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は、カーソルトラッキングとも呼ばれ、研究において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使用されます。マウストラッキングは、認知的プロセスや意思決定に関する洞察を提供する重要な生理データの源です。また、マウストラッキングは、実験デザインや刺激の提示を制御する重要な手段にもなります。Labvancedは、これらのマウストラッキングの要素を研究に活用するための実験デザインとデータ収集ツールです。

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の研究で数回のクリックだけで実装でき、コーディングなしで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 をクリックして、この研究を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できます: 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を使って数ステップで設定でき、コーディングは必要ありません。以下の画像は、エディタ内での設定の様子を示しており、ユーザーが作成したカスタム変数が値を記録するように設定されています（左）。MouseX値またはMouseY値を記録するように設定されています。また、座標を配列形式で保存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

研究におけるマウストラッキングは、X座標とY座標を単純に収集するだけでなく、マウスの動きが実験デザインや行動を決定する動的なものにもなります。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させることができます。

以下の例では、参加者は中央のテキストにカーソルを乗せるよう促され、次のフレームで刺激テキストにカーソルを乗せた後に再び中央に戻ってホバーすることが期待されています。

試してみてください！ 参加する または インポート をクリックして、この研究をLabvancedアカウントに追加し、マウストラッキングのホバーフィーチャー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を使用することで、柔軟なデザインの利点を享受し、コーディングなしで研究質問に適したマウストラッキングテストを作成および実装できます。たとえば、アプリにすべてのマウストラッキングデータ、ホバー、クリックを記録するよう指定し、特定のマウスの動作に基づいて特定のアクションが発生するように指示できます。

以下のデモでは、マウストラッキングが有効になり、参加者がテキストを編集する方法を理解するためにマウスクリックも記録されています。

試してみてください！ 参加する をクリックして、この動的なテキスト編集デモを試し、マウストラッキングがこのコンテキスト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化すると、収集できるデータはいくつかあります。

• マウス座標： マウスのX座標とY座標が時間にわたって記録されます。
• タイムスタンプ： 各マウスの動きや動作に対して、対応するタイムスタンプや反応時間がピアレビューされた精度で記録されます。
• ホバーカウント： 特定の刺激や興味のある領域に対するホバーカウントを指定して記録できます。
• クリックカウント： 同様に、クリックも数えられ、量的に評価できます。
• 刺激の名前： さらにデータを得るために、マウスがホバーしたりクリックした刺激や興味のある領域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ラ tracking

追加のデータ層として、マウストラッキングはアイラ trackingと組み合わせて使用することができ、被験者の注意と行動の範囲を完全に捉えます。

ウェブカメラによるアイラ trackingに興味がある場合は、次のプロジェクトのためにLabvancedのピアレビュー済みウェブカメラアイラ tracking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活用した既発表の研究のいくつかの例です。

遠隔で捉えた意思決定の難易度の連続的測定：マウストラッキングの感度はタブレットとスマートフォンにまで extends する

この研究では、Zuk、Bertrand、および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決定するために、意思決定の難易度におけるデバイス特有の違いを調べました。従来のリーチ決定パラダイムは、コンピュータ、タブレット、スマートフォンにおいて実施され、マウス（またはタッチ）トラッキングはタスク間で定量化され、比較されました。発見は、細かいポータブルタッチデバイスが意思決定の難易度を敏感に捉えることができることを示しました。

上の画像は、デバイス間の研究デザインの概要と、コンピュータ、タブレット、スマートフォンからのマウス / カーソルおよびタッチの軌道を示しています。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、同調した試行の緑で示されています。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塗りつぶされた円で示されています。詳しくは論文をご参照ください。

コンピューターマウストラッキングを使用して音声の単語認識における長期的リピションプライミング効果を調査する

Tuft、Incera、およびMcLennan（2023）による研究では、耳音韻決定課題の文脈でLabvancedのマウストラッキングが使用され、長期のリピションプライミング効果が調査されました。研究者たちは、興味のあるすべての値（精度、反応時間、およびマウスの軌道）において、参加者がプライムされた単語に対して未プライム単語よりも効率的に反応したことを発見しました。

以下の画像は、公表から引用されたもので、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てユーザーエクスペリエンスを動的に評価する

摩擦点は、ユーザーがウェブサイトやアプリと対話する際に混乱や困難を経験する場合に発生します。摩擦点はユーザーの採用に対する大きな障壁であり、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与えることがあります。

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フリクションポイントを検出するために、アイ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が有効かどうかを調べました。

参加者はメニュータスクのナビゲーションに関して二種類の異なる指示を受けました：

• 直接のプロンプト: 「Extras - Options - Gameplayに行き、Hintsをオンにします。」
• 間接のプロンプト: 「ゲーム内のキャラクターのダイアログが聞き取りにくいことに気がつきました。字幕をオンにします。」

間接的なプロンプトは、明示的ではないため、より多くの探索時間がかかります。したがって、タスク中に摩擦が発生した場合、間接的なプロンプトがその摩擦を悪化させるはずです。

メニューのナビゲーションタスクと実験フレームの簡略化再現。

この研究は、アイと手の動きが同期して測定されると、実際にフリクションポイントを検出できることを示しました。

• フリクションポイントは、リモートセットアップ（Labvanced）とモニター取り付けハードウェアの両方を使用して特定されており、リモート手法が結果を得るための有効かつ経済的なアプローチであることを示しています。
• この研究は、リモート研究セットアップが実験の発見がラボの枠を越え、より自然で複雑な環境で適用できるかを調べる認知動物行動学の良い例です。