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、研究で参加者のスクリーン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、認知プロセスおよび意思決定に関する洞察を提供する重要な生理的データのソースです。また、実験デザインや刺激の提示を制御するための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側面を研究に活用するための実験デザインおよび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で実装でき、カスタムコードなし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動作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、カスタムコードなしで行うことができます。下の画像は、エディタ内での設定方法を示しており、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。また、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およびY座標の収集を行う簡単なものから、マウスの動きが実験デザインや行動を左右するより動的なものまで幅広いです。例えば、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促すことができます。

下の例では、参加者が中央のテキストの上にカーソルをホバーさせ、次のフレームで刺激テキストの上にホバーすると、さらに試行が進む前に再び中央に戻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では、柔軟なデザインの恩恵を受けて、カスタムコードなしで研究の質問に合っ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示し、特定のマウスの動作に対して特定のアクションを実行させることもできます。

下のデモでは、参加者がテキストを編集する様子を理解するために、マウストラッキングとマウスクリックが有効化されています:

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、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

研究でマウストラッキングを有効にした場合、収集できるデータの種類はいくつかあります:

• マウス座標： マウスのXおよびY座標が時間をかけて記録されます。
• タイムスタンプ： 各マウスの動きや行動に対して、必要なすべてのマウスの動きと行動に対し、ピアレビューされた精度でタイムスタンプおよび反応時間が記録されます。
• ホバーカウント： 特定の刺激や関心領域でホバーカウントを記録するよう指定できます。
• クリックカウント： 同様に、クリックもカウントおよび定量化できます。
• 刺激の名前： より多くの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関心の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・トラッキング

追加のデータ層のため、マウストラッキングはアイ・トラッキングと一緒に使用され、被験者の注意と行動の範囲を完全にキャプチャします。

ウェブカメラを使用したアイ・トラッキングに興味がある方は、次のプロジェクトにLabvancedのピアレビューされたウェブカメラアイ・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使用したいくつかの公開研究の例です。

遠隔で捕らえた意思決定の難しさの連続測定：マウストラッキングの感度はタブレットやスマートフォンにも及ぶ

この研究では、Zuk、Bertrand、Chapman（2025）は、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特定することで、デバイス固有の意思決定難易度の違いを明らかにすることを目的としました。従来のリーチ決定パラダイムがコンピュータ、タブレット、スマートフォン全体で実施され、マウス（またはタッチ）トラッキングがタスク間で定量化され、比較されました。結果は、精緻なポータブルタッチデバイスが意思決定の難しさを敏感に捉えることを示しました。

上の画像は、デバイス間での研究デザインのサンプル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軌跡を示しています。薄い灰色の線は、すべての試行における参加者の平均軌跡を示し、参加者間での平均軌跡が一貫した試行に対して緑で表示され、一貫性のない試行に対して整理されます。最大絶対偏差（MAD）の平均位置は、ズームインした挿入部に塗りつぶされた円で示されています。詳しい情報については、論文をご参照ください。

コンピュータマウストラッキングを用いた音声単語認識における長期繰り返し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使用して聴覚的レキシカル決定タスクの文脈で長期繰り返しプライミング効果が検討されました。研究者たちは、すべての関心のある値（精度、反応時間、マウス軌跡）において、参加者がプライムを受けた単語に対して未プライムの単語よりも効率的に反応したことを発見しました。

下の画像は、発表されたマウス軌跡を示しています:

無意識のフラストレーション：アイ・トラッキングとマウストラッキングを使用してユーザー体験を動的に評価

摩擦ポイントは、ユーザーがウェブサイトやアプリとやり取りする際に混乱や困難を感じるときに発生します。摩擦ポイントは、ユーザーの採用において主要な障壁であり、顧客満足度やブランドの認識に最終的に影響を与えます。

この研究は、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における摩擦ポイントを検出するために、アイ・トラッキング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なアプローチかどうかを検証したいと考えました。

参加者は、メニュータスクをナビゲートするための2種類の異なる指示を受け取りました:

• 直接プロンプト： 「Extras - Options - Gameplayに行き、ヒントをオンにしてください。」
• 間接プロンプト： 「ゲーム中にキャラクターのダイアログが聞こえにくいことに気付きます。サブタイトルをオンにしてください。」

間接プロンプトは、より少ない直接的な指示を与えるため、探索にの時間が多くかかります。そのため、タスク中に摩擦が発生した場合、間接プロンプトは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易再現.

研究は、目と手の動きが同期して測定されると、摩擦ポイントが実際に検出できることを発見しました。

• 摩擦ポイントは、リモート設定（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、リモート方式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、リモート研究設計がラボの外で研究結果が適用されるかどうかを見極めるための認知生態学の良い例です。