Name: מתודולוגיה ללכידת תשומת לב ויזואלית משותפת באמצעות עוקבים אחר העין הניידת (וידאו) | JoVE Journal
Uploaded: 2020-01-18T14:00:00.000+00:00
Duration: 12 min 39 s
Description: למד מתודולוגיה ללכידת תשומת לב ויזואלית משותפת באמצעות עוקבים אחר העין הניידת. שיטה זו מאפשרת למדוד אינטראקציות חברתיות בהקשרים חינוכיים בזמן אמת.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

פיתוח מתודולוגיה זו נתמך על ידי הקרן הלאומית למדע (NSF #0835854), טכנולוגיות הבית המובילות לחינוך לייעוד, הממומן על ידי מזכירות המדינה השווייצרית לחינוך, מחקר וחדשנות, וקרן החינוך הממלכתי של בית הספר של הרווארד.

1. הקרנת משתתפת
<ol><li>ודא כי המשתתפים עם חזון רגיל או מתוקן לנורמלי מגויסים. בגלל שהמשתתפים יתבקש ללבוש מכשיר מעקב נייד, הם יכולים להרכיב עדשות מגע אבל לא משקפיים רגילים.</li>
</ol>2. הכנה לניסוי
<ol><li>מכשירי מעקב אחר עיניים<ol>
<li>השתמש בכל עין מכשיר נייד מסוגל ללכוד את תנועת העין בסביבות העולם האמיתי. הערה: העין עוקבים הנייד המשמש כאן היו שתי המשקפיים Tobii Pro 2 (ראה טבלת חומרים). בנוסף מצלמות מיוחדות שיכולות לעקוב אחר תנועות עיניים, המשקפיים מצוידים גם מצלמה HD סצינה מיקרופון כך המבט יכול להיות דמיינו בהקשר של השדה החזותי של המשתמש. משקפיים אלה ללכוד את נתוני המבט 50 פעמים בשנייה. חוקרים אחרים השתמשו ASL Mobile העין5, smi6, או התלמיד-מעבדות7, כולם מספקים זרמי וידאו ממצלמת הסצינה ואת קואורדינטות מעקב העין בשיעורי דגימה שונים (30-120 Hz). ההליך שלהלן עשוי להשתנות מעט עם התקנים אחרים למעקב אחר עיניים.</li>
	</ol>
</li>
	<li>Fiducial סמנים<ol>
<li>שני השלבים הבאים (כלומר, יישור הזמני והמרחבי) דורשים שימוש fiducial סמנים. קיימות מספר ספריות לראיית מחשבים המספקות לחוקרים סמנים ואלגוריתמים אלה כדי לאתר אותם בתמונה או בהזנת וידאו. הפרוטוקול שמתואר משתמש בספריה Chilitag8.</li>
	</ol>
</li>
	<li>יישור זמני<ol>
<li>מכיוון שנתוני מעקב העין נרשמים בשתי יחידות נפרדות, ודא שהנתונים מסונכרנים כראוי (איור 1). ניתן להשתמש בשתי שיטות עיקריות. כתב יד זה מכסה רק את השיטה הראשונה, מכיוון שסנכרון השרת פועל באופן שונה עם כל מותג של מעקב העין הנייד.<ol>
<li>הצג בקצרה סמן fiducial על מסך מחשב כדי לסמן את ההתחלה ואת סוף ההפעלה. הדבר דומה לזיבה יד ויזואלית (איור 2).</li>
			<li>לחלופין, השתמש בשרת כדי לסנכרן את השעונים של שתי יחידות איסוף הנתונים. שיטה זו מדויקת מעט יותר ומומלצת יותר אם יש צורך בדיוק מיותר בזמן הרקה.</li>
		</ol>
</li>
	</ol>
</li>
	<li>יישור מרחבי<ol>
<li>כדי לגלות אם שני משתתפים מסתכלים באותו מקום באותו הזמן, ממפים את הביט שלהם למישור משותף. מטוס זה יכול להיות תמונה של ההגדרה הניסיונית (לראות את הצד השמאלי של איור 3). תכנן את התמונה בקפידה לפני הניסוי.</li>
		<li>גודל הסמנים הfiducial: הגודל הכללי של הסמנים הfiducial תלוי באלגוריתם המשמש לזיהוי הווידאו מעקב אחר העין. למשטחים הקרובים למשתתפים יכולים להיות סמנים fiducial קטנים יותר, בעוד שמשטחים רחוקים מהם צריכים להיות גדולים יותר, כך שהם ייראו דומים מנקודת המבט של המשתתפים. נסה במידות שונות מראש כדי לוודא שניתן לזהות אותן מווידאו המעקב אחר העין.</li>
		<li>מספר סמני fiducial: כדי להפוך את התהליך של נקודות מבט של מיפוי למישור משותף מוצלח, ודא שמספר סמני fiducial גלויים מנקודת המבט של המשתתפים בכל זמן נתון.</li>
		<li>מיקום סמני fiducial: מסגרת תחומי עניין רלוונטיים עם רצועות של fiducial סמנים (למשל, לראות את מסך המחשב הנישא באיור 3).</li>
	</ol>
</li>
	<li>לבסוף, הפעל טייסים כדי לבדוק את פרוצדורת הסנכרון וקבע את המיקום האופטימלי, הגודל והמספר של סמני fiducial. ניתן לעבד סרטוני מעקב אחר עיניים באמצעות אלגוריתם לראיית מחשב כדי לראות אם הסמנים הfiducial מזוהים באופן אמין.</li>
</ol>3. הרצת הניסוי
<ol><li>וראות<ol>
<li>להנחות את המשתתפים לשים את המשקפיים מעקב עין כפי שהם היו זוג נורמלי של משקפיים. בהתבסס על תכונות הפנים הנפרדות של המשתתפים, ייתכן שיהיה צורך להשתמש בפיסות אף של גבהים שונים כדי לשמר את איכות הנתונים.</li>
		<li>לאחר שהדליק את העין, המשתתפים מקליטים את יחידת ההקלטה לעצמם כדי לאפשר תנועת גוף טבעית.</li>
	</ol>
</li>
	<li>כיול<ol>
<li>הורה למשתתפים לבדוק את מרכז סמן הכיול שסופק על-ידי Tobii בזמן שפונקציית הכיול של התוכנה מופעלת. לאחר השלמת הכיול, ניתן להפעיל את ההקלטה מתוך התוכנה.</li>
		<li>הורה למשתתפים לא להעביר את מכשיר העיניים הנייד לאחר הכיול. אם כן, סביר להניח שהנתונים לא יהיו מדויקים ויהיה צורך לבצע שוב את תהליך הכיול.</li>
	</ol>
</li>
	<li>ניטור נתונים<ol>
<li>נטר את תהליך איסוף הנתונים במהלך המחקר וודא שנתוני מעקב העיניים נאספים כראוי. רוב העוקבים הניידים יכולים לספק זרם חי על מכשיר נפרד (למשל, טבליה) למטרה זו.</li>
	</ol>
</li>
	<li>יצוא נתונים<ol>
<li>לאחר שהפעלת ההקלטה תושלם, הורה למשתתף להסיר את משקפי המעקב והיחידה לאיסוף הנתונים. . כבה את היחידה</li>
		<li>חילוץ נתונים באמצעות תוכנה אחרת, מעבדת הפרו של Tobii, על-ידי הסרת כרטיס ה-SD מיחידת איסוף הנתונים לייבא את נתוני ההפעלה. Tobii Pro מעבדה ניתן להשתמש כדי להפעיל שוב את הווידאו, ליצור פריטים חזותיים, ולייצא את נתוני מעקב אחר העיניים כקבצי מופרדים בפסיקים (. csv) או מופרדים באמצעות טאבים (. tsv).</li>
	</ol>
</li>
</ol>4. עיבוד מקדים של נתוני מעקב אחר העין הכפולה
<ol><li>שפיות בדיקת נתונים מעקב אחר העין<ol>
<li>בדוק את נתוני מעקב העין באופן חזותי לאחר איסוף הנתונים. זה לא נדיר שמשתתפים מסוימים חסרים נתונים. לדוגמה, כמה פיזיולוגיה עין מסוימת יכולים להוות בעיות באלגוריתמים למעקב אחר עיניים, המשקפיים עשויות לנוע במהלך הניסוי, תוכנת איסוף הנתונים עשויה לקרוס, וכו '.</li>
		<li>השתמש בסטטיסטיקה תיאורית כדי לבדוק את מידת הנתונים שאבדו במהלך כל הפעלה והכללת הפעלות בעלי כמויות משמעותיות של נתונים חסרים או רועשים.</li>
	</ol></li>
	<li>יישור זמני<ol>
<li>חתוך את הנתונים מכל אחד מעוקב העין הנייד כדי לכלול רק אינטראקציות בין המשתתפים. ניתן להשיג זאת באמצעות השיטה המתוארת לעיל (כלומר, הצגת שני סמנים fiducial מיוחדים למשתתפים בתחילת ובסוף ההפעלה). לאחר מכן ניתן לזהות סמנים fiducial אלה מהווידאו מעקב אחר העין כדי לקצץ את ערכות הנתונים.</li>
	</ol></li>
	<li>יישור מרחבי הערה: כדי לגלות אם שני משתתפים מסתכלים באותו מקום בו זמנית, יש צורך למפות מחדש את מבט המשתתפים על מישור משותף (כלומר, תמונה של ההגדרה הניסיונית). שיטה חישובית להשגת מטרה זו היא הומוגרפיה (כלומר, שינוי פרספקטיבה של מישור). מנקודת מבט טכנית, שתי תמונות של אותו משטח מישורי בחלל קשורות על ידי מטריצה הומוגרפיה. בהתבסס על קבוצה משותפת של נקודות, ניתן להשתמש במטריצה זו כדי להסיק את המיקום של נקודות נוספות בין שני מישורים. באיור 3, לדוגמה, אם אלגוריתם לראיית מחשב יודע היכן הסמנים הfiducial נמצאים בדף המידע, הוא יכול למפות מחדש את מבטו של המשתתף אל המישור המשותף בצד שמאל. הקווים הלבנים מחברים את שתי סדרות הנקודות המשותפות להזנת הווידאו של כל משתתף והסצינה, המשמשים לבניית ההומוגרפיה כדי למפות מחדש את הנקודות הירוקות והכחולות בצד שמאל.<ol>
<li>השתמש בגרסה פיתון של OpenCV, למשל, כדי לחשב את מטריצת הומוגרפיה מן סמנים fiducial ולאחר מכן למפות מחדש את הנתונים מעקב אחר העין לזירת ההגדרה הניסיונית (או כל ספריה מתאימה אחרת בשפה של בחירה). Opencv מספק שתי פונקציות שימושיות: findhomography () כדי לקבל את מטריצת הומוגרפיה, ו perspec, המרה() כדי להפוך את הנקודה מנקודת מבט אחת לשנייה.</li>
		<li>כדי להשתמש בפקודה Findhomography (), הפעל עם שני ארגומנטים: הקואורדינטות X, Y של נקודות המקור (כלומר, הסמנים הfiducial שזוהו מסרטון הווידאו של המשתתפים, המוצגים מימין באיור 3) ונקודות היעד המתאימות (כלומר, אותם סמנים fiducials שאותרו בתמונת הסצנה, המוצגים משמאל באיור 3)</li>
		<li>האכילו את מטריצת ההומוגרפיה הנוצרת בפונקציה Perspec, יחד עם נקודה חדשה שצריכה להיות ממופה מתמונת המקור לתמונת היעד (לדוגמה, נתוני מעקב העיניים המוצגים כנקודה כחולה/ירוקה בצד ימין של איור 3). הפונקציה Perspec, transform , מחזירה את הקואורדינטות החדשות של אותה נקודה בתמונת הסצנה (כלומר, הנקודות הכחולות/ירוקות המוצגות בצד שמאל של איור 3). הערה: לקבלת מידע נוסף, התיעוד הרשמי של OpenCV מספק קוד לדוגמה ודוגמאות ליישום הומוגרפיה: docs.opencv.org/master/d1/de0/tutorial_py_feature_homography.html.</li>
	</ol></li>
	<li>שפיות בודקת את ההומוגרפיה<ol>
<li>השלם מקטע 4.3 עבור ההפעלה כולה, ולבצע הומוגרפיה על כל מסגרת של הווידאו מעקב העין הנייד כדי לבדוק את האיכות של הומוגרפיה. אמנם אין דרכים אוטומטיות להעריך את הדיוק של נתוני מעקב העין שהתקבל, קטעי וידאו כמו זה המוצג באיור 4 יש להשתמש כדי שפיות ידנית לבדוק כל הפעלה.</li>
		<li>אם האיכות נמוכה מהצפוי, שקול פרמטרים נוספים כדי לשפר את התוצאות של ההומוגרפיה:<ol>
<li>מספר הסמנים fiducial זוהה: רק לבצע את ההומוגרפיה אם ניתן לזהות מספיק fiducial סמנים מזרם הווידאו. מספר זה יכול להיקבע על ידי בחינת הווידאו המיוצר לעיל.</li>
			<li>מיקום של סמנים fiducial: אם סמנים שונים נמצאים בעומקים ובכיוונים שונים, האיכות של הומוגרפיה עולה בדרך כלל כאשר הסמנים הקרובים ביותר קואורדינטות המבט נבחרו, בהתחשב בכך שיש מספיק סמנים כדי לבנות חזקה . הומוגרפיה</li>
			<li>התמצאות של סמני fiducial: שילוב fiducial סמנים בעלי אוריינטציה שונה (לדוגמה, אופקי ואנכי) יפיקו הומוגרפיות לא מדויקות. מומלץ לזהות תחילה באיזה מישור או תחומי עניין (א) המשתתף מסתכל (למשל, מסך המחשב, גיליון לרמות, הטבלה, ראה איור 3) ולאחר מכן להשתמש בסמנים fiducial על מישור זה עבור הומוגרפיה.</li>
			<li>איכות זרם הווידאו: תנועות ראש פתאומיות יכול לטשטש מסגרות וידאו ולהפוך את הנתונים לבלתי שמיש, משום fiducial סמנים לא ניתן לזהות באופן אמין (איור 4). המתודולוגיה של נייר זה אינה מתאימה לניסויים הכרוכים בהרבה תנועות ראש פתאומיות.</li>
		</ol>
</li>
	</ol></li>
</ol>5. ניתוח נתוני מעקב אחר עיניים כפולות
<ol><li>נתונים חסרים<ol>
<li>כדי לוודא שהנתונים מחוברים כראוי לתמונת הייחוס, הציגו גרפים חזותיים (כגון, איור 5, איור 6) וסטטיסטיקה תיאורית כדי לבדוק את מידת הנתונים החסרים.</li>
	</ol>
</li>
	<li>גרפים בין מופע חוזר<ol>
<li>השתמש בגרפים של מופע חוזר9 כדי לייצג סינכרון חזותי בין שני משתתפים (איור 6), כאשר ציר ה-X מייצג את הזמן עבור המשתתף הראשון, וציר ה-Y מייצג את הזמן עבור המשתתף השני. ריבועים שחורים מצביעים על כך שהמשתתפים מסתכלים באותו אזור, קו אלכסוני שחור מתאר שני נושאים הנראים באותו הדבר בדיוק באותו זמן, וריבועים שחורים מחוץ לקו האלכסוני מתאר כאשר שני נושאים להסתכל על אותו הדבר עם השהיה זמן. לבסוף, הבחנה בין נתונים חסרים (ריבוע לבן) לבין נתונים קיימים ללא JVA (ריבועים אפורים) מסייעת בזיהוי הפעלות בעייתיות. זה מספק לחוקרים בדיקת שפיות חזותית.</li>
	</ol>
</li>
	<li>מיחשוב JVA<ol>
<li>לאחר סינון נתונים חסרים, חשב מדד עבור JVA על-ידי ספירת מספר הפעמים בהן מביט המשתתפים באותו רדיוס בסצינה (מוגדר להלן) בחלון זמן של 2/+ 2. חלק מספר זה לפי מספר נקודות הנתונים החוקיות שניתן להשתמש בהן לחישוב JVA. התוצאה של החטיבה מייצגת את אחוזי הזמן ששני נושאים התבוננות במשותף באותו מקום. זה השלב האחרון הוא הכרחי כדי למנוע מנפח את הציונים של קבוצות עם יותר נתונים לאחר ההומוגרפיה. הערה: יש להגדיר שני פרמטרים לפני JVA יכול להיות מחושב, את המרחק המינימלי בין שני נקודות מבט, ואת חלון הזמן ביניהם (איור 7): 1) חלון זמן: מחקר היסוד מוקדם10 השתמשו עין מעקב אחד כדי למדוד jva בין מאזין ורמקול. החוקרים שאלו קבוצה ראשונה של משתתפים ("רמקולים") כדי לדבר על תוכנית טלוויזיה שהדמויות שלהם הוצגו לפניהם. קבוצה שנייה של משתתפים ("מאזינים") צפו באותה תוכנית תוך כדי האזנה להקלטות אודיו של הדוברים. תנועות העיניים של הרמקולים והמאזינים הושוו, והתגלה כי תנועות העין של המאזין התאימו היטב לתנועת העין של הדובר בעיכוב של 2 ס. בעבודה הבאים11 חוקרים ניתחו דיאלוגים חיים מצאו כי עיכוב של 3 הרגעים הטובים ביותר שנתפסו של jva. מכיוון שכל משימה היא ייחודית והיא עשויה להציג משימות זמן שונות, היא גם מוצעת לחקור כיצד פערים שונים משפיעים על התוצאות של ניסוי נתון. בסך הכל, מקובל לחפש jva בחלון הזמן ± 2/3 s בהתאם למשימה ניסיוני ולאחר מכן לחקור כיצד פערים זמן שונה עשוי לשנות את התוצאות. 2) מרחק בין מביט: אין מרחק מוגדר מדעית בין שני מביט להם לספור כמו JVA. מרחק זה תלוי בשאלות המחקר שהוגדרו על ידי החוקרים. שאלות המחקר צריכות להודיע על הגודל של יעדי הריבית. בדוגמה לראות באיור 7, רדיוס של 100 פיקסלים על התמונה הסצינה (עיגולים כחול/ירוק) נבחר לניתוח כי זה מספיק כדי ללכוד כאשר המשתתפים מסתכלים על הרובוט במבוך, כמו גם ברכיבים דומים ממשק משתמש על מסך המחשב, שהם שני תחומי העניין העיקריים עבור משימה ניסיונית זו.</li>
	</ol>
</li>
</ol>

<ol><li>Tomasello, M. Joint attention as social cognition. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aTomasello%2C+M+%22Joint+attention%3A+Its+origins+and+role+in+development%22">Joint attention: Its origins and role in development</a>. Moore, C., Dunham, P. J. , Lawrence Erlbaum Associates, Inc. Hillsdale, NJ, England. 103-130 (1995).</li>
<li>Mundy, P., Sigman, M., Kasari, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+longitudinal+study+of+joint+attention+and+language+development+in+autistic+children%5BTitle%5D)+AND+%22Journal+of+Autism+and+Developmental+Disorders%22%5BJournal%5D)">A longitudinal study of joint attention and language development in autistic children.</a> Journal of Autism and Developmental Disorders. 20, 115-128 (1990).</li>
<li>Clark, H. H., Brennan, S. E. Grounding in communication. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aClark%2C+HH+%22Perspectives+on+socially+shared+cognition%22">Perspectives on socially shared cognition</a>. Resnick, L. B., Levine, J. M., Teasley, S. D. , American Psychological Association. Washington, DC, US. 127-149 (1991).</li>
<li>Siposova, B., Carpenter, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+new+look+at+joint+attention+and+common+knowledge%5BTitle%5D)+AND+%22Cognition%22%5BJournal%5D)">A new look at joint attention and common knowledge.</a> Cognition. 189, 260-274 (2019).</li>
<li>Gergle, D., Clark, A. T. See What I'm Saying?: Using Dyadic Mobile Eye Tracking to Study Collaborative Reference. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aGergle%2C+D+%22Proceedings+of+the+ACM+2011+Conference+on+Computer+Supported+Cooperative+Work%22">Proceedings of the ACM 2011 Conference on Computer Supported Cooperative Work</a>. , ACM. New York, NY, USA. 435-444 (2011).</li>
<li>Renner, P., Pfeiffer, T., Wachsmuth, I. Spatial References with Gaze and Pointing in Shared Space of Humans and Robots. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aRenner%2C+P+%22Spatial+Cognition+IX%22">Spatial Cognition IX</a>. Freksa, C., Nebel, B., Hegarty, M., Barkowsky, T. , Springer International Publishing. 121-136 (2014).</li>
<li>Shvarts, A. Y. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Automatic+detection+of+gaze+convergence+in+multimodal+collaboration%3A+a+dual+eye-tracking+technology%5BTitle%5D)+AND+%22The+Russian+Journal+of+Cognitive+Science%22%5BJournal%5D)">Automatic detection of gaze convergence in multimodal collaboration: a dual eye-tracking technology.</a> The Russian Journal of Cognitive Science. 5, 4(2018).</li>
<li>Bonnard, Q., et al. Chilitags: Robust Fiducial Markers for Augmented Reality [software]. , Available from: 
 <a target="_blank" href="https://github.com/chili-epfl/qml-chilitags">https://github.com/chili-epfl/qml-chilitags</a> (2013).</li>
<li>Jermann, P., Mullins, D., Nüssli, M. -A., Dillenbourg, P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Collaborative+Gaze+Footprints%3A+Correlates+of+Interaction+Quality.+Connecting+Computer-Supported+Collaborative+Learning+to+Policy+and+Practice%5BTitle%5D)+AND+%22CSCL2011+Conference+Proceedings.%2C+Volume+I+-+Long+Papers%22%5BJournal%5D)">Collaborative Gaze Footprints: Correlates of Interaction Quality. Connecting Computer-Supported Collaborative Learning to Policy and Practice.</a> CSCL2011 Conference Proceedings., Volume I - Long Papers. , 184-191 (2011).</li>
<li>Richardson, D. C., Dale, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Looking+To+Understand%3A+The+Coupling+Between+Speakers%27+and+Listeners%27+Eye+Movements+and+Its+Relationship+to+Discourse+Comprehension%5BTitle%5D)+AND+%22Trends+in+Cognitive+Sciences%22%5BJournal%5D)">Looking To Understand: The Coupling Between Speakers' and Listeners' Eye Movements and Its Relationship to Discourse Comprehension.</a> Trends in Cognitive Sciences. 29, 1045-1060 (2005).</li>
<li>Richardson, D. C., Dale, R., Kirkham, N. Z. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+Art+of+Conversation+Is+Coordination+Common+Ground+and+the+Coupling+of+Eye+Movements+During+Dialogue%5BTitle%5D)+AND+%22Psychological+Science%22%5BJournal%5D)">The Art of Conversation Is Coordination Common Ground and the Coupling of Eye Movements During Dialogue.</a> Psychological Science. 18, 407-413 (2007).</li>
<li>Schneider, B., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Using+Mobile+Eye-Trackers+to+Unpack+the+Perceptual+Benefits+of+a+Tangible+User+Interface+for+Collaborative+Learning%5BTitle%5D)+AND+%22ACM+Transactions+on+Computer-Human+Interaction%22%5BJournal%5D)">Using Mobile Eye-Trackers to Unpack the Perceptual Benefits of a Tangible User Interface for Collaborative Learning.</a> ACM Transactions on Computer-Human Interaction. 23, 1-23 (2016).</li>
<li>Meier, A., Spada, H., Rummel, N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+rating+scheme+for+assessing+the+quality+of+computer-supported+collaboration+processes%5BTitle%5D)+AND+%22Int.+J.+Comput.-Support.+Collab.+Learn%22%5BJournal%5D)">A rating scheme for assessing the quality of computer-supported collaboration processes.</a> Int. J. Comput.-Support. Collab. Learn. 2, 63-86 (2007).</li>
<li>Schneider, B., Pea, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Real-time+mutual+gaze+perception+enhances+collaborative+learning+and+collaboration+quality%5BTitle%5D)+AND+%22Journal+of+Computer-Supported+Collaborative+Learning%22%5BJournal%5D)">Real-time mutual gaze perception enhances collaborative learning and collaboration quality.</a> Journal of Computer-Supported Collaborative Learning. 8, 375-397 (2013).</li>
</ol>

המחברים מצהירים כי אין להם אינטרסים פיננסיים מתחרים.

המתודולוגיה המתוארת במאמר זה מספקת דרך קפדנית ללכוד JVA בתוך dyads ממוקם. עם הופעתה של טכנולוגיית חישה במחיר סביר ואלגוריתמים משופרים לראיית המחשב, כעת ניתן ללמוד אינטראקציות שיתופיות עם דיוק שהיה לא זמין בעבר. מתודולוגיה זו ממנפת סמנים fiducial המופץ בסביבה ומשתמשת הומוגרפיות כדרך למיפוי מחדש של המשתתפים בתוך מישור משותף. זה מאפשר לחוקרים ללמוד בקפדנות JVA בקבוצות ממוקם.
שיטה זו כוללת בדיקות שפיות מרובות שצריך לבצע בשלב שונים של הניסוי. מכיוון שזהו הליך מורכב, החוקרים צריכים לוודא כי ערכות הנ...

JVA כבר נחקרו בהרחבה במהלך המאה האחרונה, במיוחד על ידי פסיכולוגים התפתחותיים ללמוד רכישת שפה. זה הוקם במהירות כי תשומת לב משותפת היא יותר מסתם דרך ללמוד מילים אלא מבשר מראש לתיאוריות של הילדים של המוח1. לפיכך, היא ממלאת תפקיד משמעותי בתהליכים חברתיים רבים, כגון תקשורת עם אחרים, שיתוף פעולה ופיתוח אמפתיה. ילדים אוטיסטים, למשל, חוסר יכולת לתאם את תשומת הלב החזותית שלהם עם המטפלים שלהם, אשר קשורה לליקויים חברתיים משמעותיים2. בני האדם זקוקים לתשומת לב משותפת כדי להפוך לחברים פונקציונליים של החברה, לתאם את פעולותיהם וללמוד מאחרים. מילדים הרוכשים את המילים הראשונות שלהם, בני נוער לומדים ממורי בית ספר, סטודנטים המשתפים פעולה בפרויקטים, ולקבוצות של מבוגרים העובדים למען מטרות משותפות, תשומת לב משותפת היא מנגנון בסיסי להקמת הקרקע המשותפת בין היחידים3. במאמר זה, אני מתמקד במחקר של JVA במחקר חינוכי. הבנת אופן הטיפול המשותף במשך הזמן היא בעלת חשיבות עיקרית לחקר תהליכי למידה משותפים. ככזה, הוא משחק תפקיד דומיננטי בהגדרות הסוציוביסטית.
ההגדרה המדויקת לתשומת לב משותפת עדיין נדונהבארבע. נייר זה מודאג עם מבנה משנה של תשומת לב משותפת (JA), כלומר JVA. JVA קורה כאשר שני נושאים מסתכלים באותו מקום בו זמנית. יצוין כי JVA אינו מספק כל מידע על מבנים חשובים אחרים של עניין במחקר של JA, כגון ניטור משותף, הדדית, תשומת לב משותפת, או יותר באופן כללי, מודעות של הכרה של חבר אחר בקבוצה. נייר זה מבצע הפעלה ומפשט את JVA על ידי שילוב נתוני מעקב אחר העין משני משתתפים וניתוח התדר שבו הם מיישר את הביט שלהם. לדיון מקיף יותר, הקורא המעוניין יכול ללמוד עוד על חקר המבנה של ה-JA בסיפוסואט אל.4.
במהלך העשור האחרון, ההתקדמות הטכנולוגית הפכה באופן קיצוני למחקר על JVA. משמרת הפרדיגמה העיקרית הייתה להשתמש במספר עוקבים כדי להשיג מדדים כמותיים של המערכים האטתיים, בניגוד לניתוח הקלטות וידאו ובקרה במעבדה או בסביבה אקולוגית. התפתחות זו אפשרה לחוקרים לאסוף מידע מדויק ומפורט על תיאום חזותי של לסביות. בנוסף, עוקבים העין הופכים סבירים יותר: עד לאחרונה, השימוש שלהם שמורה הגדרות אקדמיות או תאגידים גדולים. כעת ניתן לרכוש מעוקבים העין זול שיוצרים מערכות נתונים אמין. לבסוף, את ההכללה הפרוגרסיבית של יכולות מעקב המבט לתוך התקנים קיימים כמו מחשבים נישאים high-end ו-אוזניות מציאות וירטואלית ורבודה מציע כי מעקב אחר העין בקרוב יהיה בכל מקום.
בגלל הפופולריזציה של מכשירי מעקב אחר עיניים, חשוב להבין מה הם יכולים ולא יכול לספר לנו על אינטראקציות חברתיות. המתודולוגיה המוצגת במאמר זה מסמנת צעד ראשון בכיוון זה. אני מטפל בשני אתגרים בלכידת JVA ממספר עוקבים: סנכרון הנתונים ב-1) הסולם הזמני, ו -2 בקנה מידה מרחבי. באופן ספציפי יותר, פרוטוקול זה עושה שימוש fiducial סמנים ממוקמים בסביבות העולם האמיתי כדי ליידע את האלגוריתמים לראיית מחשב שבו המשתתפים מורידים את המבט. סוג חדש זה של מתודולוגיה מפחית את הדרך לניתוח קפדני של התנהגות אנושית בקבוצות קטנות.
פרוטוקול מחקר זה תואם את ההנחיות של ועדת האתיקה של המחקר האנושי באוניברסיטת הרווארד.

<table><tbody><tr><td>משקפי Tobii 2</td><td>Tobii</td><td>N/A</td><td><a href="https://www.tobiipro.com/product-listing/tobii-pro-glasses-2/" target="_blank">https://www.tobiipro.com/product-listing/tobii-pro-glasses-2/</a></td></tr><tr><td>סמני Fiducial</td><td>Chili lab &ndash; EPFL, שווייץ</td><td>N/A</td><td><a href="https://github.com/chili-epfl/chilitags" target="_blank">https://github.com/chili-epfl/chilitags</a></td></tr></tbody></table>

מתודולוגיה ללכידת תשומת לב ויזואלית משותפת באמצעות עוקבים אחר העין הניידת

A Methodology for Capturing Joint Visual Attention Using Mobile Eye-Trackers

עם הופעתו של פיתוחים טכנולוגיים חדשים, ניתן ללמוד אינטראקציות חברתיות במיקרורמה עם דיוק חסר תקדים. חיישנים בתדר גבוה, כגון עוקבים אחר העיניים, להקות הפעילות האלקטרועורי, להקות EEG, וחיישני תנועה מספקים תצפיות ברמת מילי-שניה. רמת דיוק זו מאפשרת לחוקרים לאסוף מערכות נתונים גדולות על אינטראקציות חברתיות. במאמר זה, אני דן כיצד מספר עוקבים העין יכולים ללכוד מבנה בסיסי באינטראקציות חברתיות, תשומת לב חזותית משותפת (JVA). JVA נחקרה על ידי פסיכולוגים התפתחותיים כדי להבין כיצד ילדים רוכשים שפה, מדענים לומדים להבין כיצד קבוצות קטנות של לומדים לעבוד יחד, מדענים חברתיים להבין אינטראקציות בקבוצות קטנות. נייר זה מתאר מתודולוגיה עבור לכידת JVA בהגדרות ממוקם באמצעות מעוקבים העין ניידים. היא מציגה כמה תוצאות אמפירית ודנה בהשלכות של לכידת מיקרו-תצפיות כדי להבין אינטראקציות חברתיות.

המתודולוגיה שהוצגה לעיל שימש ללימוד סטודנטים שהיו בעקבות תוכנית הכשרה מקצועית בלוגיסטיקה (n = 54)12. בניסוי זה, זוגות של סטודנטים במגע עם ממשק משתמש מוחשי (טואי) הדומה למחסן בקנה מידה קטן. הסמנים הfiducial שהונחו על הטוויטים אפשרו לצוות המחקר למפות מחדש את מביט התלמידים על מישור משותף ולחשב רמות של JVA. הממצאים הראו כי קבוצות שהיו רמות גבוהות יותר של JVA נטו לעשות טוב יותר במשימה שניתנה להם, למדו יותר, והיה לו איכות טובה יותר של שיתוף פעולה13 (איור 8</s...

שימוש בחיישנים רב-מודאליים הוא דרך מבטיחה להבין את התפקיד של אינטראקציות חברתיות בהגדרות חינוכיות. נייר זה מתאר מתודולוגיה עבור לכידת תשומת לב חזותית משותפת מתוך דיאדת ממוקם באמצעות מעוקבים העין ניידים.

With the advent of new technological advances, it is possible to study social interactions at a microlevel with unprecedented accuracy. High frequency ...

היי, שמי ברטרנד שניידר ואני פרופסור בבית הספר לחינוך לתארים מתקדמים בהרווארד. בסרטון זה אני הולך להראות לך איך אנחנו יכולים להשתמש עוקבי עיניים ניידים כדי ללכוד מבנה מרכזי למדעי החברה, תשומת לב חזותית משותפת. תשומת לב חזותית משותפת נחקרה בהרחבה על ידי פסיכולוגים נמצאה בקורלציה הדוקה לאיכות האינטראקציות בין חברי הקבוצה.מתברר שכאשר אנשים בונים מכנה משותף ויוצרים הבנה משותפת של משימה, הם נוטים לעתים קרובות להסתכל על אותו מקום בו זמנית. באופן מסורתי, חוקרים חקרו את תשומת הלב החזותית המשותפת באופן איכותי על ידי קידוד ידני של סרטונים. אני הולך להראות לך איך אנחנו יכולים להשתמש עוקבי עיניים ניידים כדי לקבל מדידה כמותית של מבנה זה בהגדרות שיתוף ממוקם.בסרטון זה נשתמש משקפיים Pro טובי 2. משקפיים אלה הם עוקבי עיניים לבישים שיכולים ללכוד תנועת עיניים בסביבות בעולם האמיתי. בנוסף למצלמות מיוחדות במסגרת למעקב אחר תנועות עיניים, המכשיר מצויד גם במצלמת סצנה באיכות HD מלאה ובמיקרופון, כך שניתן לדמיין את התנהגות המבט בהקשר של השדה החזותי של הלובש.עבור משקפיים אלה מבט נתפס 50 פעמים בשנייה ואת הזנת וידאו חי מן המשקפיים ניתן להזרים למחשב או באופן אלחוטי, או באמצעות כבל ethernet. עם זאת, למשקפיים יש מגבלה אחת, שכן הם לא יעבדו על משקפיים רגילים. ההליך להגדרת מעקב העיניים הוא פשוט יחסית.ראשית, המשתתפים יתבקשו לשים את משקפי המעקב אחר העיניים כפי שהם היו זוג משקפיים רגיל. בהתבסס על תווי הפנים הייחודיים של המשתתפים, ייתכן שיהיה צורך להשתמש בחלקי אף בגבהים שונים כדי לשמור על איכות הנתונים. לאחר הפעלת מעקב אחר העיניים, המשתתפים צריכים לגזור את יחידת איסוף הנתונים לאנשים שלהם כדי לאפשר תנועות גוף בלתי מרוסנות.יש לפתוח את בקר המשקפיים של Tobii Pro ולהנחות את המשתתפים להסתכל על מרכז סמן הכיול שמספק טובי, בעוד שפונקציית הכיול של התוכנה מופעלת. לאחר השלמת הכיול, ניתן להתחיל בהקלטה מתוך התוכנה. לאחר השלמת ההקלטה, סיים את ההקלטה בתוכנת Tobii לפני שתנחה את המשתתף להסיר את משקפי המעקב אחר העיניים ואת יחידת איסוף הנתונים.ואז, לכבות את היחידה. נתונים ניתן לחלץ באמצעות תוכנה אחרת, Tobii Pro Lab, על ידי הסרת כרטיס SD מיחידה איסוף נתונים והכנסת הכרטיס למחשב. Tobii Pro Lab הוא מסוגל לייבא את כל הפעלות ההקלטה המאוחסנות בכרטיס SD באותו זמן.לאחר מכן ניתן לעבד קבצים בתוך Tobii Pro Lab כדי ליצור קטעי וידאו, פריטים חזותיים שונים או להיות פלט כמו ערכים מופרדים באמצעות טאבים או קבצי TSV לניתוח נוסף. כאן תוכלו לראות את נתוני המעקב אחר העיניים הגולמיים ממחקר שערכנו לאחרונה, שבו שני משתתפים למדו לתכנת רובוט. בכל צד ניתן לראות את זרם הווידאו שנוצר על ידי כל עוקב עיניים עם מיקום המבט של המשתתף.כפי שאתה יכול לראות, אי אפשר לדעת אם הם מסתכלים על אותו מקום בו זמנית, כי נקודת המבט של כל משתתף שונה. בנוסף, הקלטת נתונים עשויה להתחיל בזמנים שונים. משמעות הדבר היא כי הנתונים צריכים להיות מסונכרנים באופן זמני ומ מרחבי.אני אראה לך איך לטפל בשתי הבעיות האלה בסרטון הזה. ראשית, אני הולך לתאר הליך לסנכרן את הנתונים באופן זמני. עבור המשתתף הראשון יש לך מספר מסוים של מסגרות וידאו.חלקם לפני או אחרי הפעילות הניסיונית בפועל. כמו המסגרת הראשונה, שבה הניסוי מכייל את עוקב העיניים. באופן דומה, עבור המשתתפים האחרים יש לך את אותו סוג של נתונים.הוא אינו מוצג כאן, אך כל מסגרת של הסרטון משויכת גם לתיאום x ו- y המייצג את המבט של כל משתתף. כדי לסנכרן את הנתונים, אנו מציגים בקצרה סמן נאמנות על מסך המחשב לפני ואחרי המשימה הניסיונית. באמצעות אלגוריתם ראייה ממוחשבת, אנו יכולים לזהות מתי סמן זה מוצג לכל משתתף, מה שמאפשר לנו לחתוך וליישר את הנתונים.לכן, זוהי דרך אחת להתמודד עם בעיות סינכרון נתונים. בחלקים הבאים, אנחנו הולכים להסתכל על הנושא השני:כיצד לסנכרן את הנתונים מרחבית. כפי שהוזכר קודם לכן, הנתונים מגיעים מכל עוקב אחר העיניים בצורה של הזנת וידאו הקשורה למיקום המבט של כל משתתף, כאן בכחול וירוק.בעוד שנקודות הציון x ו- y עשויות להיות זהות עבור שני המשתתפים, אין זה אומר שהם מסתכלים על אותו מקום מכיוון שהם מסתכלים על המסך משתי נקודות מבט שונות. אחת הדרכים לפתור בעיה זו היא לבנות תמונה של ההתקנה הניסיונית שתשמש כהפניה, והיכן נמפה מחדש את המיקום של המקרה של כל משתתף. זה מאפשר לנו לזהות עבור כל מסגרת של וידאו מעקב אחר העיניים, אם המשתתפים מסתכלים באותו מקום באותו זמן.אבל איך אנחנו למפות מחדש קואורדינטות אלה לתמונה בצד השמאל? אנחנו הולכים להשתמש באותו אלגוריתם ראייה שיתופית שאיפשר לנו לסנכרן את הנתונים קודם לכן. על ידי החלתו על כל פריים של הקלטות הווידאו, אנו יכולים כעת לזהות את המיקום של סמני הנאמנות מנקודת המבט של המשתתפים.זה מאפשר לנו לחבר את אותם סמנים על תמונת הייחוס בצד שמאל. על ידי ידיעת הקואורדינטות של קבוצת נקודות משותפת זו, אנו יכולים להסיק את מיקום מבטו של כל אדם באמצעות פעולה מתמטית הידועה כהומוגרפיה. על ידי החלת הליך זה על כל מסגרת, אנו יכולים ליצור וידאו כדי לוודא כי הומוגרפיה עבדה.בצד ימין ניתן לראות את הקלטת הווידאו של כל משתתף עם מיקום מבטו בכחול וירוק. אותם סמנים נאמנות מחוברים לקו לבן בין התמונה משמאל לבין נקודת המבט של המשתתף בצד ימין. המבטים הממופים מוצגים משמאל והם הופכים לאדומים כאשר יש תשומת לב חזותית משותפת.יצירת וידאו זה היא צעד חשוב לקראת לוודא כי הנתונים נקיים כי הומוגרפיה בוצעה כראוי. בנוסף, ישנם שני פריטים חזותיים אחרים שניתן להפיק כדי לבדוק את הנתונים. ההדמיה הראשונה היא מפת חום.עבור כל משתתף אנו יכולים להתוות כל נקודת מבט על התמונה של ההתקנה הניסיונית. זה מבטיח כי ההומוגרפיה עבדה כראוי ומאפשרת לנו לסווג נקודות מקרה אלה לתחומי עניין שונים. כאן, למשל, אנו יכולים לראות כי רוב הזמן בילה מסתכל על מסך המחשב מעט מאוד זמן בילה מסתכל על גיליונות לרמות.הפריט החזותי השני נקרא גרף מופע חוזר צולב. גרפים של מופע חוזר חוצים מאפשרים לנו לדמיין נתוני מעקב אחר העיניים עבור זוג משתתפים. הזמן עבור המשתתף הראשון מוצג על ציר ה- x, הזמן עבור המשתתף השני מוצג על ציר y.ריבועים שחורים פירושם ששני המשתתפים מסתכלים על אותו מקום, הריבוע הלבן מייצג נתונים חסרים והריבוע האפור מייצג כאשר המשתתפים מסתכלים על מיקומים שונים. ריבועים שחורים לאורך האלכסון אומר שהם מסתכלים על אותו המקום באותו הזמן. ריבועים שחורים את האלכסון אומר כי המשתתפים מסתכלים על אותו מקום אבל בזמנים שונים.בצד שמאל, אתה יכול לראות דיאד עם רמות גבוהות של תשומת לב חזותית משותפת. באמצע, דיאד עם רמות נמוכות של תשומת לב חזותית משותפת. בצד ימין, קבוצה עם הרבה נתונים חסרים.על-ידי ביצוע בדיקות שפיות אלה, באפשרותך לוודא שסנכרנת כראוי ומיפית מחדש את הנתונים שלך לתמונה משותפת של ההתקנה הניסיונית. שלבים אלה הם קריטיים ויש לבצעם לפני כל ניתוח מתרחש. לבסוף, ישנם שני פרמטרים שיש לבחור לפני חישוב מדד של תשומת לב חזותית משותפת.הפרמטר הראשון הוא חלון הזמן שבו למשתתפים יכולים להסתכל על אותו מיקום. עבודה קודמת של ריצ'רדסון ודייל קבעה שזה יכול לקחת עד שתי שניות למשתתפים להתנתק ממה שהם עושים כדי לשים לב למה שהשותף שלהם עושה. לכן, קבענו שיש תשומת לב ויזואלית משותפת אם שני משתתפים הסתכלו על אותו מקום בתוך חלון פלוס ומינוס שתי שניות.הפרמטר השני הוא המרחק המינימלי בין שתי נקודות מבט עבורם כדי להעפיל כתשומת לב חזותית משותפת. מרחק זה תלוי הקשר וצריך להיות מוגדר על ידי חוקרים בהתאם למשימה המנוהלת ולשאלות המחקר שלהם. עבור משימות מסוימות, המרחק עשוי להיות קצר.כאן, למשל, השתמשנו ב-100 פיקסלים. עבור פעילויות אחרות מרחק זה עשוי להיות גדול יותר. לאחר מכן, אני הולך להציג כמה תוצאות שנמצאו באמצעות מתודולוגיה זו.לאחר שאתה מקבל הערכה עבור כמות תשומת הלב החזותית המשותפת בקבוצה, אתה יכול לתאם את המדד הזה עם משתנים אחרים של עניין. לדוגמה, בעבודה שתיאםנו מדד זה עם ערכת הדירוג שפותחה במדעי הלמידה הלוכדת איכות קבוצות של שיתוף פעולה. עבור כל קבוצה הקצינו ציון על התשיעיות של הממדים המוצגים כאן.לדוגמה, כמה טוב אנשים סבלו הבנה הדדית או באיזו קלות הם הגיעו לקונצנזוס. ציונים אלה צריכים לקבל אמינות הדדית מקובלת עם מיכסה אחרת. לבסוף, אנו יכולים גם לצבור ציונים אלה למדד כללי אחד המשוער איכות שיתוף פעולה עבור כל קבוצה.תוצאה שנמצאה בעבודה שלנו, כמו גם מחקרים אחרים היא כי תשומת לב חזותית משותפת מתואמת באופן משמעותי עם איכות שיתוף הפעולה, כפי שנמדד על ידי ערכת הדירוג שהוצגה קודם לכן. קבוצות המדורגות גבוה באמצעות ערכת קידוד זו נוטות לקבל תשומת לב חזותית משותפת יותר מאשר הקבוצות שקיבלו ציונים נמוכים. זה מראה כי אינטראקציות פרודוקטיביות קשורות לעתים קרובות עם תשומת לב חזותית משותפת יותר.בשקופית הבאה אני הולך להראות לך תוצאה נוספת שבונה על ממצא זה. לכן, אחד היתרונות של נתוני מעקב עיניים עדין הוא שאנחנו יכולים לחלץ אמצעים אחרים של תשומת לב חזותית משותפת. לדוגמה, אנו יכולים לחשב מי יזם והגיב להצעה של תשומת לב חזותית משותפת.בפרט, על ציר x של גרף זה הציון של אפס פירושו התפלגות שווה של התנהגויות אלה ציון אחד אומר כי אדם אחד תמיד היה מגיב או יוזם רגעים של תשומת לב חזותית להצטרף. במחקר זה מצאנו מתאם הפוך עם רווחי למידה המוצגים על ציר y כפי שנמדד על ידי בדיקות לפני ולאחר. קבוצות שבהן אותו אדם היה בעקביות ליזום או להגיב לרגעים של תשומת לב חזותית משותפת היו פחות סביר ללמוד וקבוצות שבהן אחריות זו הייתה משותפת באותה מידה היו נוטים יותר לקבל ציון גבוה יותר על לאחר המבחנים בעת שליטה על ציונים במבחן מראש.בסרטון זה הצגתי את המתודולוגיה המסייעת לחוקרים לסנכרן נתוני מעקב אחר העיניים הניידים הן באופן זמני והן מבחינה מרחבית. הממצאים מצביעים על כך שנתונים כפולים למעקב אחר העיניים יכולים לספק אינדיקטורים לשיתוף פעולה על ידי חישוב מדדים של תשומת לב חזותית משותפת. בנוסף, הצגתי תוצאות המראות כי אנו יכולים ללכת מעבר לאמצעים פשוטים של תשומת לב משותפת, למשל, על ידי התבוננות מי יזם או הגיב לפרק של תשומת לב חזותית משותפת.מצאנו כי אמצעי זה קשור לאמצעי תוצאה אחרים, כגון רווחי למידה. חישוב סוג זה של מידה לא יהיה אפשרי ללא נתוני מעקב אחר העיניים. לסיכום, מצאנו כי המתודולוגיה המוצגת בסרטון זה יכולה לעזור לחוקרים לקבל תובנות חדשות על תהליכים שיתופיים.תודה רבה לך על צפייה בסרטון זה ואל תהסס להתייחס לעיתון לקבלת מידע נוסף.

a-methodology-for-capturing-joint-visual-attention-using-mobile-eye

Research

JoVE Journal

Behavior

התנהגות

כדי לשכפל הגדרות מעבדה, שיטות איסוף נתונים מקוונות למשימות חזותיות דורשות בקרה הדוקה על הצגת הגירוי. אנו מתארים שיטות לשימוש ביישום אינטרנט לאיסוף נתוני ביצועים בשני מבחנים של קשב חזותי.

שיטות לבדיקת קשב חזותי באינטרנט

אנחנו לאחרונה הציע שיטה המאפשרת מצגת גירויים חזותיים dichoptic העין המשקפת מעקב בו זמנית1. המפתח הוא השילוב של גשש אינפרא-אדום העין המראות אינפרא אדום-שקוף המתאים. כתב יד זה מספק עומק פרוטוקול ההתקנה הראשונית, יומיומית.

כיצד לבנות מערכת מצגת Dichoptic הכוללת גשש העין

המאמר הנוכחי ביקורות מתודולוגיה עקיבה במחקרים על השפה והבנת הנקרא. כדי לקבל מידע אמין, השלבים החשובים של הפרוטוקול חייב להיות במעקב. בין אלה הן הסידור הנכון של העין המטייל (למשל, הבטחת איכות טובה של תמונות העין והראש) לבין כיול מדויק.

מעקב עין במהלך שפה חזותית ממוקם בהבנת הנקרא: מגבלות חשיפת הקשר חזותי אפקטים וגמישות

הפרדיגמה העולם הויזואלי עוקב אחר תנועות עיניים של המשתתפים בסביבת העבודה חזותיים כפי שהם מאזינים או מדבר שפה מדוברת. פרדיגמה זו יכול לשמש כדי לחקור את עיבוד מקוון של מגוון רחב של שאלות psycholinguistic, כולל הצהרות סמנטי מורכבים, כגון מאמר משפטי.

באמצעות תנועות עיניים טלקוה הפרדיגמה העולם הויזואלי לחקור את עיבוד מקוון של השפה המדוברת

מטרת הפרוטוקול היא לפרט כיצד לאסוף נתוני וידאו לשימוש במעבדה; כיצד להקליט נתוני מעקב אחר עיניים של משתתפים התבוננות בנתונים וכיצד לנתח ביעילות את התוכן של קטעי וידאו שהם מחפשים באמצעות טכניקת לימוד מכונה.

שילוב נתוני מעקב אחר עיניים באמצעות ניתוח של תוכן וידאו מחינם-צפייה בסרטון וידאו של טיול בסביבה של פארק עירוני

ילדים צעירים לא פסיבי להתבונן בעולם, אבל מעדיף באופן פעיל לחקור וקיום עם הסביבה שלהם. פרוטוקול זה מספק העקרונות המנחים והמלצות מעשיות לשימוש עוקבים אחר העין נישאת על הראש כדי להקליט תינוקות, סביבות חזותי דינמי של פעוטות, תשומת לב בהקשר של התנהגות טבעית.

נצפה בפעולה: מעקב רכוב ראש העין של תשומת לב ויזואלית דינאמית לילדים במהלך התנהגות נטורליסטי

פרוטוקול נסיוני זה בשילוב העין מעקב והערכה של רגישות חזותית presaccadic ב פרדיגמה פעילות כפולה, הכוללת פעילות saccade הבחירה החופשית, פעילות אפליה ויזואלית, לחקור את הפריסה של תשומת לב ויזואלית מרחבית לפני saccades, מדויק וגם חישוב ממוצע רגיל.

חוקרים את הפריסה של תשומת לב לפני Saccades חישוב ממוצע רגיל ומדויקים באמצעות העין מעקב והערכה של רגישות חזותית

מעקב עיניים הוא שיטה לא פולשנית לחקירת עיבוד מידע. מאמר זה מתאר כיצד ניתן להשתמש במעקב עיניים כדי לחקור התנהגות מבט במהלך משימת חירום של הדמיית טיסה בטייסים בזמן נמוך (כלומר, &lt;350 שעות טיסה).

מעקב עיניים במהלך משימת תעופה מורכבת לתובנות לגבי עיבוד מידע

המתודולוגיה חקרה תרומות חזותיות ושיווי משקל לייצוב המבט במהלך סיבובים אופטוקינטיים וכל הגוף. הגירויים בוצעו באמצעות ניסויים חזותיים, וסטיבולריים וויזו-ויזאווסטיבולריים. רווח תנועת עיניים פיתול ותדרי ניסטגמוס שימשו כאינדיקטורים לממסר תת-קורטיקלי של מידע תנועה ספציפי חושי לעבר תגובת גזע המוח הרפלקסיבית עבור כל ניסוי.

שימוש במעקב עיניים כדי להעריך את החשיבות היחסית של קלט חזותי ושיווי משקל לעיבוד תנועה תת-קורטיקלית במישור הגלגול

אנו מתארים פרוטוקולים להכשרת חולדות עבור קלטות אלקטרו כרוניות במשימות קוגניטיביות אוטומטיות לחלוטין בהקרנה מקיר לקיר מבוך.

משימות אוטומטיות חזותית קוגניטיבית להקלטה עצבית פעילות באמצעות הקרנה מקיר לקיר מבוך

למד מתודולוגיה ללכידת תשומת לב ויזואלית משותפת באמצעות עוקבים אחר העין הניידת. שיטה זו מאפשרת למדוד אינטראקציות חברתיות בהקשרים חינוכיים בזמן אמת.

מתודולוגיה ללכידת תשומת לב ויזואלית משותפת באמצעות עוקבים אחר העין הניידת

גלה סרטונים נוספים