャリブレーションがセッション全体に持続するのに依存するのではなく、定義されたポイントで再キャリブレーションをトリガーすることで、位置や照明のドリフトに対する保護を行います。これは、リモートで監視されていないセットアップにおけるライブの方法論的リスクです。

Labvancedの実装: タスク内の視線追跡の設定では、タスクごとの再キャリブレーションの頻度を設定する方法を説明しています。

VI. 出力を分析する

ウェブカメラ視線データは、視線位置が1回ではなく、1秒間に何度も記録されるため、トライアルごとに1つの値ではなく時系列としてエクスポートされます。サンプリングレートは、ブラウザがウェブカメラフレームを処理できる速さに制限され、参加者のハードウェアに応じて一般的には30Hzから60Hzの間で上限が設定されます。生の視線ストリームから、ほとんどの研究設計を支える測定値は、固定の持続時間、AOIへの訪問回数、最初の固定までの時間、および滞在時間であり、R、Python、又は専用の分析ソフトウェアで計算されます。

Labvancedの実装: 視線データの記録とエクスポートは、視線データを記録するイベントの構築と、研究が実行された後の出力がどのようになるかを説明しています。

サマリー表

よくある質問

さらなるリーディング