顔の知覚タスク
顔の知覚タスクは、人々が感情的な顔を見るときにどこに注目するか、そしてその感情を正しく認識するかどうかを測定します。参加者は幸せ、中立、悲しい顔を視聴し、ウェブカメラの眼球追跡が目と口の2つの関心領域（AOI）への視線を記録します。視聴者は各感情の典型的な地域、たとえば幸せな顔の口や悲しい顔の目を見がちです（Eisenbarth & Alpers, 2011）。
タスク形式 | 顔の知覚タスク
研究は短い指示画面と約2分のウェブカメラの眼球追跡キャリブレーションから始まります。参加者はその後、3つの感情（幸せ、中立、悲しい）のそれぞれに対して1つの女性の顔と1つの男性の顔をそれぞれ6回の試行を行います。
各試行には3つのステップがあります：
- 注視点クロス（1.5秒）： 中央のクロスが、すべての顔の前に同じ出発点に視線を戻します。
- 顔（10秒）： 顔が表示され、参加者は自然にそれを観察します。目と口の上のポリゴンAOIは、視線がそれに入ると光ります。2つの小さなテーブルが各領域の滞留時間、注視のカウント、および平均注視持続時間を表示します。
- 感情質問： 参加者は顔が示した感情を
Happy、Neutral、またはSadをクリックして選択します。
最後に、結果画面が各感情の顔がどれだけ正しく認識されたかを示し、セッションの眼球追跡エラーを画面対角線のパーセンテージとして表示します。研究全体はキャリブレーション後約2分かかります。
ライブAOIハイライトとメトリックテーブルはデモ用であり、参加者が眼球追跡が動作しているのを見ることができます。実際の研究では、顔から注意を逸らさないようにそれらを隠すことができます。
顔の知覚タスクで収集されたデータ
顔の知覚タスクは、参加者が各顔をどのようにスキャンしたか、およびその感情をどのように判断したかを記録します。これにより、研究者は感情に応じた目と口の注視行動を比較し、認識精度に関連付けることができます。すべての変数はタスクのVariablesタブ内で表示およびカスタマイズできます。
以下は、Labvanced版の顔の知覚タスクで収集された主要な変数です：
| 変数名 | 説明 |
|---|---|
Emotions | 現在の試行で示された感情（幸せ、中立、または悲しい） |
file_presented | 試行で表示された顔の画像のファイル名 |
dwell_time_eyes_eye | 試行中に目のAOI内に滞留した合計時間（ms） |
dwell_time_mouth | 試行中に口のAOI内に滞留した合計時間（ms） |
eye_fixations_count | 目のAOIに注目した回数 |
mouth_fixations_count | 口のAOIに注目した回数 |
eyes_avg_fixD | 目のAOIに対する平均注視持続時間（ms） |
mouth_avg_fixD | 口のAOIに対する平均注視持続時間（ms） |
stimulus_emotion | 現在の試行で顔に示された感情 |
response_emotion | 参加者がクリックした感情ボタン |
correctness | 反応が示された感情と一致するかどうか |
reaction_time_Mouse | 質問画面の開始から参加者のクリックまでの時間（ms） |
gaze_all | 顔が表示されている間に記録された生の視線サンプルの時系列（x, y, 時間, 信頼度） |
この研究は、人々が感情的な顔を見るときに注意がどこに向けられるかを示しています。参加者は幸せ、中立、悲しい顔を視聴し、ウェブカメラの眼球追跡が目と口に対する滞留時間と注視点を記録し、その後、各顔が示した感情を特定します。
顔の知覚タスクの技術
Labvancedには、顔処理に関するリモートおよびラボでの研究に適したいくつかの技術が含まれています：
ウェブカメラ眼球追跡2.0： 参加者自身のウェブカメラで視線が記録され、追加のハードウェアは必要ありません。494人のオンライン参加者での検証では、2分間（ハイティア）のキャリブレーションで、中央値の視覚角度誤差は1.8度に達し、顔などの大きな関心領域ではハイティアの1.8度から1.9度で機能します（Labvanced, 2026）。この研究では同じ2分間のキャリブレーションを使用します。
ポリゴンAOI： 目と口の領域は、ほおや鼻をカバーする長方形ではなく、各特徴の輪郭に沿った
Polygon Object形状として描かれます。眼球追跡イベントは、視線と注視を直接これらの形状に照合します。組み込みの注視検出： 顔が表示されている間に自動的に注視が検出されるため、AOIごとの注視のカウントと持続時間がポストプロセスなしで利用可能です。
視線制御とドリフト補正： 主なタスク中に定期的な間隔で短い視線制御チェックが実行され、ドリフトが補正され、試行間で視線の推定が正確に保たれます。
参加者スクリーニング： キャリブレーションが研究の精度閾値に達していない参加者は、主なタスクの前にスクリーニングされ、リモート研究でのデータ品質が保護されます。
高精度タイミング： フレームの持続時間と反応時間はミリ秒の精度で記録されるため、1.5秒の注視点クロス、10秒の視聴期間、感情を選ぶまでの時間が正確に測定されます。
デスクトップアプリモード： ラボでの研究の場合、デスクトップアプリを使用してこのテストを実施し、EEGや他のLSLベースの接続などのラボハードウェアと組み合わせることもできます。
設計によるプライバシー： すべての顔および目の処理は参加者のデバイス上で実行されます。保存されるのは数値の視線データのみで、ウェブカメラの画像やビデオは決して保存されません。
ウェブカメラ眼球追跡
組み込みの、コーディングなしの、査読されたウェブカメラ眼球追跡技術で視線パターンと視覚的注意をキャプチャします。
タイミングの精度
時間に敏感なタスクのために、ミリ秒単位で反応時間、タスクのパフォーマンスなどをキャプチャします。
デスクトップアプリ
EEGや他のLSL接続のラボハードウェアに対応したデスクトップアプリを使用して、ラボ内研究を実施します。
顔の知覚タスクのカスタマイズ
このテンプレートをカスタマイズする方法はたくさんあります。以下は、研究者がこのタスクを変更する際によく尋ねるいくつかのテーマです。
顔の刺激と感情
顔の画像はImage Objectごとに設定され、Emotions因子にリンクされています。自分の顔のセットに置き換えたり、感情ごとにさらに多くの顔を追加したりFactors & Randomizationに怒った顔や恐れた顔などの新しいレベルを追加したりできます。レベルを追加する場合は、質問フレームに一致する応答ボタンも追加してください。
関心領域
目と口のAOIは、各顔の上に配置されたPolygon Object形状です。新しい刺激セットに合わせて再描画するか、鼻や顔全体などのさらなる領域を追加できます。AOI設定のステップバイステップの説明については、関心領域 (AOI)に関するガイドを参照してください。
ライブフィードバック表示
各顔の間に表示されるカラーAOIのハイライトとメトリックテーブルはデモンストレーション用です。研究研究のために、これらのオブジェクトを見えなくするか、削除して、参加者が視覚的フィードバックなしで顔を見るように設定します。基礎となる眼球追跡イベントは同じ測定を記録し続けます。
表示時間と眼球追跡設定
顔は10秒間表示され、注視点の十字は1.5秒間表示されます。両方の時間はフレーム設定で変更できます。キャリブレーションの長さ、スクリーニングレベル、および視線制御の周波数は、AOIの精度に応じて研究の眼球追跡設定で調整できます。
他に知りたいことがあれば、お気軽にお問い合わせください：
顔の知覚タスクの推奨使用法
顔の知覚タスクは、研究者が人々が顔をどのように見ているかを知る必要がある場所で使用されます。それは彼らがそれについて何を言うかだけでなく：
感情認識研究： 目と口のスキャンが顔の表情ごとにどのように異なるかを比較し、それが認識精度にどのように関連しているかをテストします。注視点は通常、各感情に特有の領域に従いますが、主に目を見ていた観察者と主に口を見ていた観察者は、表情をほぼ同等に認識しました（Yitzhak et al., 2022）。
自閉症と社会的注意の研究： 自閉症の人々が目をあまり見ず、口をより多く見るという長年の仮説をテストします。8歳から12歳の男の子を対象にしたEEGと眼球追跡を組み合わせた研究では、それを支持する証拠は得られませんでした（Vettori et al., 2020）。そのため、他の年齢や刺激に対する質問は未解決のままです。
社会不安の研究： 13の眼球追跡研究の系統的レビューでは、社会不安障害のある人々は、特に否定的な表情の目を避ける傾向があります（Claudino et al., 2019）。
異文化研究： 西ヨーロッパまたは北アメリカと中国の観察者による2つの実験では、顔認識中の注視パターンに文化的な違いが見つかりました（Gingras et al., 2023）。リモートのウェブカメラテストにより、複数の国の参加者にアクセスしやすくなります。
発達研究： 10か月と16か月のイギリスと日本の乳児、および大人は、すべての年齢において顔のスキャンに文化的な違いを示し、乳児は10か月から16か月の間に目から口のスキャンに移行しました（Haensel et al., 2020）。
参考文献
Claudino, R. G. e, de Lima, L. K. S., de Assis, E. D. B., & Torro, N. (2019). 社会不安障害のある個人における表情と眼球追跡：系統的レビュー. Psicologia: Reflexão e Crítica, 32, 9. https://doi.org/10.1186/s41155-019-0121-8
Eisenbarth, H., & Alpers, G. W. (2011). 幸せな口と悲しい目：感情的な顔の表情のスキャン. Emotion, 11(4), 860–865. https://doi.org/10.1037/a0022758
Gingras, F., Estéphan, A., Fiset, D., Lingnan, H., Caldara, R., & Blais, C. (2023). カナダの参加者と中国の参加者間の顔認識における眼の動きの違いは社会的オリエンテーションによって調整されない. PLOS ONE, 18(12), e0295256. https://doi.org/10.1371/journal.pone.0295256
Haensel, J. X., Ishikawa, M., Itakura, S., Smith, T. J., & Senju, A. (2020). 顔のスキャンに対する文化的影響は幼少期と成人期で一貫している. Infant Behavior and Development, 61, 101503. https://doi.org/10.1016/j.infbeh.2020.101503
Labvanced. (2026). Labvanced Eye Tracking 2.0：すべてのオンライン研究のための正確なウェブカメラ眼球追跡. Labvanced Lab Notes. https://www.labvanced.com/content/research/ja/lab-notes/2026-10-webcam-eyetracking-2-0/
Vettori, S., Van der Donck, S., Nys, J., Moors, P., Van Wesemael, T., Steyaert, J., Rossion, B., Dzhelyova, M., & Boets, B. (2020). 統合された周波数タグEEGおよび眼球追跡測定は自閉症の「過剰な口/減少した目の注意」という仮説を支持しない. Molecular Autism, 11(1), 94. https://doi.org/10.1186/s13229-020-00396-5
Yitzhak, N., Pertzov, Y., Guy, N., & Aviezer, H. (2022). 感情を見つける多くの方法：成功した顔の表情認識は多様な注視分布のパターンで発生する. Emotion, 22(5), 844–860. https://doi.org/10.1037/emo0000812
関連タスク
顔のスキャンは、Labvancedのタスクライブラリの他の視線ベースおよび感情的注意タスクに近い位置にあります。