研究のためのマウストラッキング技術

マウストラッキング、またはカーソルトラッキングは、参加者の画面上のマウスカーソルの位置に関するデータを収集するために研究で使用されます。マウストラッキングは、認知プロセスや意思決定に関する洞察を提供する生理的データの重要な源です。また、マウストラッキングは、実験デザインや刺激提示を制御するための重要な手段ともなりえます。Labvancedは、実験デザインとデータ収集のツールとして、研究のためにマウストラッキングのこれらの側面を活用できます。

Labvancedにおけるマウストラッキング

マウストラッキングは、Labvancedの研究に数回のクリックで実装でき、コーディング不要で次の研究プロジェクトでこのデータを簡単に収集できます。

試してみてください！ 参加する または インポート してこの研究をあなたのLabvancedアカウントに追加し、マウストラッキングがどのように機能するかを確認してください: https://www.labvanced.com/page/library/62668

マウストラッキング研究の設定

マウストラッキングの有効化は、Labvancedを使用して数ステップで設定でき、コーディングすることなく行えます。下の画像は、エディターでの見え方を示しており、ユーザーが作成したカスタム変数（左）がMouseX値またはMouseY値を記録するように設定されています。座標が配列形式で保存されるように設定することも可能です。

マウストラッキングテスト: 柔軟なデザインと実装

研究において、マウストラッキングはX座標とY座標を収集するだけでシンプルである場合もあれば、マウスの動きが実験デザインや行動を左右するようによりダイナミックでもあります。たとえば、参加者が画像の上をスクロールすると、アプリにテキストを表示するように指示できます。

以下の例では、参加者は中央のテキストの上にマウスをホバーするよう促され、その後のフレームの刺激テキストにホバーした後、再び中央に戻ってマウスをホバーすることが期待されます:

試してみてください！ 参加する または インポート してこの研究をあなたのLabvancedアカウントに追加し、マウストラッキングのホバー機能がどのように機能するかを確認してください: https://www.labvanced.com/page/library/8736

Labvancedを使用すると、柔軟なデザインの恩恵を受けられるため、コーディングなしで研究質問に合ったマウストラッキングテストを作成し実施できます。たとえば、アプリにマウストラッキングデータ、ホバー、クリックをすべて記録させたり、特定のマウスの行動に対して特定のアクションを指示したりできます。

以下のデモでは、マウストラッキングが有効になっており、マウスのクリックと共に、参加者がどのようにテキストを編集するかを理解する目的で使用されています:

試してみてください！ 参加する をクリックして、このテキストを動的に編集するデモを試して、マウストラッキングがこの文脈でどのように機能するかを確認してください: https://www.labvanced.com/page/library/67925

マウストラッキング: データと動きの記録

研究においてマウストラッキングを有効にする際、収集可能なデータはいくつかの種類があります。

• マウス座標: マウスのX座標とY座標が時間を通じて記録されます。
• タイムスタンプ: 各マウスの動きと行動に関するタイムスタンプや反応時間が、査読された精度で記録されます。
• ホバー回数: 特定の刺激や注目エリアの上でのホバー回数を記録するよう指定できます。
• クリック回数: 同様に、クリックもカウントして定量化できます。
• 刺激の名前: より多くのデータを取得するために、どの刺激または注目エリアの上でマウスがホバーまたはクリックしたかの名前を記録することもできます。

マウストラッキングとアイ Tracking

追加のデータ層として、マウストラッキングはアイトラッキングと一緒に使用することで、被験者の注意と行動の範囲を完全に把握することができます。

ウェブカメラによるアイトラッキングに興味がある場合は、次のプロジェクトのために Labvancedの査読済みウェブカメラアイトラッキング を検討してください。

Labvancedのマウストラッキングを利用した研究

以下は、Labvancedのマウストラッキングを利用した発表済みの研究のいくつかの例です。

遠隔で捉えた意思決定の難しさの連続的測定: マウストラッキングの感度がタブレットやスマートフォンに拡張

この研究では、Zuk、Bertrand、& Chapman（2025）が、Labvancedを使用してデバイス間のマウストラッキングの感度を調べ、意思決定の難しさにおけるデバイス固有の違いを明らかにすることを目指しました。従来のリーチ・デシジョン・パラダイムをコンピュータ、タブレット、スマートフォンに適用し、マウス（またはタッチ）のトラッキングを定量化し、タスク間で比較しました。結果は、微細な可搬式タッチデバイスが意思決定の難易度を敏感に捉えられることを示しました。

上の画像は、コンピュータ、タブレット、スマートフォン間でのマウス/カーソルおよびタッチの軌道に関する研究デザインのサンプル概要です。薄い灰色の線は、すべての試行における参加者の平均軌道を示しており、参加者間の平均軌道は、一致した試行に対しては緑色で表示され、不一致の試行に対しては整理されています。最大絶対偏差（MAD）の平均位置は、ズームインしたインセットの中で filled circle で示されています。詳細については、論文を参照してください。

コンピュータマウストラッキングを使用した発話単語認識における長期反復プライミング効果の検討

Tuft、Incera、& McLennan（2023）の研究では、Labvancedのマウストラッキングを音声的なレキシカルデシジョンタスクの文脈で使用して、長期反復プライミング効果を明らかにしました。研究者たちは、すべての関心のある値（精度、反応時間、マウスの軌道）について、参加者がプライムされた単語に対してより効率的に反応したことを発見しました。

下の画像は、発表されたもので、報告されたマウスの軌道を示しています:

無意識のフラストレーション: アイとマウストラッキングを使用したユーザーエクスペリエンスの動的評価

ユーザーがウェブサイトやアプリに対して混乱や困難を感じると、摩擦点が発生します。摩擦点は、ユーザーの採用にとって大きな障壁となり、最終的には顧客満足度やブランドに対する認識に影響を及ぼすことが知られています。

この研究では、Labvancedを使用してビデオゲームベースのメニューナビゲーションタスクで、アイトラッキングデータとマウストラッキングデータを組み合わせて分析することで、摩擦点を検出できるかを検討しました。

参加者には2種類の異なるナビゲーション指示が与えられました:

• 直接のプロンプト: 「Extras - Options - Gameplayへ行き、ヒントをオンにしてください。」
• 間接のプロンプト: 「ゲーム内のキャラクターの対話が聞こえづらいことに気付きます。字幕をオンにしてください。」

間接のプロンプトは、より探索的な時間を要します。したがって、タスク中に何らかの摩擦が生じた場合、間接プロンプトがその摩擦を悪化させるはずです。

メニューナビゲーションタスクと実験フレームの簡略化された再現。

研究は、確かに視線と手の動きを同期して測定することで摩擦点が検出できることを発見しました。

• この摩擦点は、リモート設定（Labvanced）とモニター取り付け型ハードウェアの両方を使用して特定され、リモート手法が結果を得るための妥当かつ経済的なアプローチであることを示しました。
• この研究は、自然でより複雑な環境で研究結果が適用されるかどうかを確認するためにリモート研究セットアップが使用される認知生態学の良い例です。