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、またの名をカーソルトラッキングは、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。さらに、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ための重要な手段としても機能します。Labvancedは、これらのマウストラッキングの側面を活用するための実験デザインとデータ収集ツールとして利用できます。

Labvancedにおけるマウストラッキング

マウストラッキングは、コーディングなしで数回のクリックでLabvancedの研究に実装できるため、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。

お試しください！ Participate または Import をクリック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を有効にするには、Labvancedを使用して数ステップで設定できます。以下の画像は、エディタ内でどのように見えるかを示しており、ユーザーが作成したカスタム変数（左）は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の単純なものから、マウスの動きが実験デザインや行動を決定するようなよりダイナミックなものまで多様です。例えば、参加者が画像の上にスクロールすると、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、参加者にセンターテキストの上にホバーするように促され、次のフレームで刺激テキストの上にホバーした後、再度戻ってセンターにホバーすることが期待されています:

お試しください！ Participate または Import をクリック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、柔軟なデザインの利点を利用できるため、コーディングなしで研究課題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、アプリに全てのマウストラッキングデータ、ホバー、クリックを記録させ、特定のマウス動作に対して特定のアクションを指示することもできます。

以下のデモでは、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トラッキングが、マウスクリックとともに有効になっています:

お試しください！ Participate をクリックしてこの動的なテキスト編集デモを試してみて、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

研究でマウストラッキングを有効にすると、以下のようなさまざまなデータを収集できます。

• 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: 必要なすべてのマウスの動きと行動に対して、反応時間とともに正確に記録されます。
• ホバーカウント: 特定の刺激または興味のある領域へのホバー回数を記録するように指定できます。
• クリックカウント: 同様に、クリックもカウントして定量化できます。
• 刺激の名前: より多くのデータのために、マウスがホバー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。

埋め込まれたウェブサイトでのマウストラッキング

マウスの動きやクリック、ホバーイベントは、Labvancedで直接構築された刺激だけでなく、研究に埋め込まれた実際の外部ウェブサイトでもトラッキングできます。これがどのように機能するかについては、Labvanced Web Bridgeを参照してください。

マウストラッキングと視線追跡

追加のデータレイヤーとして、マウストラッキングは視線追跡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把握することができます。

ウェブカメラの視線追跡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視線追跡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いくつかの公開研究の例です。

リモートで捉えた意思決定の難易度の持続的な測定: 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及ぶ

この研究では、Zuk、Bertrand、& Chapman（2025）が、Labvancedを使用してデバイス間での意思決定の難易度の違いを特定するために、デバイスごとのマウストラッキングの感度を調査しました。クラシックなリーチ・ディシジョンパラダイムがコンピュータ、タブレット、スマートフォンで実施され、マウス（またはタッチ）のトラッキングがタスク間で定量的に比較されました。結果は、ポータブルな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概要であり、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跡が示されています。薄灰色の線は、すべての試行にわたる参加者の平均軌跡を示し、参加者間の平均軌跡は一貫した試行に対しては緑で示され、非一貫した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、ズームインした挿入の中の塗りつぶされた円で示されています。詳細については、論文を参照してください。

コンピューターマウストラッキングを使用して、話された単語認識における長期的な反復プライミング効果を調査する

Tuft、Incera、およびMcLennan（2023）の研究では、Labvancedのマウストラッキングが聴覚的レキシカルディシジョンタスクの文脈で用いられ、長期的な反復プライミング効果が観察されました。研究者たちは、興味のあるすべての値（精度、反応時間、マウスの軌跡）に対して、参加者がプライミングされた単語に対して非プライミングされた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、公開されたもので、報告されたマウスの軌跡を示しています:

無意識のフラストレーション: 視線とマウストラッキングを使用してユーザー体験をダイナミックに評価する

摩擦ポイントは、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ときに発生します。摩擦ポイントは、ユーザー採用に対する主要な障壁であり、最終的には顧客満足とブランドの認知に影響を及ぼすことが知られています。

この研究は、視線とマウストラッキングのデータを組み合わせて分析することが、Labvancedを使用したビデオゲームベースのメニュー操作タスクにおける摩擦ポイントを検出するための有効なアプローチであるかどうかを調査しました。

参加者は、メニュータスクを操作するための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: "ゲーム内のキャラクターの対話が聞き取りにくいことに気づきました。字幕をオンにしてください。"

間接プロンプトは、より探査時間が必要であるため、より明示的ではありません。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。

メニュー操作タスクの簡略化された再現と実験フレーム。

研究は、確かに視線と手の動きが同期して測定されている場合に摩擦ポイントが検出できることを示しました。

• 摩擦ポイントは、リモートセットアップ（Labvanced）とモニターマウントハードウェアの両方を使用して特定され、リモート方法が有効で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、リモート研究の設計が研究結果がラボから外れてより自然で複雑な環境で適用できるかどうかを確認する優れた例です。