מסגרת מדידה מבוססת מעקב עיניים לכמת קשב חזותי בסביבות אמנות דיגיטלית אינטראקטיביות מבוססות מסך

Summary

פרוטוקול זה מתאר מסגרת מקיפה לכימות תשומת לב חזותית באמנות דיגיטלית אינטראקטיבית. הוא מפרט את ארכיטקטורת המערכת לסנכרון נתוני מעקב עיניים עם יומני אינטראקציה, את השיטה למיפוי דינמי של אזור עניין (AOI), ואת הצינור האנליטי לקישור דינמיקת תשומת הלב לתוצאות חוויית המשתמש.

Abstract

מאמר זה מציג מסגרת מדידה מבוססת מבט, שנועדה לכמת את תשומת הלב הוויזואלית במהלך חוויות אמנות דיגיטלית אינטראקטיביות ולקשר בין דינמיקת תשומת הלב לתוצאות חווייתיות. בניגוד לצפייה באמנות סטטית מסורתית, אמנות דיגיטלית אינטראקטיבית כוללת מדיה דינמית, מידע רב-מקורי ולולאות משוב רציפות, שמאתגרות שיטות סטנדרטיות למעקב עיניים. המערכת המוצעת משלבת רכישת מעקב עיניים, רישום אינטראקציות, סנכרון חותמות זמן, מיפוי דינמי של אזור עניין (AOI) וחישוב מטרי לתוך צינור מאוחד. הפרוטוקול מתאר את פיתוח זרימת העבודה הניתנת לשחזור הנתונים שמיישרת את נתוני המבט לאירועי אינטראקציה ספציפיים, ומאפשרת חישובים מדויקים של הקצאת קשב, עלויות החלפה ואנטרופיה חקרנית. עיצוב הניסוי כולל גם חקירה חופשית וגם משימות מונחות מטרה, כפי שהודגם במחקר עם 37 משתתפים. תוצאות מהיישום של פרוטוקול זה מצביעות על תחושת ידידותיות גבוהה למשתמש ולשביעות רצון, כאשר מודלים של מדידה תומכים במודל דו-מבנה של שימושיות ושביעות רצון. יתרה מזאת, מידול תוצאות מאשר כי השימושיות הנתפסת פועלת כמנבא יסודי לשביעות רצון המשתמש הכוללת, בעוד שההדגמה חד-מקרה מאמת את יכולת הצינור לכמת שינויים בהקשב המודע להקשר. פרוטוקול זה מספק לחוקרים ולמעצבים מערך כלים קפדני וניתן לשחזור לניתוח כיצד אלמנטים של עיצוב אינטראקציה — כגון השהיית משוב ועוצמת הכוונה — מעצבים את תשומת הלב של המשתמש ואת החוויות הסובייקטיביות בסביבות דיגיטליות סוחפות.

Introduction

אמנות דיגיטלית אינטראקטיבית כוללת מגוון רחב של מודאליות, מהתקנות מרחביות סוחפות ועד פלטפורמות אינטראקטיביות מבוססות מסך ^1,2. בעוד שמערכות סוחפות לחלוטין מייצגות את הגבול של התפתחות זו, אמנות אינטראקטיבית מבוססת מסך נותרה מדיום יסוד שדורש בדחיפות שיטות הערכה קפדניות וסטנדרטיות לפני התרחבות מרחבית בלתי מוגבלת. מודאליות זו למעשה מגדירה מחדש את תפקיד הקהל מתצפית פסיבית ליצירה משותפת פעילה, שבה ההשתתפות מעצבת ישירות את משמעות היצירה³. מסגרות קלאסיות בפסיכולוגיה האמנותית, ובמיוחד המודל המשולב של תפיסת האמנות של וינה (VIMAP), מציעות עדשה מתוחכמת להבנת האינטראקציה בין שליטה קוגניטיבית מלמעלה למטה לבין עיבוד תפיסתי מלמטה למעלה במהלך מפגשים אסתטיים. עם זאת, בעוד שמודלים אלו מספקים בסיס איתן לתצפית סטטית, הרחבת היישומים החדשים שלהם לסביבות דיגיטליות אינטראקטיביות דורשת טכניקות מדידה מתקדמות. תרגום המבנים התיאורטיים הללו ליישומים אינטראקטיביים מחייב מדדים פיזיולוגיים בזמן אמת כדי ללכוד באופן אובייקטיבי את לולאת המשוב המתמשכת בין קלט המשתמש לתגובת המערכת. כתוצאה מכך, המעבר מצפייה סטטית לאינטראקציה פעילה מוסיף מורכבות משמעותית בהערכת חוויית המשתמש. שיטות ההערכה המרכזיות הנוכחיות בתחום מתבססות בעיקר על שאלונים לאחר האירוע, ראיונות רטרוספקטיביים ותצפיות באתר לגבי הרגלי הצפייה, רצף הצפייה^{וזמן השהייה} של הצופים. לעיתים קרובות מדדים אלה מלווים במדדים התנהגותיים גסים כמו משך השהייה הכולל ותדירות לחיצה⁵. בעוד ששיטות כאלה יעילות בלכידת העדפות כלליות ושביעות רצון כללית, הן מתקשות באופן יסודי לעקוב אחרי שינויי תשומת הלב בזמן אמת ברמת מיקרו שמתרחשים במהלך החוויה. בניגוד לשאלונים רטרוספקטיביים שמסתמכים על שלירה מאוחרת ולכן חשופים להטיות קוגניטיביות, מסגרת מעקב העיניים המוצעת מספקת נתונים פיזיולוגיים רציפים, בזמן אמת ואובייקטיביים. יתרה מזאת, בהשוואה למדדים התנהגותיים גסים כמו זמן השהייה הכולל או תדרי קליקים שטחיים, שיטה זו המופעלת על ידי מבט לוכדת תהליכים קוגניטיביים ברמה מיקרו—כגון רגעי היסוס, אסטרטגיות חיפוש חזותי, ותגובות תפיסתיות מיידיות למשוב מערכת. באמצעות כך, היא מספקת ראיות מעמיקות ומעמיקות לעיצוב אינטראקציה איטרטיבית שחסרות באופן יסודי שיטות הערכה מסורתיות⁶. טכנולוגיה זו מציעה מדדים ברמת התהליך להבנת הקצאת תשומת הלב, תחזוקה ושינוי באמנות אינטראקטיבית, ומספקת מדדים פיזיולוגיים אובייקטיביים של מצב הקוגניטיבי של המשתמש ^7,8,9. על ידי ניתוח מתי, היכן וכמה זמן המשתמש מתבונן באלמנטים מסוימים, חוקרים יכולים לספק תמיכה אובייקטיבית לאופטימיזציה של תערוכות ועיצוב אינטראקטיבי. עם זאת, יישום מעקב עיניים בהקשר של חוויות אמנות דיגיטלית אינטראקטיבית מציב אתגרים טכניים ומתודולוגיים רבים, לא טריוויאליים, שמבדילים אותו מבדיקות שימושיות סטנדרטיות או צפייה סטטית בתמונה.

סביבות אינטראקטיביות כוללות לעיתים קרובות מדיה דינמית, מקורות מידע מרובים ומשימות מורכבות רב-שלביות. הגירויים הוויזואליים אינם קבועים; הם מתפתחים בהתאם לקלט של המשתמש. השינויים המתמידים בגירויים הוויזואליים ובמשוב המערכת גורמים לשינויים מהירים בקשב בין עצמים נעים לאזורי ממשק. הדינמיות הזו הופכת סגמנטציה מסורתית, סטטית, מבוססת ממשק ופרשנות מטריות לרגישות לעיוות^10,11. לדוגמה, אזור עניין (AOI) שרלוונטי ברגע אחד עשוי להיעלם או לשנות את משמעותו הסמנטית ברגע הבא, מה שהופך את מפות החום הסטטיות ללא מספקות.

בנוסף, אינטראקציות בעולם האמיתי כוללות לעיתים קרובות התנהגויות פיזיות טבעיות כמו תנועות ראש, סתימות, ומרחקים משתנים מהמסך, מה שמוביל לסטיית כיול^12,13. תנודות אלו באיכות המעקב גורמות לערכים חסרים ורעש, ומפחיתות את ההשוואה בין נושאים ואת יציבות הבדיקות הסטטיסטיות. פרוטוקולים סטנדרטיים במעבדה דורשים לעיתים קרובות ייצוב קשיח (למשל, מנוחות סנטר) שמפחית מהחוויה הטבעית הנדרשת להערכת אמנות¹⁴. לכן, פרוטוקול יעיל חייב לאזן בין בקרת איכות נתונים קפדנית לבין התוקף האקולוגי של עמדת המשתמש. באמצעות מעקב עיניים מרחוק מבוסס מסך, המסגרת המוצעת מאפשרת תנועות מיקרו טבעיות ובלתי מוגבלות של הגוף והראש, ומשמשת כבסיס פרגמטי ללכידת תגובות אסתטיות ללא מגבלות פיזיות פולשניות.

חשוב לציין, הסנכרון הזמני בין נתוני תנועות העיניים לבין יומני אינטראקציה משפיע ישירות על הפרשנות הסיבתית. במשימת צפייה סטטית, תחילת הגירוי היא סמן הזמן הרלוונטי היחיד. באמנות אינטראקטיבית, כל מגע, מחווה או טריגר מבט מפעילים הפניה חדשה לאירועים זמניים. ללא מדד זמן מאוחד ומנגנון יישור אירועים, קשה לקבוע האם שינויים בתשומת הלב מופעלים על ידי משוב מערכתי או מונעים על ידי אסטרטגיות חקירה בודדות¹⁵. כדי להעריך אמנות דיגיטלית באופן מקיף, החוקרים מסתמכים בדרך כלל על שני מקורות נתונים מובחנים: יומני אינטראקציה (לכידת קלטים ומצבי מערכת) ואותות פיזיולוגיים (כגון מעקב אחר מבט לתשומת לב ויזואלית). עם זאת, מודליות אלו מנותחות לעיתים קרובות בנפרד. שילוב מוקדם בצינור האנליטי הוא חיוני מבחינה קונספטואלית ומעשית כי הם משלימים זה את זה: יומני אינטראקציה מספקים את ה'טריגר' הקונטקסטואלי המדויק (מה ומתי של משוב מערכת), בעוד שנתוני מבט רציפים חושפים את ה'תגובה' הקוגניטיבית המתאימה (היכן ואיך של הקצאת תשומת הלב). ללא זמן מאוחד, יישור ביצועים ואירועים רב-מודליים, קשה לקבוע האם שינוי קשב נגרם על ידי משוב מערכתי (למשל, אפקט גל חזותי) או מונע על ידי אסטרטגיות חקירה אישיות. על ידי מיזוג זרמי הנתונים הללו, מסגרת זו מספקת את היתרון התיאורטי של סגירת הלולאה הסיבתית בין תכונות עיצוב אינטראקטיביות לבין קוגניציה של המשתמש.

לכן, קידום מחקר מעקב עיניים לאמנות אינטראקטיבית דורש יותר מאשר רק לכידת נקודות קיבוע; זה דורש בקרת איכות קפדנית, יישור מסונכרן ותהליכי עבודה של עיבוד נתונים שניתן לשחזר. המגבלות של הפתרונות הקיימים מדגישות עוד יותר את המוטיבציה המחקרית הזו. מחקרי מעקב עיניים קיימים בהקשרים אמנותיים מתמקדים בעיקר במשימות צפייה סטטית או מתייחסים לתיאורים טקסטואליים ומדריכי טיולים כמשתנים חיצוניים, ללא שילוב עם מנגנונים אינטראקטיביים^16,17. בעוד שהראיות מצביעות על כך ששיטות הצגת מידע ואסטרטגיות הנחיה יכולות לשנות משמעותית את מסלולי הקשב ונקודות המוקד של הצופים, רוב הממצאים נשארים ברמת מתאמים להתערבות יחידה, ואינם מסבירים כיצד לולאות משוב אינטראקטיביות מעצבות אסטרטגיות קשב לאורך כל תקופת החוויה.

לעומת זאת, בעוד שפרקטיקות אמנות אינטראקטיביות פיתחו מערכות אב-טיפוס המשתמשות במבט כקלט אינטראקציה טבעי—המדגישות את המעבר של הצופים מצופים פסיביים למשתתפים פעילים—מאמצים אלו מתמקדים לעיתים קרובות בהדגמות התקנה או באימות טכני^18,19. לעיתים קרובות חסרים מדדי קשב מאוחדים, פרדיגמות ניסיוניות ניתנות לשכפול, ומודלים מחקריים סגורים שמבססים קשרים ניתנים לבדיקה בין דינמיקות קשב לתוצאות חווייתיות. פער זה מונע את פיתוח עקרונות עיצוב ניתנים להעברה שיכולים לחזות באופן אמין כיצד בחירת עיצוב מסוימת (למשל, מהירות המעבר הוויזואלי) תשפיע על תחושת ההטמעה או השימושיות של המשתמש.

באופן קריטי, הספרות הקיימת חסרה מסגרת מגובשת שמיישרת באופן יסודי את תשומת הלב הוויזואלית עם מערכות אינטראקטיביות בזמן אמת. בעוד שהתפתחויות במיפוי AOI דינמי וסינכרון אירועי מבט נחקרו בהקשרים כלליים של HCI, הן נדירותן משולבות בסביבה הנוזלית והמשתנה מאוד של אמנות דיגיטלית. הפער המחקרי הבסיסי טמון בחוסר היכולת של הערכות חד-מודאליות קיימות להסביר את הלולאה הסיבתית בין משוב המערכת לקוגניציה של המשתמש. באמצעות שילוב מוקדם של נתונים מולטימודליים—ובפרט, מיזוג קואורדינטות מבט רציף עם יומני אינטראקציה מדויקים במילישניות—חוקרים יכולים לחרוג ממדדי השימושיות הבסיסיים. אינטגרציה זו מספקת את היתרון התיאורטי של ייחוס הסטות קשב ספציפיות ברמת מיקרו (למשל, אסטרטגיות חיפוש מול מיקוד יציב) ישירות לבחירות עיצוב אינטראקציה ספציפיות, והופכת את הזרימה החווייתית מתחושה סובייקטיבית למצב קוגניטיבי שניתן לכמות.

כדי להתמודד עם פערים אלו, פרוטוקול זה מציע מסגרת מדידת קשב מונחית מעקב עיניים, המוגבלת במיוחד לאמנות דיגיטלית אינטראקטיבית מבוססת מסך. בעוד שהצינור הטכני הבסיסי חולק דמיון מבני לבדיקות אינטראקציה גנריות בין אדם למחשב (HCI), מסגרת זו משלבת באופן ייחודי משימות אסתטיות לא-שימושיות (למשל, חקירה חזותית חופשית של מדיה גנרטיבית) לצד פעולות מכוונות מטרה. אינטגרציה זו מבדילה במפורש את הטבע הזורם והחוקר של הערכת אמנות לבין הגישה השימושית הסטנדרטית להערכת תוכנה. תיאורטית, מחקר זה פועל בצומת בין אמנות דיגיטלית אינטראקטיבית, HCI וניתוח מעקב עיניים. הוא מתמודד הן עם האתגר המתמשך של אפיון אובייקטיבי של הזרימה החווייתית המתמשכת בהערכת אמנות דיגיטלית וגם בקביעת הקשר בין קלט אינטראקטיבי לפלט קשב.

היקף המחקר ממקם את המחקר לא רק בהקשר החווייתי של אמנות דיגיטלית אינטראקטיבית, אלא גם בשילוב נתוני מעקב עיניים עם יומני אינטראקציה כדי להקים שרשרת ראיות שיטתית — מקלט חווייתי ועד מדדי קשב ולבסוף למשתני תוצאה. ברמת המערכת, אנו מקימים צינור נתונים ניתן לשחזור המשלב לכידת תנועות עיניים, הקלטת יומן אינטראקציה וסנכרון זמני לארכיטקטורה מאוחדת. מסגרת זו מסטנדרטית עיבוד מוקדם, מיפוי אזורים ויצירת מדדי תשומת לב, תוך מתן מבני נתונים ניתנים למעקב וסקריפטים אנליטיים.

המסגרת המושגית (איור 1) מבהירה כיצד עיצוב אינטראקציה משפיע על תוצאות סובייקטיביות על ידי שינוי תהליכי הקשב הוויזואלי של הצופים. הלוגיקה המרכזית מתייחסת לאלמנטים של אינטראקציה (כגון השהיה במשוב ועוצמת ההנחייה) כקלטים ניתנים לשליטה, לדינמיקת קשב חזותי כמשתני מפתח בתהליך, ולתוצאות החוויה (הטמעה, שימושיות, שביעות רצון) כפלטים. הבדלים אישיים משולבים כגורמים מתונים. לעיצוב ניסוי, מפותחות משימות אינטראקטיביות שמאזנות בין חקירה חופשית למטרות ממוקדות מטרה. ברמת המידול, אנו מקשרים בין דינמיקות קשב למשתני תוצאה כדי לבחון את המנגנונים שבאמצעותם אלמנטים של עיצוב אינטראקציה משפיעים על חוויית המשתמש דרך קשב חזותי. פרוטוקול זה מספק שלבים מתודולוגיים מפורטים לשכפול מסגרת זו, ומבטיח שניתן למדוד את האינטראקציה המורכבת בין המשתמש, המערכת והאמנות בקפדנות מדעית.

Protocol

מחקר זה בוצע בהתאם להנחיות המוסדיות של הפקולטה לחדשנות ועיצוב באוניברסיטת העיר מקאו. כל המשתתפים נתנו הסכמה מדעת לפני איסוף הנתונים.

1. פיתוח מערכת ותצורת ארכיטקטורה

1. הגדר את תהליך המחקר
   1. אמצו את תהליך הלולאה הסגורה בארבעה שלבים כפי שמוצג באיור 2: פיתוח מערכת, ניסוי מעקב עיניים, אנליטיקה ומידול תוצאות.
   2. ודא שזרימת העבודה מאפשרת שיפור איטרטיבי, שבו נתונים משלב האנליטיקה יכולים להנחות התאמות בפיתוח המערכת לאיטרציות עתידיות.
2. הגדרת ארכיטקטורת המערכת
   1. בנה את המערכת באמצעות ארכיטקטורת הצינור המוצג באיור 3, הכוללת חמישה מודולים מובחנים: ניסיון (משימות), מעקב עיניים, יומנים, סנכרון (סנכרון) ואנליטיקה.
   2. מודול הניסיון: פיתוח ממשק האמנות האינטראקטיבי שישמש כנקודת כניסה מאוחדת. הגדר אותו ליצירת שני זרמי נתונים מקבילים:
      1. זרם נתוני מעקב עיניים: פלט קואורדינטות גולמיות של המבט וחותמות זמן מהמכשיר.
      2. שיטת יומן אינטראקציה: תעד פעולות משתמש (קליקים, מחוות) ושינויים במצב המערכת (טריגרים של משוב, מעברי סצנות).
   3. מימוש סקריפט של פרוטוקול דטאגרם משתמש (UDP) בתוך מודול הסינכרון כדי לשלוח סימני אירועים ממנוע האינטראקציה לרינדור ל-API של עוקב העיניים בדיוק במילישנייה שבה גירוי ויזואלי משתנה, או שנרשם קלט משתמש.
   4. העריך את יציבות ההיסט על ידי הרצת לולאת בדיקת סנכרון של 60 שניות לפני הניסוי. ודאו שהסטיית התקן (SD) של ההשהיה בין שעון האינטראקציה לשעון עוקב העין נשארת מתחת ל-6.5 מילישניות (לפי טבלה 1). אם ה-SD עולה על 6.5 מילישניות, אפס את חיבור הרשת וכיייל מחדש.
   5. אחסון נתונים מיושר: הגדר את מסד הנתונים או מערכת הקבצים לאחסן נתונים מיושרים כאשר כל נקודת נתונים מכילה קואורדינטות מבט מסונכרנות, דגלי אירועים ומדדי AOI.
3. הקמת לולאת זמן הריצה של המערכת
   1. מימוש לולאת זמן הריצה כפי שמוצג באיור 4.
   2. תכנתו את הרצף כך שיתאים בקפדנות: התחל סשן → כיול → טעינת סצנה + AOIs → לולאת זמן אמת (אינטראקציה עם המשתמש / לכידת מבט / משוב רינדור).
   3. ודא שצינור הנתונים (כתיבת יומנים → סינכרון חותמת זמן → ניתוח קיבוע → מיפוי AOI) פועל מיד לאחר איסוף הנתונים כדי לאפשר בדיקות איכות מהירות.

2. גירוי ועיצוב אינטראקציה

1. בחירת מודאליות אינטראקציה
   1. בחר את מודאליות האינטראקציה בהתבסס על הטקסונומיה. בחר בין אינטראקציה מבוססת מבט, אינטראקציה מבוססת מגע/מחווה, או אינטראקציה משולבת מרובת משתמשים, בהתאם לשאלת המחקר.
   2. לפרוטוקול זה, יש ליישם שילוב של קלטי מבט ומגע כדי להיצמד לעיקרון של מזעור קושי הקלט תוך מקסום פירוש הפלט.
2. הגדר את מודולי האינטראקציה ואירועי הטריגר.
   הערה: כאן, "מודול אינטראקציה" מוגדר תפעולית כיחידה פונקציונלית בדידה של היצירה הדיגיטלית (למשל, אפקט ויזואלי אינטראקטיבי מסוים), בעוד ש"אירוע טריגר" מתייחס לקלט המשתמש או לשינוי מצב המערכת הספציפי שמפעיל את המודול בזמן מדויק של אלפית שנייה.
   1. תכנת את מודולי האינטראקציה הספציפיים המוגדרים בטבלה 2.
   2. מושך סביבתי: הגדר את הטריגר למצב כניסה לסצנה או מצב סרק למשך ≥ 3.2 שניות. הגדר את תגובת הקשב הצפויה כחקירה רחבה יותר ופיזור מבט גבוה יותר.
   3. הדגשת מבט: הגדר את ההדק כאשר המבט נשאר על אובייקט AOI ≥ 420 מילישניות. ודא שזה מפעיל הדגשה ויזואלית שמחזקת את הריכוז.
   4. ריפל מגע: מיישם אפקט גלים ויזואליים בקואורדינטות (x,y) בלחיצה על אירוע הקנבס. תיעוד שינויים במשרעת הסאקדה לאחר חזית הגל.
   5. אות מונחה: תכנת רמז ויזואלי שיופיע במשך 1.4–2.1 שניות ב-AOI מוגדר מראש. מדוד את זמן הקיבוע הראשון (TTFF) באמצעות הרמז הזה.
   6. שער בחירה: צור נקודת החלטה שבה המשתמש בוחר אחת מתוך 3 אפשרויות בתוך 7.5 שניות. השתמש בזה כדי למדוד זמן השהייה באופציה שנבחרה לעומת אפשרויות שנדחו.
3. תחומי עניין עיצוביים (AOIs)
   1. צור AOIs סטטיים ודינמיים כפי שמוצג באיור 5.
   2. הגדר AOIs סטטיים עבור רכיבי ממשק משתמש קבוע (UI) (למשל, תפריטים, גבולות).
   3. הגדר AOIs דינמיים עבור אלמנטים חזותיים נעים (למשל, כדורים צפים, מערכות חלקיקים). ודא שקואורדינטות AOI מתעדכנות בקובץ הלוג בקצב רענון המערכת.
   4. יישגו תיוג סמנטי עבור AOIs (למשל, אובייקט יעד, Distract, טקסט הוראה) כדי להקל על חישוב אמינות סמנטית במהלך הניתוח.

3. גיוס וסינון משתתפים

1. אסטרטגיית גיוס
   1. גייסו משתתפים מקהל רלוונטי (למשל, סטודנטים באוניברסיטה ללימודי אמנות דיגיטלית) כדי להבטיח בסיס לאוריינות דיגיטלית.
   2. קבל הסכמה מדעת ותדריך את המשתתפים על טיב הליך מעקב העיניים.
2. קריטריוני סינון
   1. מסך לחדות ראייה. ודאו שלמשתתפים יש ראייה תקינה או מתוקנת לנורמלית.
   2. להוציא אנשים עם מחלות עיניים (כגון סטרביזמוס, אסטיגמציה חמורה) שמפריעות לכיול מעקב עיניים סטנדרטי.
   3. בדיקת כיול: במהלך ההגדרה הראשונית, בצע כיול של 5 או 9 נקודות. יש להוציא משתתפים שלא מצליחים להגיע לשגיאת כיול ממוצעת של ≤ 0.85° או שמפגינים אובדן מעקב מתמשך (יחס מדגם תקף < 85%).
   4. נתונים דמוגרפיים רשומים, כולל גיל, מגדר, ידיים וחשיפה לאמנות דיגיטלית מדווחת על עצמה (ראו פרמטרים של טבלה 3 ).

4. הליך ניסיוני

1. מבנה פיזי
   1. בצע את הניסוי בחדר שקט עם תאורה סביבתית יציבה. הימנעו מאור שמש ישיר או השתקפויות חזקות על המסך.
   2. הושבים את המשתתף במרחק צפייה קבוע (למשל, 60–70 ס"מ) המתאים ליחידת מעקב עיניים מסחרית מבוססת מסך.
   3. כוון את גובה הכיסא כך שעיני המשתתף יהיו בגובה מרכז המסך.
2. ביצוע מושב
   1. כיול: מבצעים את שגרת הכיול. אמת את הדיוק. אם הדריפט > 1.10°, בצע כיול מחדש (בדיקת דריפט).
   2. ניסוי תרגול: ניהול מפגש תרגול סטנדרטי (כ-2 דקות) כדי להכיר את המשתתף לפרוטוקולי האינטראקציה (למשל, כיצד להפעיל את ההיילייט של המבט).
   3. ביצוע משימות: הצג את שני סוגי המשימות בסדר מאוזן כדי למזער השפעות רצף:
      1. משימת חקירה חופשית: הנחה את המשתתף "לחקור בחופשיות את האמנות וליצור אינטראקציה עם אלמנטים שמעניינים אותך."
      2. משימה מכוונת מטרה: הנחה את המשתתף "מצא אלמנטים נסתרים מסוימים" או "להשלים את רצף האינטראקציה כדי לפתוח את התמונה הוויזואלית הסופית."
   4. הקלטת נתונים: ודא שהמערכת רושמת אוטומטית הן את שידור מעקב העיניים והן את יומני האינטראקציה עם חותמות זמן מאוחדות לאורך כל המשימות.
   5. שאלונים לאחר משימה: מיד לאחר כל בלוק משימה, יש לבצע את סולמות החוויה (הטמעה, הנאה אסתטית, שימושיות, שביעות רצון).

5. צינור עיבוד וניתוח נתונים

1. עיבוד נתונים מוקדם ובקרת איכות
   1. עיין באיור 6 לסקירה מקיפה של צינור עיבוד הגזים. סכמטיקה ויזואלית זו מגדירה את השלבים הסדרתיים הנדרשים להמרת קואורדינטות מבט גולמיות לנתונים אנליטיים ניתנים לפרשנות: בקרת איכות אותות ראשונית (כולל אינטרפולציה של מצמוצים וסינון מרחבי), ניתוח מבוסס מהירות של תנועות עיניים לקיבועים וסקאדות, מיפוי דינמי של נקודות מבט לאזורי עניין פעילים (AOIs), והחישוב הסופי של מדדי קשב כמותיים.
   2. לטפל בהבהוב וניתוק אותות באמצעות צינור סטנדרטי של אינטרפולציה וסינון. זהה מצמוצים ואובדן אותות שבהם קוטר האישונים שווה לאפס, או שדגלי תוקף מעקב אינם תקפים.
   3. לרווחים קצרים (≤75 מילישניות), יש ליישם אלגוריתם אינטרפולציה ליניארית כדי להעריך את קואורדינטות המבט החסרות. לפערים העולים על 75 מילישניות, יש להשאיר את הנתונים ללא מיפוי כדי למנוע יצירת ארטיפקטים מלאכותיים. לאחר האינטרפולציה, יש להחיל מסנן ממוצע נע (גודל חלון = 3 דגימות) כדי להחליק רעש תדר גבוה קלים.
   4. זהה והסרת חריגים מרחביים המוגדרים כנקודות מבט הנופלות מחוץ לגבולות המסך הפיזיים או המדגימות מהירויות סקאדיות ביולוגיות בלתי אפשריות (> 1000^o/s).
   5. חשב את שבר הנשירה הסופי; החריגו מפגשים שבהם ההפסד הבלתי ניתן לשחזור עולה על 12% ממשך המשימה הכולל.
   6. הפעילו תיקון סטייה ברמת ניסוי. אם זוהה סטייה שיטתית במהלך בדיקת האימות מיד לפני בלוק משימה מסוים, יש ליישם וקטור תיקון קואורדינטות ליניארי על נתוני המבט הגולמי של אותו ניסוי ספציפי כדי לפצות על שינויים קלים ביציבת הראש.
2. קיבוע וניתוח סקאדות
   1. החלו את אלגוריתם הזיהוי באמצעות סף מהירות (I-VT). סווג נקודות נתונים גולמיות כסאקדות אם מהירות תנועת העין עולה על 30°/שנייה; אחרת, סווג אותם כקיבועים.
   2. יש להחיל סף מינימום של 80 מילישניות לסינון מיקרו-סקאדות ורעש ארטיפקטים.
   3. סווג תנועות עיניים לקיבועים (מבט יציב) וסאקאדות (תנועה מהירה). צור טבלת קיבוע וטבלת סקאדה.
3. יישור זמני ומיפוי AOI
   1. יישר את חותמות הזמן של אירועי המבט עם חותמות הזמן של יומן האינטראקציה באמצעות סימני האירועים של UDP כעוגן ההתייחסות המוחלט.
   2. מתקן כל עיכוב שידור חומרתי מובנה על ידי הפחתת ההסטה הממוצעת שנרשמה במהלך לולאת בדיקת האתחול מכל חותמות הזמן של המבט.
   3. עיין בטבלה 4 לדוגמה סכמטית של שורות הנתונים המסונכרנות שממחישות אינטגרציה זו ברמה האנליטית. שימו לב כיצד מטריצה זו ממזגת קואורדינטות מבט רציפות, דגלי אירועי אינטראקציה דיסקרטיים ואינדקסים דינמיים של AOI ברזולוציה של אלפיות שנייה כדי ליצור את מערך הנתונים הבסיסי לחישוב מטרי עתידי.
   4. יישום מיפוי AOI דינמי כדי להתגבר על המגבלות של חלוקה מרחבית סטטית בסביבות אמנות דיגיטלית נוזלית.
   5. מפות כל קואורדינטת קיבוע ל-AOIs הפעילים שעודכנו במיוחד עבור חותמת הזמן המדויקת של אלפיות שנייה באמצעות אלגוריתם נקודה בפוליגון.
   6. הערה: זה מבטיח שגם כאשר אלמנטים ויזואליים זזים או משנים את מצבם באופן רציף, נתוני המבט מיוחסים נכון לאובייקט האינטראקטיבי המיועד ולא למיקום מסך קבוע ומיושן.
   7. הקצה עדיפות ל-AOIs חופפים באמצעות כלל היררכי מחמיר של z-buffer. מפות את קואורדינטת המבט הגולמי (x,y) למערך תיבת הגבול שמתעדכן באותה אלפית שנייה ספציפית.
   8. אם הקואורדינטה נמצאת בתוך מספר תיבות גבול פעילות, יש להקצות את הקיבוע אך ורק ל-AOI עם אינדקס שכבת הרינדור הגבוה ביותר (האלמנט הוויזואלי החשוב ביותר). השליכו נתונים חופפים מהשכבות התחתונות כדי למנוע ספירה כפולה.
   9. חשב את אחוז ההתמקדויות הלא ממופות. ודא שזה נשאר ≤ 0.18 (18%) כדי לוודא את שלמות הגדרות AOI.
4. חישוב מטרי
   1. חישוב מדדים בשלושה ממדים כפי שמוצג במסגרת איור 1 :
   2. חשב TTFF, המוגדר אך ורק כזמן שחלף מהתחלת גירוי חזותי מסוים ועד תחילת הקיבוע הראשון בתוך AOI היעד המתאים לו. חשב זמן שהייה (משך קיבוע כולל בתוך AOI) וקצב ביקור חוזר.
   3. חישב מטריצות מעבר לכימות החלפת קשב. חשב את הסתברות המעבר P_AB למעבר מ-AOI A ל-AOI B על ידי חלוקת מספר מעברי המבט מ- ל- במספר המעברים הכולל שמקורם ב-A. חשב את קצב ההחלפה על ידי חלוקת סך כל המעברים בין AOI באורך המשימה התקין.
   4. חשב את אנטרופיית המבט הגלובלית (H) באמצעות נוסחת תורת המידע של שאנון כדי לכמת את האקראיות של החקירה הוויזואלית. נסח את המשוואה כך:
      (1)
      כאשר המשתנים מוגדרים כך: : אנטרופיית המבט הגלובלי, המייצגת את פיזור תשומת הלב החזותית. N: המספר הכולל של AOIs דינמיים מוגדרים בסצנה. p_i: ההסתברות שהמבט ינחת בתוך AOI מסוים. זה נגזר מהיחס של זמן השהייה ב-AOI ביחס למשך המשימה התקף הכולל.
   5. אסוף מדדים אלו לפי שלב המשימה (חקירה חופשית לעומת חקירה מכוונת מטרה).
5. מודלים סטטיסטיים
   1. הרכיבו את מערך הנתונים הסופי המשלב מדדים מחושבים עם ציוני הסקר.
   2. בצע ניתוח גורמי אישור (CFA) כדי לאמת את המבנים של שימושיות ושביעות רצון.
   3. השתמש במודלים מעורבים או במודלים של משוואות מבניות (SEM) כדי לבדוק את ההשערות (למשל, השהיית אינטראקציה חוזה החלפת קשב, החלפת קשב חוזה שמישות).

Results

מאפייני המדגם ואיכות הנתונים

יישום פרוטוקול זה גייס 43 סטודנטים, מתוכם 37 נכללו בסופו של דבר בניתוח הסופי (שיעור הכללה: 86.0%). כפי שמפורט בטבלה 3, ההדרה של 6 משתתפים נבעה אך ורק מהיצמדות לפרוטוקולי איכות הנתונים: אובדן מעקב/כיול לקוי (n=2), דגימות חסרות יתר (n=2), משימות לא הושלמו עקב מחלת תנועה מדווחת עצמית בשלב האינטראקטיבי (n=1), ופרישה מרצון עקב קונפליקטים אישיים בלוחות זמנים לפני השלמת הסקרים (n=1). המדגם שנכלל הציג איכו...

Discussion

מחקר זה קובע מסגרת מדידה מאומתת למעקב עיניים, המותאמת במיוחד לאמנות דיגיטלית אינטראקטיבית. בעיקרון, הממצאים מצביעים על כך שמיפוי אזור עניין דינמי (AOI) בשילוב עם סנכרון רב-מודלי ברמת אלפיות שנייה מצליח לכמת את הזזות הקשב הראייתי ברמת מיקרו שבעבר היו מוסתרים במדיה נוזלית. תיאורטית, מחקר זה מגשר על הפער המושגי בין מודלים של תצפית פסיבית למודלים של השתתפות פעילה על ידי קביעת שימושיות פונקציונלית כמנבא מדיד למעלה הזרם של סיפוק סובייקטיבי בהקשרים אינטראקטיביים. למעשה, הצינור המוצע מצייד את המ...

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
עוקב עיניים	טובי AB	פרו ננו	לכידת מבט מבוססת מסך 60 הרץ; כיול 5/9 נקודות
מוניטור	ASUS	VP249QGR	23.8'', 1920× 1080; מרחק צפייה ~65 ס"מ
אינטראקשן PC	דל	OptiPlex 7010	Windows 10; מריץ ממשק + לוגים
שעון סינכרון	מנהג	גרסה 1.0	מאחד את המבט והמבט חותמות זמן אינטראקציה
מנתח קיבוע	קוד פתוח	I-VT	סף קיבוע 80&ndeck; 120 מילישניות.
AOI Mapper	מנהג	נקודת מצולע דו-ממדית	מבט מפות ל-AOIs סטטיים/דינמיים