Cadre de mesure basé sur le suivi oculaire pour quantifier l’attention visuelle dans des environnements d’art numérique interactif à écran

Summary

Ce protocole décrit un cadre complet pour quantifier l’attention visuelle dans l’art numérique interactif. Il détaille l’architecture système pour synchroniser les données de suivi oculaire avec les journaux d’interaction, la méthode de cartographie dynamique de la zone d’intérêt (AOI), et le pipeline analytique pour relier la dynamique de l’attention aux résultats de l’expérience utilisateur.

Abstract

Cet article présente un cadre de mesure habilité par le regard conçu pour quantifier l’attention visuelle lors d’expériences artistiques numériques interactives et pour relier la dynamique de l’attention aux résultats expérientiels. Contrairement à la vision traditionnelle d’art statique, l’art numérique interactif implique des médias dynamiques, des informations multi-sources et des boucles de rétroaction continues, qui remettent en cause les méthodologies standard de suivi oculaire. Le système proposé intègre l’acquisition par suivi oculaire, la journalisation des interactions, la synchronisation temporelle, la cartographie dynamique de la zone d’intérêt (AOI) et le calcul métrique dans un pipeline unifié. Le protocole décrit le développement d’un flux de travail de données reproductible qui aligne les données du regard avec des événements d’interaction spécifiques, permettant des calculs précis de l’allocation de l’attention, des coûts de commutation et de l’entropie exploratoire. Le plan expérimental implique à la fois des tâches d’exploration libre et orientées vers des objectifs, comme l’a démontré une étude menée sur 37 participants. Les résultats de l’application de ce protocole indiquent une grande aisance d’utilisation et de satisfaction perçue, avec une modélisation de mesure supportant un modèle à deux constructions d’utilisabilité et de satisfaction. De plus, la modélisation des résultats confirme que l’utilisabilité perçue agit comme un prédicteur fondamental de la satisfaction globale des utilisateurs, tandis que la démonstration sur un cas unique valide la capacité du pipeline à quantifier les changements d’attention contextuels. Ce protocole offre aux chercheurs et aux concepteurs un ensemble d’outils rigoureux et reproductibles pour analyser comment les éléments de design d’interaction — tels que la latence de rétroaction et l’intensité des guidages — façonnent l’attention de l’utilisateur et les expériences subjectives qui en découlent dans des environnements numériques immersifs.

Introduction

L’art numérique interactif englobe un large éventail de modalités, allant des installations spatiales immersives aux plateformes interactives à écran ^1,2. Si les installations entièrement immersives représentent la frontière de cette évolution, l’art interactif à l’écran reste un médium fondamental qui nécessite d’urgence des méthodologies d’évaluation rigoureuses et standardisées avant une expansion spatiale sans contraintes. Cette modalité redéfinit efficacement le rôle du public, passant de l’observation passive à la co-création active, où la participation façonne directement le sens de^{l’œuvre 3}. Les cadres classiques de la psychologie de l’art, notamment le Modèle intégré de perception de l’art de Vienne (VIMAP), offrent une perspective sophistiquée pour comprendre l’interaction entre le contrôle cognitif descendant et le traitement perceptif ascendant lors des rencontres esthétiques. Cependant, bien que ces modèles fournissent une base solide pour l’observation statique, étendre leurs applications les plus récentes aux environnements numériques interactifs nécessite des techniques de mesure avancées. Traduire ces concepts théoriques en applications interactives nécessite des métriques physiologiques en temps réel pour capturer objectivement la boucle de rétroaction continue entre l’entrée de l’utilisateur et la réponse du système. Par conséquent, la transition de la vision statique à l’interaction active introduit une complexité significative dans l’évaluation de l’expérience utilisateur. Les méthodes d’évaluation courantes dans le domaine reposent principalement sur des questionnaires post-événement, des entretiens rétrospectifs et des observations sur site concernant les habitudes de visionnage, la séquence et le temps de permanence des^{téléspectateurs 4}. Ces éléments sont souvent complétés par des indicateurs comportementaux grossiers comme la durée totale du séjour et la fréquence des^{clics 5}. Bien que ces méthodes soient efficaces pour capturer les préférences générales et la satisfaction globale, elles ont fondamentalement du mal à suivre les changements d’attention en temps réel, au niveau micro, qui se produisent pendant l’expérience. Contrairement aux questionnaires rétrospectifs qui reposent sur un rappel différé et sont donc sujets à des biais cognitifs, le cadre proposé de suivi oculaire fournit des données physiologiques continues en temps réel et objectives. De plus, comparée à des métriques comportementales grossières telles que le temps total de séjour ou les fréquences de clics superficielles, cette méthodologie activée par le regard capture des processus cognitifs au micro-niveau — tels que les moments d’hésitation, les stratégies de recherche visuelle et les réactions perceptuelles immédiates au retour du système. Ce faisant, elle fournit des preuves exploitables et granulaires pour la conception d’interactions itératives que les méthodes d’évaluation traditionnelles manquent^{fondamentalement 6}. Cette technologie offre des métriques au niveau des processus pour comprendre l’allocation de l’attention, le maintien et le déplacement dans l’art interactif, fournissant des métriques physiologiques objectives de l’état cognitif ^{de l’utilisateur 7,8,9}. En analysant quand, où et pendant combien de temps un utilisateur regarde des éléments spécifiques, les chercheurs peuvent fournir un soutien objectif à l’optimisation des expositions et à la conception interactive. Cependant, la mise en œuvre du suivi oculaire dans le contexte d’expériences artistiques numériques interactives présente de multiples défis techniques et méthodologiques non triviaux qui le distinguent des tests d’utilisabilité standards ou de la visualisation statique d’images.

Les environnements interactifs impliquent souvent des médias dynamiques, plusieurs sources d’information et des tâches complexes en plusieurs étapes. Les stimuli visuels ne sont pas fixes ; ils évoluent en fonction des informations de l’utilisateur. Les changements constants dans les stimuli visuels et le retour du système provoquent des déplacements rapides d’attention entre les objets en mouvement et les zones d’interface. Ce dynamisme rend la segmentation et l’interprétation métrique traditionnelles, statiques, basées sur l’interface, sujettes à la^{distorsion 10,11}. Par exemple, une zone d’intérêt (AOI) pertinente à un moment peut disparaître ou changer de sens sémantique le suivant, rendant les cartes thermiques statiques insuffisantes.

De plus, les interactions dans le monde réel impliquent fréquemment des comportements physiques naturels tels que des mouvements de tête, des occlusions et des distances variables par rapport à l’écran, entraînant une dérive de^{calibration 12,13}. Ces fluctuations de la qualité du suivi introduisent des valeurs manquantes et du bruit, réduisant la comparabilité entre sujets et la stabilité des tests statistiques. Les protocoles standards de laboratoire exigent souvent une stabilisation rigide (par exemple, des repose-menton) qui nuit à l’expérience naturaliste requise pour l’appréciation de l’art¹⁴. Par conséquent, un protocole efficace doit équilibrer un contrôle de qualité rigoureux des données avec la validité écologique de la posture de l’utilisateur. En utilisant le suivi oculaire à distance basé sur l’écran, le cadre proposé permet des micromouvements naturels et non contraints du torse et de la tête, servant de base pragmatique pour capturer des réactions esthétiques sans contraintes physiques gênantes.

De manière cruciale, la synchronisation temporelle entre les données de mouvement oculaire et les journaux d’interaction impacte directement l’interprétation causale. Dans une tâche de visionnage statique, le déclenchement du stimulus est le seul marqueur temporel pertinent. Dans l’art interactif, chaque toucher, geste ou déclencheur de regard initie une nouvelle référence temporelle à un événement. Sans un benchmark temporel unifié et un mécanisme d’alignement des événements, il devient difficile de déterminer si les changements d’attention sont déclenchés par un retour d’information du système ou par des stratégies d’exploration^{individuelles 15}. Pour évaluer de manière exhaustive l’art numérique, les chercheurs s’appuient généralement sur deux sources de données distinctes : les journaux d’interaction (capturant les entrées des utilisateurs et les états du système) et les signaux physiologiques (comme le suivi du regard pour attirer l’attention visuelle). Cependant, ces modalités sont souvent analysées isolément. Les intégrer tôt dans le pipeline analytique est conceptuel et pratiquement vital car ils sont intrinsèquement complémentaires : les journaux d’interaction fournissent le « déclencheur » contextuel précis (le quoi et le quand du retour système), tandis que les données de regard continu révèlent la « réaction » cognitive correspondante (le lieu et le comment de l’allocation de l’attention). Sans un temps unifié, un repère et un alignement multimodal des événements, il devient difficile de déterminer si un déplacement d’attention est déclenché par un retour d’information du système (par exemple, un effet d’entraînement visuel) ou par des stratégies d’exploration individuelles. En fusionnant ces flux de données, ce cadre offre l’avantage théorique de fermer la boucle causale entre les caractéristiques de conception interactive et la cognition utilisateur.

Par conséquent, faire progresser la recherche sur le suivi oculaire pour l’art interactif nécessite plus que de simplement capturer des points de fixation ; Cela nécessite un contrôle qualité rigoureux, un alignement synchronisé et des flux de travail de traitement des données reproductibles. Les limites des solutions existantes soulignent encore cette motivation pour la recherche. Les études existantes de suivi oculaire dans des contextes artistiques se concentrent principalement sur des tâches de visualisation statique ou traitent les descriptions textuelles et les guides touristiques comme des variables externes, manquant d’intégration avec des mécanismes interactifs^16,17. Bien que les preuves suggèrent que les méthodes de présentation de l’information et les stratégies de guidage peuvent modifier significativement les voies d’attention et les points focales des spectateurs, la plupart des résultats restent au niveau des corrélations à intervention unique, sans expliquer comment les boucles de rétroaction interactives façonnent les stratégies d’attention au cours de l’expérience.

Inversement, alors que les pratiques artistiques interactives ont développé des systèmes prototypes utilisant le regard comme entrée naturelle d’interaction — mettant l’accent sur la transformation des spectateurs passifs en participants actifs — ces efforts se concentrent souvent sur des démonstrations d’installation ou une validation^{technique 18,19}. Ils manquent fréquemment de métriques d’attention unifiées, de paradigmes expérimentaux reproductibles et de modèles de recherche en boucle fermée qui établissent des liens testables entre la dynamique de l’attention et les résultats expérientiels. Cet écart entrave le développement de principes de conception transférables capables de prédire de manière fiable comment un choix de conception spécifique (par exemple, la vitesse d’une transition visuelle) impactera le sentiment d’immersion ou d’ergonomie de l’utilisateur.

De manière cruciale, la littérature existante manque d’un cadre cohérent qui aligne fondamentalement l’attention visuelle avec les systèmes interactifs en temps réel. Bien que les avancées en cartographie AOI dynamique et synchronisation regard-événement aient été explorées dans des contextes généraux de l’IHM, elles sont rarement intégrées à l’environnement fluide et très variable de l’art numérique. La lacune fondamentale en recherche réside dans l’incapacité des évaluations monomodales actuelles à expliquer la boucle causale entre le retour du système et la cognition de l’utilisateur. En intégrant rapidement des données multimodales — en particulier en fusionnant des coordonnées continues du regard avec des journaux d’interaction précis en millisecondes — les chercheurs peuvent transcender les métriques d’utilisabilité de base. Cette intégration offre le bénéfice théorique d’attribuer directement des changements d’attention spécifiques au niveau micro (par exemple, stratégies de recherche vs. concentration stabilisée) à des choix spécifiques de conception d’interaction, transformant le flux expérientiel d’un sentiment subjectif en un état cognitif quantifiable.

Pour combler ces lacunes, ce protocole propose un cadre de mesure de l’attention piloté par le suivi oculaire, spécifiquement limité à l’art numérique interactif basé sur écran. Bien que le pipeline technique sous-jacent partage des similitudes structurelles avec les tests génériques d’interaction homme-machine (HCI), ce cadre intègre de manière unique des tâches esthétiques non utilitaires (par exemple, l’exploration visuelle libre des médias génératifs) aux actions orientées vers des objectifs. Cette intégration distingue explicitement la nature fluide et exploratoire de l’appréciation de l’art de l’approche utilitariste standard de l’évaluation logicielle. Théoriquement, cette étude se situe à l’intersection de l’art numérique interactif, de la IHM et de l’analyse par suivi oculaire. Il répond à la fois au défi persistant de caractériser objectivement le flux expérientiel continu dans l’évaluation de l’art numérique et à la détermination de la corrélation entre l’entrée interactive et la sortie attentionnelle.

Le périmètre de la recherche positionne cette étude non seulement sur le contexte expérientiel de l’art numérique interactif, mais aussi sur l’intégration des données de suivi oculaire avec des journaux d’interaction afin d’établir une chaîne systématique de preuves — de l’entrée expérientielle aux indicateurs d’attention et, en fin de compte, aux variables de résultats. Au niveau du système, nous établissons un pipeline de données reproductible qui intègre la capture des mouvements oculaires, l’enregistrement des journaux d’interaction et la synchronisation temporelle dans une architecture unifiée. Ce cadre standardise le prétraitement, la cartographie régionale et la génération de métriques d’attention tout en fournissant des structures de données traçables et des scripts analytiques.

Le cadre conceptuel (Figure 1) explique comment la conception d’interaction influence les résultats subjectifs en modifiant les processus d’attention visuelle des spectateurs. La logique de base traite les éléments d’interaction (tels que la latence de rétroaction et l’intensité de guidage) comme des entrées contrôlables, la dynamique de l’attention visuelle comme des variables clés du processus, et les résultats de l’expérience (immersion, utilisabilité, satisfaction) comme des sorties. Les différences individuelles sont prises en compte comme facteurs modérateurs. Pour la conception expérimentale, des tâches interactives sont développées pour équilibrer exploration libre et objectifs orientés vers des buts. Au niveau de la modélisation, nous corrélons la dynamique de l’attention avec les variables de résultat afin d’examiner les mécanismes par lesquels les éléments de design d’interaction influencent l’expérience utilisateur à travers l’attention visuelle. Ce protocole fournit des étapes méthodologiques détaillées pour reproduire ce cadre, garantissant que l’interaction complexe entre utilisateur, système et art puisse être mesurée avec rigueur scientifique.

Protocol

Cette recherche a été réalisée conformément aux directives institutionnelles de la Faculté d’innovation et de design de l’Université de la ville de Macao. Tous les participants ont donné leur consentement éclairé avant la collecte des données.

1. Développement système et configuration de l’architecture

1. Définir le flux de travail de recherche
   1. Adoptez le processus en boucle fermée en quatre étapes tel que montré à la Figure 2 : Développement du système, expérience de suivi oculaire, Analytique et Modélisation des résultats.
   2. Veillez à ce que le flux de travail facilite l’affinement itératif, où les données issues de la phase analytique peuvent permettre des ajustements dans le développement du système pour les itérations futures.
2. Configurez l’architecture du système
   1. Construisez le système en utilisant l’architecture de pipeline illustrée à la Figure 3, comprenant cinq modules distincts : Expérience (Tâches), Suivi des yeux, Logs, Synchronisation (Sync) et Analytique.
   2. Module d’expérience : Développez l’interface artistique interactive pour qu’elle serve de point d’entrée unifié. Configurez-le pour générer deux flux de données parallèles :
      1. Flux de données à suivi oculaire : Générez les coordonnées brutes du regard et les horodatages depuis l’appareil.
      2. Flux de journal d’interaction : Documenter les actions des utilisateurs (clics, gestes) et les changements d’état du système (déclencheurs de rétroaction, transitions de scène).
   3. Implémentez un script User Datagram Protocol (UDP) dans le module de synchronisation pour envoyer les marqueurs d’événements du moteur de rendu d’interaction vers l’API eye-tracker à la milliseconde exacte où un stimulus visuel est modifié, ou une entrée utilisateur est enregistrée.
   4. Évaluer la stabilité du décalage en effectuant une boucle de test de synchronisation de 60 secondes avant l’expérience. Vérifiez que l’écart-type (SD) de la latence entre l’horloge d’interaction et l’horloge du suivi oculaire reste strictement inférieure à 6,5 ms (comme indiqué dans le Tableau 1). Si la SD dépasse 6,5 ms, réinitialisez la connexion réseau et recalibrez.
   5. Stockage des données alignées : Configurez la base de données ou le système de fichiers pour stocker des données alignées où chaque point de données contient des coordonnées de regard synchronisées, des indicateurs d’événement et des indices AOI.
3. Établir la boucle d’exécution du système
   1. Implémentez la boucle d’exécution telle que représentée à la Figure 4.
   2. Programmez la séquence pour suivre strictement : Démarrer la Session → Calibration → Charger la Scène + AOIs → Boucle en temps réel (Interaction utilisateur / Capture du regard / Retour de rendu).
   3. Assurez-vous que le pipeline de données (écriture de journaux → synchronisation temporelle, syntaxique → analyse de fixation → cartographie AOI) fonctionne immédiatement après l’acquisition des données afin de faciliter des contrôles de qualité rapides.

2. Stimulus et design d’interaction

1. Sélectionnez les modalités d’interaction
   1. Choisissez les modalités d’interaction selon la taxonomie. Choisissez entre interaction basée sur le regard, interaction basée sur le toucher/geste, ou interaction multi-utilisateur collocate selon la question de recherche.
   2. Pour ce protocole, implémentez une combinaison d’entrées de regard et de toucher afin de respecter le principe de minimiser la difficulté d’entrée tout en maximisant l’interprétabilité de la sortie.
2. Définissez les modules d’interaction et les événements déclencheurs.
   REMARQUE : Ici, un « module d’interaction » est défini opérationnellement comme une unité fonctionnelle distincte de l’œuvre numérique (par exemple, un effet visuel interactif spécifique), tandis qu’un « événement déclencheur » fait référence à l’entrée utilisateur spécifique ou au changement d’état système qui active ce module à une précision d’une milliseconde précise.
   1. Programmez les modules d’interaction spécifiques définis dans le tableau 2.
   2. Attracteur ambiant : Réglez le déclencheur en état d’entrée de scène ou d’inactivité pendant ≥ 3,2 s. Définissez la réponse d’attention attendue comme une exploration plus large et une dispersion du regard plus élevée.
   3. Mise en avant du regard : Configurez la détente en fixant un objet pendant une zone d’effet ≥ 420 ms. Assurez-vous que cela déclenche une mise en lumière visuelle pour renforcer la mise au point.
   4. Ondulation tactile : Implémentez un effet d’ondulation visuel aux coordonnées (x,y) lors d’un touchement sur l’événement de toile. Enregistrer les changements d’amplitude de la saccade suivant le front d’onde.
   5. Signal guidé : Programmer un indice visuel pour apparaître pendant 1,4 à 2,1 s sur une zone d’effet prédéfinie. Mesurez le temps jusqu’à la première fixation (TTFF) en utilisant ce signal.
   6. Porte de choix : Créez un point de décision où l’utilisateur sélectionne 1 des 3 options en 7,5 s. Utilisez cela pour mesurer le temps de permanence de l’option choisie par rapport aux options rejetées.
3. Domaines d’intérêt de conception (AOI)
   1. Créez des AOI statiques et dynamiques comme montré à la Figure 5.
   2. Définir des AOI statiques pour les éléments fixes de l’interface utilisateur (UI) (par exemple, menus, bordures).
   3. Définissez les AOI dynamiques pour les éléments visuels en mouvement (par exemple, orbes flottants, systèmes de particules). Assurez-vous que les coordonnées AOI se mettent à jour dans le fichier journal au taux de rafraîchissement du système.
   4. Implémentez un balisage sémantique pour les AOI (par exemple, objet cible, distracteur, texte d’instruction) afin de faciliter le calcul de la crédibilité sémantique lors de l’analyse.

3. Recrutement et sélection des participants

1. Stratégie de recrutement
   1. Recrutez des participants issus d’une démographie pertinente (par exemple, des étudiants universitaires pour les études d’art numérique) afin d’assurer une base de lecture numérique.
   2. Obtenez un consentement éclairé et informer les participants sur la nature de la procédure de suivi oculaire.
2. Critères de sélection
   1. Vérifiez l’acuité visuelle. Vérifiez que les participants ont une vision normale ou corrigée à normale.
   2. Excluez les personnes atteintes de maladies oculaires (par exemple, strabisme, astigmatisme sévère) qui interfèrent avec la calibration standard du suivi oculaire.
   3. Contrôle d’étalonnage : Lors de la configuration initiale, effectuez un calibrage en 5 ou 9 points. Excluez les participants qui ne peuvent pas atteindre une erreur moyenne d’étalonnage de ≤ 0,85° ou qui présentent une perte de suivi persistante (rapport d’échantillonnage valide < 85 %).
   4. Enregistrer les données démographiques, incluant l’âge, le sexe, la latéralité et l’exposition autodéclarée à l’art numérique (voir paramètres du tableau 3 ).

4. Procédure expérimentale

1. Installation physique
   1. Réalisez l’expérience dans une pièce calme avec un éclairage ambiant stable. Éliminez la lumière directe du soleil ou les reflets forts sur l’écran.
   2. Asseyez le participant à une distance de vision fixe (par exemple, 60–70 cm) adaptée à l’unité de suivi oculaire commerciale basée sur l’écran.
   3. Ajustez la hauteur de la chaise pour que les yeux du participant soient au niveau du centre de l’écran.
2. Exécution de la session
   1. Calibration : Exécutez la routine d’étalonnage. Vérifiez l’exactitude. Si la dérive est > 1,10°, effectuer un recalibrage (vérification de la dérive).
   2. Essai pratique : Administrez une séance d’entraînement standardisée (environ 2 minutes) pour familiariser le participant avec les protocoles d’interaction (par exemple, comment déclencher le Regard Éclairci).
   3. Exécution des tâches : Présenter les deux types de tâches dans un ordre contrebalancé afin de minimiser les effets de la séquence :
      1. Tâche d’exploration gratuite : Demandez au participant de « Explorer librement l’œuvre et interagir avec les éléments qui vous intéressent. »
      2. Tâche dirigée vers un objectif : Demandez au participant de « Trouver des éléments cachés spécifiques » ou « Terminer la séquence d’interaction pour débloquer le visuel final ».
   4. Enregistrement des données : Assurez-vous que le système enregistre automatiquement à la fois le flux de suivi oculaire et les journaux d’interaction avec des horodatages unifiés tout au long des tâches.
   5. Questionnaires post-tâche : Immédiatement après chaque bloc de tâche, administrez les échelles d’expérience (Immersion, plaisir esthétique, utilisabilité, satisfaction).

5. Pipeline de traitement et d’analyse des données

1. Prétraitement des données et contrôle qualité
   1. Voir la Figure 6 pour un aperçu complet du pipeline de traitement du regard. Ce schéma visuel délimite les étapes séquentielles nécessaires pour transformer les coordonnées brutes du regard en données analytiques interprétables : contrôle initial de la qualité du signal (incluant l’interpolation par clignement et le filtrage spatial), l’analyse basée sur la vitesse des mouvements oculaires en fixations et saccades, la cartographie dynamique des points du regard vers les zones d’intérêt actives (AOIs), et le calcul final des métriques d’attention quantitatives.
   2. Gérer les blinks et les coupures de signal à l’aide d’un pipeline standardisé d’interpolation et de filtrage. Identifier les blinks et les segments de perte de signal où le diamètre de la pupille est égal à zéro ou les drapeaux de validation de suivi sont invalides.
   3. Pour les courts espaces (≤75 ms), appliquez un algorithme d’interpolation linéaire pour estimer les coordonnées manquantes du regard. Pour les trous dépassant 75 ms, laissez les données non cartographiées afin d’éviter la génération d’artefacts artificiels. Après interpolation, appliquez un filtre à moyenne mobile (taille de fenêtre = 3 échantillons) pour lisser le bruit mineur de haute fréquence.
   4. Détecter et éliminer les valeurs aberrantes spatiales définies comme des points de regard tombant hors des limites physiques de l’écran ou démontrant des vitesses saccadiques biologiquement impossibles (> 1000^o/s).
   5. Calculer la fraction finale d’abandon ; Excluez les sessions où la perte irrécupérable dépasse 12 % de la durée totale de la tâche.
   6. Appliquez la correction de dérive au niveau de l’essai. Si un décalage systématique a été détecté lors du contrôle de validation juste avant un bloc de tâche spécifique, appliquez un vecteur de correction de coordonnées linéaire aux données brutes du regard de cet essai spécifique pour compenser les légers changements de posture de la tête.
2. Fixation et syntaxique saccade
   1. Appliquez l’algorithme d’analyse syntaxique Identification par seuil de vitesse (I-VT). Classez les points bruts de données comme des saccadées si la vitesse de mouvement des yeux dépasse 30°/s ; sinon, classez-les comme des fixations.
   2. Appliquez un seuil de durée minimale de fixation de 80 ms pour filtrer les micro-saccadades et le bruit d’artefacts.
   3. Classez les mouvements oculaires en fixations (regard stable) et saccades (mouvements rapides). Générez une table de fixation et une table de saccade.
3. Alignement temporel et cartographie AOI
   1. Alignez les horodatages des événements de regard avec ceux du journal d’interaction en utilisant les marqueurs d’événements UDP comme ancre de référence absolue.
   2. Corriger tout délai inhérent à la transmission matérielle en soustrayant le décalage moyen enregistré lors de la boucle de test d’initialisation de tous les horodatages de regard.
   3. Voir le tableau 4 pour un exemple schématique des lignes de données synchronisées illustrant cette intégration au niveau analytique. Notez comment cette matrice fusionne les coordonnées de regard continu, les indicateurs d’événements d’interaction discrète et les indices AOI dynamiques à la résolution de la milliseconde pour former le jeu de données fondamental pour les calculs métriques ultérieurs.
   4. Implémentez la cartographie AOI dynamique pour surmonter les limites de la partition spatiale statique dans des environnements artistiques numériques fluides.
   5. Mapper chaque coordonnée de fixation aux AOI actifs spécifiquement mis à jour pour ce timestamp exact de la milliseconde en utilisant un algorithme point-in-polygone.
   6. REMARQUE : Cela garantit que même lorsque les éléments visuels bougent ou changent d’état en continu, les données de regard sont correctement attribuées à l’objet interactif prévu plutôt qu’à un emplacement fixe et obsolète de l’écran.
   7. Attribuer la priorité aux AOI qui se chevauchent en utilisant une règle hiérarchique stricte du z-buffer. Mapper la coordonnée brute (x,y) du regard au tableau de boîtes englobantes mis à jour à ce précis milliseconde.
   8. Si la coordonnée se trouve dans plusieurs boîtes englobantes actives, attribuez la fixation exclusivement à l’AOI avec l’indice de couche de rendu le plus élevé (l’élément visuel le plus important). Rejetez les données qui se chevauchent des couches inférieures pour éviter le double comptage.
   9. Calculez le pourcentage de fixations non cartographiées. Assurez-vous que cela reste ≤ 0,18 (18 %) pour vérifier la complétude des définitions de l’AOI.
4. Calcul métrique
   1. Calculez les métriques sur trois dimensions comme montré dans le cadre de la Figure 1 :
   2. Calculer la TTFF, définie strictement comme le temps écoulé entre le début d’un stimulus visuel spécifique et le début de la première fixation dans son AOI cible correspondante. Calculer le temps de séjour (durée totale de fixation dans une zone de réflexion) et le taux de revisite.
   3. Calculez les matrices de transition pour quantifier le changement d’attention. Calculez la probabilité de transition P_AB de passer d’AOI A à AOI B en divisant le nombre de transitions de regard de vers par le nombre total de transitions provenant de A. Calculez le taux de changement en divisant le nombre total de transitions inter-AOI par la durée valide de la tâche.
   4. Calculez l’entropie globale du regard (H) en utilisant la formule de la théorie de l’information de Shannon pour quantifier l’aléatoire de l’exploration visuelle. Formulez l’équation comme suit :
      (1)
      où les variables sont définies comme suit : : Entropie globale du regard, représentant la dispersion de l’attention visuelle. N : Le nombre total d’AOI dynamiques définies dans la scène. p_i : La probabilité que le regard se pose dans une zone d’attaque spécifique . Cela est dérivé de la proportion du temps de permanence dans l’AOI par rapport à la durée totale valide de la tâche.
   5. Agrégez ces indicateurs par phase de tâche (Exploration libre vs. Objectif dirigé).
5. Modélisation statistique
   1. Assemblez le jeu de données final en fusionnant les métriques calculées avec les scores d’enquête.
   2. Effectuer une analyse factorielle confirmatoire (CFA) pour valider les concepts d’utilisabilité et de satisfaction.
   3. Utilisez des modèles à effets mixtes ou la modélisation des équations structurelles (SEM) pour tester les hypothèses (par exemple, la latence d’interaction prédit le changement d’attention, le changement d’attention prédit l’utilisabilité).

Results

Caractéristiques de l’échantillon et qualité des données

L’application de ce protocole a recruté 43 étudiants, dont 37 ont finalement été inclus dans l’analyse finale (taux d’inclusion : 86,0 %). Comme détaillé dans le tableau 3, l’exclusion de 6 participants résultait exclusivement du respect des protocoles de qualité des données : pertes de suivi/mauvaise calibration (n=2), échantillons manquants excessifs (n=2), tâches inco...

Discussion

Cette étude établit un cadre validé de mesure du suivi oculaire spécifiquement adapté à l’art numérique interactif. Au cœur des résultats, les résultats indiquent que la cartographie dynamique de la zone d’intérêt (AOI), couplée à une synchronisation multimodale au niveau de la milliseconde, quantifie avec succès les déplacements d’attention visuelle au niveau micro auparavant obscurcis dans les milieux fluides. Théoriquement, cette recherche comble le fossé conceptuel entre l’observatio...

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
Eye Tracker	Tobii AB	Pro Nano	capture du regard à l’écran à 60 Hz ; Étalonnage à 5/9 points
Moniteur	ASUS	VP249QGR	23,8'', 1920 & Times ; 1080; Distance de vue ~65 cm
PC d’interaction	Dell	OptiPlex 7010	Windows 10 ; exécute l’interface + les logs
Horloge de synchronisation	Coutumes	v1.0	Unifie le regard & ; Horodatages d’interaction
Analyseur de fixation	Open source	I-VT	Seuil de fixation 80 & ndash ; 120 ms.
AOI Mapper	Coutumes	Point-in-polygone 2D	Mape regarde vers des AOI statiques/dynamiques