Quadro di misurazione basato sul tracciamento oculare per quantificare l'attenzione visiva in ambienti di arte digitale interattiva basati su schermo

Summary

Questo protocollo descrive un quadro completo per quantificare l'attenzione visiva nell'arte digitale interattiva. Dettaglia l'architettura di sistema per sincronizzare i dati di eye-tracking con i log di interazione, il metodo per la mappatura dinamica dell'Area di Interesse (AOI) e la pipeline analitica per collegare la dinamica dell'attenzione ai risultati dell'esperienza utente.

Abstract

Questo articolo presenta un quadro di misurazione abilitato dallo sguardo, progettato per quantificare l'attenzione visiva durante esperienze artistiche digitali interattive e per collegare le dinamiche dell'attenzione agli esiti esperienziali. A differenza della visione tradizionale dell'arte statica, l'arte digitale interattiva coinvolge media dinamici, informazioni multi-fonte e circuiti di feedback continui, che sfidano le metodologie standard di tracciamento oculare. Il sistema proposto integra acquisizione con tracciamento oculare, registrazione delle interazioni, sincronizzazione dei timestamp, mappatura dinamica dell'Area di Interesse (AOI) e calcolo metrico in una pipeline unificata. Il protocollo delinea lo sviluppo di un flusso di lavoro di dati riproducibili che allinea i dati dello sguardo con eventi di interazione specifici, consentendo calcoli precisi di allocazione dell'attenzione, costi di spostamento e entropia esplorativa. Il disegno sperimentale prevede sia l'esplorazione libera sia compiti orientati agli obiettivi, come dimostrato in uno studio con 37 partecipanti. I risultati derivanti dall'applicazione di questo protocollo indicano un'elevata percepzione di facilità d'uso e soddisfazione, con modellazione di misurazione che supporta un modello a due costrutti di usabilità e soddisfazione. Inoltre, la modellazione degli esiti conferma che l'usabilità percepita agisce come predittore fondamentale per la soddisfazione complessiva dell'utente, mentre la dimostrazione in singolo caso valida la capacità della pipeline di quantificare gli spostamenti di attenzione consapevoli del contesto. Questo protocollo fornisce a ricercatori e progettisti un set di strumenti rigoroso e riproducibile per analizzare come gli elementi di interaction design—come la latenza del feedback e l'intensità della guida—plasmino l'attenzione dell'utente e le successive esperienze soggettive in ambienti digitali immersivi.

Introduction

L'arte digitale interattiva comprende un ampio spettro di modalità, dalle installazioni spaziali immersive alle piattaforme interattive basate su^{schermi 1,2}. Sebbene le configurazioni completamente immersive rappresentino il confine di questa evoluzione, l'arte interattiva basata su schermo rimane un mezzo fondamentale che richiede urgentemente metodologie di valutazione rigorose e standardizzate prima di un'espansione spaziale senza vincoli. Questa modalità ridefinisce efficacemente il ruolo del pubblico dall'osservazione passiva alla co-creazione attiva, dove la partecipazione plasma direttamente il significato^{dell'opera 3}. I quadri classici della psicologia dell'arte, in particolare il Vienna Integrated Model of Art Perception (VIMAP), offrono una lente sofisticata per comprendere l'interazione tra il controllo cognitivo dall'alto verso il basso e l'elaborazione percettiva dal basso verso l'alto durante gli incontri estetici. Tuttavia, sebbene questi modelli forniscano una solida base per l'osservazione statica, estendere le loro applicazioni più recenti agli ambienti digitali interattivi richiede tecniche di misura avanzate. Tradurre questi costrutti teorici in applicazioni interattive richiede metriche fisiologiche in tempo reale per catturare oggettivamente il ciclo di feedback continuo tra input dell'utente e risposta del sistema. Di conseguenza, la transizione dalla visualizzazione statica all'interazione attiva introduce una notevole complessità nella valutazione dell'esperienza utente. I metodi di valutazione attuali nel settore si basano principalmente su questionari post-evento, interviste retrospettive e osservazioni in loco riguardo alle abitudini di visione degli spettatori, alla sequenza e al tempo di permanenza⁴. Questi sono spesso integrati da metriche comportamentali grossolanne come la durata totale della permanenza e la frequenza^{dei clic 5}. Sebbene tali metodi siano efficaci nel catturare le preferenze generali e la soddisfazione generale, fanno fatica fondamentale a tracciare i cambiamenti di attenzione a livello micro in tempo reale che avvengono durante l'esperienza. A differenza dei questionari retrospettivi che si basano sul richiamo ritardato e sono quindi suscettibili al bias cognitivo, il quadro proposto per il tracciamento oculare fornisce dati fisiologici continui, in tempo reale e oggettivi. Inoltre, rispetto a metriche comportamentali grossolane come il tempo totale di permanenza o le frequenze di clic superficiali, questa metodologia abilitata dallo sguardo cattura processi cognitivi a livello micro — come momenti di esitazione, strategie di ricerca visiva e reazioni percettive immediate al feedback del sistema. In questo modo, fornisce prove concrete e pratiche per il design di interazione iterativa che i metodi di valutazione tradizionali mancano^{fondamentalmente 6}. Questa tecnologia offre metriche a livello di processo per comprendere l'allocazione, il mantenimento e lo spostamento dell'attenzione nell'arte interattiva, fornendo metriche fisiologiche oggettive dello stato cognitivo ^{dell'utente 7,8,9}. Analizzando quando, dove e per quanto tempo un utente osserva elementi specifici, i ricercatori possono fornire un supporto obiettivo per l'ottimizzazione delle esposizioni e il design interattivo. Tuttavia, implementare il tracciamento oculare nel contesto delle esperienze artistiche digitali interattive presenta molteplici sfide tecniche e metodologiche non banali che lo distinguono dai test di usabilità standard o dalla visualizzazione statica delle immagini.

Gli ambienti interattivi spesso coinvolgono media dinamici, molteplici fonti di informazione e compiti complessi a più fasi. Gli stimoli visivi non sono fissi; Essi si evolvono in base ai suggerimenti dell'utente. I costanti cambiamenti negli stimoli visivi e nel feedback del sistema causano rapidi spostamenti di attenzione tra oggetti in movimento e aree di interfaccia. Questo dinamismo rende la segmentazione tradizionale, statica, basata su interfacce e l'interpretazione metrica soggette a^{distorsioni 10,11}. Ad esempio, un'Area di Interesse (AOI) rilevante in un momento può scomparire o cambiare significato semantico il momento successivo, rendendo insufficienti le heatmap statiche.

Inoltre, le interazioni nel mondo reale coinvolgono spesso comportamenti fisici naturali come movimenti della testa, occlusioni e distanze variabili dallo schermo, portando a una deriva di^{calibrazione 12,13}. Queste fluttuazioni nella qualità del tracciamento introducono valori mancanti e rumore, riducendo la comparabilità tra soggetti e la stabilità dei test statistici. I protocolli standard di laboratorio spesso richiedono una stabilizzazione rigida (ad esempio, poggiali sul mento) che sminuisce l'esperienza naturalistica richiesta per l'apprezzamento dell'arte¹⁴. Pertanto, un protocollo efficace deve bilanciare un rigoroso controllo della qualità dei dati con la validità ecologica della postura dell'utente. Utilizzando il tracciamento oculare remoto basato su schermo, il quadro proposto consente micromovimenti naturali e non vincolati di torso e testa, fungendo da base pragmatica per catturare reazioni estetiche senza costrizioni fisiche ostentative.

In modo fondamentale, la sincronizzazione temporale tra i dati sui movimenti oculari e i log di interazione influisce direttamente sull'interpretazione causale. In un compito di visualizzazione statica, l'inizio dello stimolo è l'unico indicatore temporale rilevante. Nell'arte interattiva, ogni tocco, gesto o scatto dello sguardo dà l'inizio di un nuovo riferimento temporale a un evento. Senza un benchmark temporale unificato e un meccanismo di allineamento degli eventi, diventa difficile determinare se i cambiamenti di attenzione siano innescati dal feedback del sistema o guidati da strategie di esplorazione^{individuali 15}. Per valutare in modo completo l'arte digitale, i ricercatori si affidano tipicamente a due fonti di dati distinte: i log di interazione (che catturano input e stati di sistema dell'utente) e i segnali fisiologici (come il tracciamento dello sguardo per l'attenzione visiva). Tuttavia, queste modalità vengono spesso analizzate in isolamento. Integrarli presto nella pipeline analitica è vitale concettualmente e praticamente perché sono intrinsecamente complementari: i log di interazione forniscono il preciso 'innesco' contestuale (il cosa e il quando del feedback di sistema), mentre i dati dello sguardo continuo rivelano la corrispondente 'reazione' cognitiva (il dove e il come dell'allocazione dell'attenzione). Senza un tempo unificato, un benchmark e un allineamento multimodale degli eventi, diventa difficile determinare se uno spostamento di attenzione sia innescato dal feedback del sistema (ad esempio, un effetto a catena visivo) o guidato da strategie di esplorazione individuali. Fondendo questi flussi di dati, questo quadro offre il beneficio teorico di chiudere il circolo causale tra le caratteristiche di design interattive e la cognizione dell'utente.

Pertanto, far avanzare la ricerca sul tracciamento oculare nell'arte interattiva richiede più che catturare i punti di fissazione; Richiede un rigoroso controllo della qualità, un allineamento sincronizzato e flussi di lavoro di elaborazione dati riproducibili. I limiti delle soluzioni esistenti sottolineano ulteriormente questa motivazione alla ricerca. Gli studi esistenti sul eye-tracking in contesti artistici si concentrano prevalentemente su compiti di visione statica o trattano descrizioni testuali e guide turistiche come variabili esterne, mancando di integrazione con meccanismi interattivi^16,17. Sebbene le evidenze suggeriscano che i metodi di presentazione delle informazioni e le strategie di guida possano modificare significativamente i percorsi di attenzione e i punti focali degli spettatori, la maggior parte dei risultati rimane al livello delle correlazioni a singolo intervento, senza spiegare come i cicli di feedback interattivi plasmino le strategie di attenzione durante la durata di un'esperienza.

Al contrario, mentre le pratiche artistiche interattive hanno sviluppato sistemi prototipo che utilizzano lo sguardo come input naturale di interazione—enfatizzando la trasformazione degli spettatori da osservatori passivi a partecipanti attivi—questi sforzi spesso si concentrano su dimostrazioni di installazione o validazione^{tecnica 18,19}. Spesso mancano di metriche di attenzione unificate, paradigmi sperimentali replicabili e modelli di ricerca a circuito chiuso che stabiliscano connessioni testabili tra dinamiche dell'attenzione ed esiti esperienziali. Questa lacuna ostacola lo sviluppo di principi di design trasferibili che possano prevedere in modo affidabile come una specifica scelta progettuale (ad esempio, la velocità di una transizione visiva) influenzerà il senso di immersione o usabilità dell'utente.

Fondamentalmente, la letteratura esistente manca di un quadro coeso che allinei fondamentalmente l'attenzione visiva ai sistemi interattivi in tempo reale. Sebbene i progressi nella mappatura dinamica AOI e nella sincronizzazione sguardo-evento siano stati esplorati in contesti generali HCI, raramente sono integrati nell'ambiente fluido e altamente variabile dell'arte digitale. La lacuna nella ricerca fondamentale risiede nell'incapacità delle attuali valutazioni monomodali di spiegare il loop causale tra feedback di sistema e cognizione dell'utente. Attraverso l'integrazione precoce di dati multimodali — in particolare, fondendo coordinate dello sguardo continuo con log di interazione con precisione di millisecondi — i ricercatori possono superare le metriche di usabilità di base. Questa integrazione offre il beneficio teorico di attribuire specifici spostamenti di attenzione a livello micro (ad esempio, strategie di ricerca vs. focus stabilizzato) direttamente a scelte specifiche di design di interazione, trasformando il flusso esperienziale da una sensazione soggettiva a uno stato cognitivo quantificabile.

Per colmare queste lacune, questo protocollo propone un framework di misurazione dell'attenzione guidato dal tracciamento oculare, specificamente limitato all'arte digitale interattiva basata su schermo. Sebbene la pipeline tecnica sottostante condivida somiglianze strutturali con i test generici di interazione uomo-computer (HCI), questo quadro integra in modo unico compiti estetici non utilitaristici (ad esempio, esplorazione visiva libera dei media generativi) insieme ad azioni orientate a obiettivi. Questa integrazione distingue esplicitamente la natura fluida ed esplorativa dell'apprezzamento dell'arte dall'approccio utilitaristico standard alla valutazione del software. Teoricamente, questo studio opera all'intersezione tra arte digitale interattiva, HCI e analisi del tracciamento oculare. Affronta sia la sfida persistente di caratterizzare oggettivamente il flusso esperienziale continuo nella valutazione dell'arte digitale sia la determinazione della correlazione tra input interattivo e output attenzionale.

L'ambito della ricerca posiziona questo studio non solo sul contesto esperienziale dell'arte digitale interattiva, ma anche sull'integrazione dei dati di eye-tracking con i log di interazione per stabilire una catena sistematica di evidenze—dall'input esperienziale alle metriche di attenzione e, infine, alle variabili di risultato. A livello di sistema, stabiliamo una pipeline di dati riproducibili che integra la cattura dei movimenti oculari, la registrazione del log di interazione e la sincronizzazione temporale in un'architettura unificata. Questo framework standardizza la preelaborazione, la mappatura regionale e la generazione di metriche di attenzione fornendo al contempo strutture dati tracciabili e script analitici.

Il quadro concettuale (Figura 1) chiarisce come il design dell'interazione influenzi i risultati soggettivi alterando i processi di attenzione visiva degli spettatori. La logica di base tratta gli elementi di interazione (come la latenza del feedback e l'intensità della guida) come input controllabili, la dinamica dell'attenzione visiva come variabili chiave di processo, e gli esiti dell'esperienza (immersione, usabilità, soddisfazione) come output. Le differenze individuali sono incorporate come fattori moderativi. Per la progettazione sperimentale vengono sviluppati compiti interattivi che bilanciano l'esplorazione libera con obiettivi orientati a uno scopo. A livello di modellazione, correliamo la dinamica dell'attenzione con le variabili di risultato per esaminare i meccanismi attraverso cui gli elementi di interaction design influenzano l'esperienza utente attraverso l'attenzione visiva. Questo protocollo fornisce passaggi metodologici dettagliati per replicare questo quadro, assicurando che l'interazione complessa tra utente, sistema e arte possa essere misurata con rigore scientifico.

Protocol

Questa ricerca è stata condotta in conformità con le linee guida istituzionali della Facoltà di Innovazione e Design della City University di Macao. Tutti i partecipanti hanno fornito il consenso informato prima della raccolta dei dati.

1. Sviluppo di sistema e configurazione dell'architettura

1. Definisci il flusso di lavoro della ricerca
   1. Adottare il processo a ciclo chiuso in quattro fasi come mostrato nella Figura 2: Sviluppo del Sistema, Esperimento di Tracciamento Oculare, Analisi e Modellazione dei Risultati.
   2. Assicurati che il flusso di lavoro faciliti il perfezionamento iterativo, in cui i dati della fase di analisi possano informare gli aggiustamenti nello sviluppo del sistema per le future iterazioni.
2. Configurare l'architettura di sistema
   1. Costruisci il sistema utilizzando l'architettura della pipeline illustrata nella Figura 3, composta da cinque moduli distinti: Esperienza (Compiti), Tracciamento Oculare, Log, Sincronizzazione (Sync) e Analytics.
   2. Modulo di esperienza: Sviluppare l'interfaccia artistica interattiva per fungere da punto di ingresso unificato. Configuralo per generare due flussi dati paralleli:
      1. Flusso di dati a tracciamento oculare: Invia coordinate di sguardo grezzo e timestamp dal dispositivo.
      2. Flusso di log di interazione: documentare le azioni degli utenti (clic, gesti) e i cambiamenti di stato del sistema (trigger di feedback, transizioni di scena).
   3. Implementa uno script User Datagram Protocol (UDP) all'interno del modulo di sincronizzazione per inviare i marker degli eventi dal motore di rendering dell'interazione all'API eye-tracker nel millisecondo esatto in cui uno stimolo visivo cambia o viene registrato un input dell'utente.
   4. Valuta la stabilità dello offset eseguendo un ciclo di sincronizzazione di 60 secondi prima dell'esperimento. Verifica che la deviazione standard (SD) della latenza tra l'orologio di interazione e l'orologio eye-tracker rimanga strettamente sotto i 6,5 ms (come riportato nella Tabella 1). Se l'SD supera i 6,5 ms, resetta la connessione di rete e ricalibra.
   5. Archiviazione dati allineata: Configura il database o il file system per memorizzare dati allineati dove ogni punto dati contiene coordinate di sguardo sincronizzate, flag di evento e indici AOI.
3. Stabilire il ciclo di esecuzione del sistema
   1. Implementa il ciclo di esecuzione come mostrato nella Figura 4.
   2. Programmare la sequenza seguendo rigorosamente: Inizia la sessione → calibrazione → carica la scena + AOI → ciclo in tempo reale (interazione con l'utente / cattura dello sguardo / feedback di rendering).
   3. Assicurarsi che la pipeline dati (Scriversi Logs → Sincronizzare Timestamp → Parsing → Mappatura AOI) funzioni immediatamente dopo l'acquisizione dei dati per facilitare rapidi controlli di qualità.

2. Stimolo e design dell'interazione

1. Selezioni delle modalità di interazione
   1. Scegli le modalità di interazione in base alla tassonomia. Scegli tra Interazione basata sullo sguardo, Interazione basata su Tatto/Gesti o Interazione Collocata Multiutente a seconda della domanda di ricerca.
   2. Per questo protocollo, implementa una combinazione di input di sguardo e tocco per aderire al principio di minimizzare la difficoltà di input e massimizzare l'interpretabilità dell'output.
2. Definisci i moduli di interazione e gli eventi che attivano.
   NOTA: Qui, un "modulo di interazione" è definito operativamente come un'unità funzionale discreta dell'opera digitale (ad esempio, un effetto visivo interattivo specifico), mentre un "evento trigger" si riferisce all'input specifico dell'utente o al cambiamento di stato di sistema che attiva il modulo a un timestamp di precisione millisecondi.
   1. Programmare i moduli di interazione specifici definiti nella Tabella 2.
   2. Attractore ambientale: imposta il trigger su ingresso della scena o stato di inattività per ≥ 3,2 s. Definisci la risposta attesa all'attenzione come un'esplorazione più ampia e una maggiore dispersione dello sguardo.
   3. Highlight dello sguardo: Configura il trigger mentre lo sguardo si concentra su un oggetto per l'AOI ≥ 420 ms. Assicurati che questo attivi un evidenziamento visivo per rafforzare la concentrazione.
   4. Touch ripple: Implementa un effetto a ripple visivo alle coordinate (x,y) con un tocco sull'evento della tela. Registra le variazioni di ampiezza della saccade seguendo il fronte d'onda.
   5. Cue guidato: Programma un cue visivo per apparire per 1.4–2.1 s su un AOI preimpostato. Misura il tempo fino alla prima fissazione (TTFF) usando questo indizio.
   6. Porta di scelta: Crea un punto decisionale dove l'utente seleziona 1 delle 3 opzioni entro 7,5 secondi. Usa questo per misurare il tempo di permanenza sull'opzione scelta rispetto a quello scartato.
3. Aree di Interesse di Design (AOI)
   1. Crea AOI statici e dinamici come mostrato nella Figura 5.
   2. Definire AOI statici per elementi fissi dell'interfaccia utente (UI) (ad esempio, menu, bordi).
   3. Definisci AOI dinamiche per elementi visivi in movimento (ad esempio, sfere fluttuanti, sistemi di particelle). Assicurati che le coordinate AOI si aggiornino nel file di registro alla frequenza di aggiornamento del sistema.
   4. Implementare il tag semantico per gli AOI (ad esempio, Oggetto Target, Distratore, Testo Istruzionistico) per facilitare il calcolo della credibilità semantica durante l'analisi.

3. Reclutamento e selezione dei partecipanti

1. Strategia di reclutamento
   1. Reclutare partecipanti da una fascia demografica rilevante (ad esempio, studenti universitari per studi di arte digitale) per garantire una base di alfabetizzazione digitale.
   2. Ottieni il consenso informato e informa i partecipanti sulla natura della procedura di eye-tracking.
2. Criteri di selezione
   1. Verifica l'acuità visiva. Verifica che i partecipanti abbiano una vista normale o corretta a normale.
   2. Escludere le persone con malattie oculari (ad esempio, strabismo, astigmatismo grave) che interferiscono con la calibrazione standard del tracciamento oculare.
   3. Controllo di calibrazione: Durante la configurazione iniziale, esegui una calibrazione a 5 o 9 punti. Escludere i partecipanti che non riescono a ottenere un errore medio di calibrazione di ≤ 0,85° o che mostrano perdita di tracciamento persistente (rapporto campionario valido < 85%).
   4. Registra i dati demografici, inclusi età, genere, manoplasie ed esposizione all'arte digitale auto-dichiarata (vedi parametri della Tabella 3 ).

4. Procedura sperimentale

1. Allestimento fisico
   1. Conduci l'esperimento in una stanza silenziosa con illuminazione ambientale stabile. Elimina la luce solare diretta o i riflessi forti sullo schermo.
   2. Fai sedere il partecipante a una distanza fissa di visione (ad esempio 60–70 cm) adatta all'unità di tracciamento oculare commerciale basata su schermo.
   3. Regola l'altezza della sedia in modo che gli occhi del partecipante siano al livello del centro dello schermo.
2. Esecuzione della sessione
   1. Calibrazione: Esegui la routine di calibrazione. Verifica l'accuratezza. Se la deriva è > 1,10°, eseguire una ricalibrazione (controllo della deriva).
   2. Prova di pratica: Somministrare una sessione di pratica standardizzata (circa 2 minuti) per familiarizzare il partecipante con i protocolli di interazione (ad esempio, come attivare il Gaze Highlight).
   3. Esecuzione del compito: Presentare i due tipi di compito in un ordine controbilanciato per minimizzare gli effetti della sequenza:
      1. Compito di esplorazione gratuito: Istrui il partecipante a "Esplorare liberamente l'opera d'arte e interagire con gli elementi che ti interessano."
      2. Compito diretto all'obiettivo: Istruire il partecipante a "Trovare elementi nascosti specifici" oppure "Completare la sequenza di interazione per sbloccare l'immagine finale."
   4. Registrazione dati: Assicurarsi che il sistema registri automaticamente sia il flusso di tracciamento oculare sia i log delle interazioni con timestamp unificati durante i compiti.
   5. Questionari post-compito: Immediatamente dopo ogni blocco di attività, somministra le scale di esperienza (immersione, piacere estetico, usabilità, soddisfazione).

5. Pipeline di elaborazione e analisi dati

1. Preprocessing dei dati e controllo qualità
   1. Consulta la Figura 6 per una panoramica completa della pipeline di elaborazione dello sguardo. Questo schema visivo delinea le fasi sequenziali necessarie per trasformare le coordinate grezze dello sguardo in dati analitici interpretabili: controllo iniziale della qualità del segnale (inclusa interpolazione di battito di ciglia e filtraggio spaziale), analisi basata sulla velocità dei movimenti oculari in fissazioni e saccadi, mappatura dinamica dei punti dello sguardo verso le Aree di Interesse attive (AOI) e il calcolo finale di metriche quantitative di attenzione.
   2. Gestire i blink e le interruzioni di segnale utilizzando una pipeline standardizzata di interpolazione e filtraggio. Identificare i lampeggi e i segmenti di perdita di segnale in cui il diametro della pupilla è uguale a zero o in cui i flag di validità di tracciamento non sono validi.
   3. Per spazi brevi (≤75 ms), applicare un algoritmo di interpolazione lineare per stimare le coordinate mancanti dello sguardo. Per lacune superiori a 75 ms, lasciare i dati non mappati per prevenire la generazione di artefatti artificiali. Dopo l'interpolazione, applicare un filtro a media mobile (dimensione finestra = 3 campioni) per lenire il rumore minore ad alta frequenza.
   4. Rilevare ed eliminare valori spaziali anomali definiti come punti di sguardo che si trovano al di fuori dei confini fisici dello schermo o che dimostrano velocità saccadiche biologicamente impossibili (> 1000^o/s).
   5. Calcola la frazione finale di dropout; Escludere le sessioni in cui la perdita irrecuperabile supera il 12% della durata totale del compito.
   6. Applica la correzione di deriva a livello di prova. Se un offset sistematico è stato rilevato durante il controllo di validazione immediatamente prima di un blocco di lavoro specifico, applicare un vettore di correzione delle coordinate lineari ai dati grezzi dello sguardo di quella specifica sperimentazione per compensare piccoli spostamenti posturali della testa.
2. Fissazione e parsaggio saccadato
   1. Applica l'algoritmo di parsing Identification by Velocity Threshold (I-VT). Classificare i dati grezzi come saccadi se la velocità di movimento dell'occhio supera 30°/s; altrimenti, classificale come fissazioni.
   2. Applicare una soglia minima di durata di fissazione di 80 ms per filtrare micro-saccadi e rumori di artefatti.
   3. Classificare i movimenti oculari in fissazioni (sguardo stabile) e saccadi (movimento rapido). Genera una tabella di fissazione e una tavola saccada.
3. Allineamento temporale e mappatura AOI
   1. Allinea i timestamp degli eventi di sguardo con i timestamp del log di interazione usando i marker degli eventi UDP come ancoraggio di riferimento assoluto.
   2. Correggere eventuali ritardi intrinseci nella trasmissione hardware sottraendo l'offset medio registrato durante il ciclo di test di inizializzazione da tutti i timestamp dello sguardo.
   3. Consulta la Tabella 4 per un esempio schematico delle righe di dati sincronizzate che illustrano questa integrazione a livello analitico. Nota come questa matrice fonde coordinate di sguardo continuo, flag di eventi di interazione discreta e indici AOI dinamici a risoluzione di millisecondi per formare il dataset fondamentale per i calcoli metrici successivi.
   4. Implementare la Mappatura Dinamica AOI per superare i limiti della partizione spaziale statica in ambienti artistici digitali fluidi.
   5. Mappare ogni coordinata di fissazione agli AOI attivi specificamente aggiornati per quel timestamp esatto di millisecondi usando un algoritmo point-in-polygon.
   6. NOTA: Questo garantisce che, anche mentre gli elementi visivi si muovono continuamente o cambiano stato, i dati dello sguardo vengano correttamente attribuiti all'oggetto interattivo previsto piuttosto che a una posizione fissa e obsoleta sullo schermo.
   7. Assegna priorità agli AOI sovrapposti usando una rigida regola gerarchica z-buffer. Mappare la coordinata di sguardo grezzo (x,y) all'array di scatole delimitativi aggiornata a quel specifico timestamp di millisecondi.
   8. Se la coordinata rientra in più bounding box attive, assegnare la fissazione esclusivamente all'AOI con il più alto indice di livello di rendering (l'elemento visivo più importante). Scartare i dati sovrapposti dai strati inferiori per evitare il doppio conteggio.
   9. Calcola la percentuale di fissazioni non mappate. Assicurarsi che questa percentuale rimanga ≤ 0,18 (18%) per verificare la completezza delle definizioni AOI.
4. Calcolo metrico
   1. Calcolare le metriche su tre dimensioni come mostrato nel quadro della Figura 1 :
   2. Calcola il TTFF, definito strettamente come il tempo trascorso dall'inizio di uno stimolo visivo specifico fino all'inizio della prima fissazione all'interno del corrispondente AOI target. Calcolare il tempo di permanenza (durata totale della fissazione all'interno di un AOI) e la velocità di rivisita.
   3. Calcolare le matrici di transizione per quantificare il cambio di attenzione. Calcola la probabilità di transizione P_AB di passare da AOI A a AOI B dividendo il numero di transizioni di sguardo da a per il numero totale di transizioni originate da A. Calcola il Tasso di Cambio dividendo il numero totale di transizioni inter-AOI per la durata valida del compito.
   4. Calcola l'Entropia dello Sguardo Globale (H) usando la formula della Teoria dell'Informazione di Shannon per quantificare la casualità dell'esplorazione visiva. Formula l'equazione come segue:
      (1)
      dove le variabili sono definite come segue: : Entropia globale dello sguardo, che rappresenta la dispersione dell'attenzione visiva. N: Il numero totale di AOI dinamiche definite all'interno della scena. p_i: La probabilità che lo sguardo si posi all'interno di una specifica AOI . Questo deriva dalla proporzione del tempo di permanenza nell'AOI rispetto alla durata totale valida del compito.
   5. Aggrega queste metriche per fase del compito (Esplorazione Libera vs. Orientata agli Obiettivi).
5. Modellazione statistica
   1. Assembla il dataset finale unendo le metriche calcolate con i punteggi dei sondaggi.
   2. Eseguire l'Analisi Fattoriale Confermativa (CFA) per convalidare i concetti di Usabilità e Soddisfazione.
   3. Utilizzare modelli a effetti misti o modellazione delle equazioni strutturali (SEM) per testare le ipotesi (ad esempio, la latenza di interazione predice il cambio di attenzione, il cambio di attenzione prevede l'usabilità).

Results

Caratteristiche del campione e qualità dei dati

L'applicazione di questo protocollo ha reclutato 43 studenti, di cui 37 sono stati inclusi nell'analisi finale (tasso di inclusione: 86,0%). Come dettagliato nella Tabella 3, l'esclusione di 6 partecipanti è stata causata esclusivamente dall'adesione ai protocolli di qualità dei dati: tracciamento della perdita/scarsa calibrazione (n=2), eccessivo numero di campioni mancanti (n=2...

Discussion

Questo studio stabilisce un quadro di misurazione del tracciamento oculare validato, specificamente pensato per l'arte digitale interattiva. Alla base, i risultati indicano che la mappatura dinamica dell'Area di Interesse (AOI) unita alla sincronizzazione multimodale a livello di millisecondi quantifica con successo gli spostamenti di attenzione visiva a livello micro precedentemente oscurati nei mezzi fluidi. Teoricamente, questa ricerca colma il divario concettuale tra i modelli di oss...

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
Tracciatore Occhio	Tobii AB	Pro Nano	cattura dello sguardo basata su schermo a 60 Hz; Calibrazione a 5/9 punti
Monitor	ASUS	VP249QGR	23,8'', 1920 e times; 1080; distanza di visione ~65 cm
Interaction PC	Dell	OptiPlex 7010	Windows 10; Run Interface + Logs
Sync Clock	Consuetudine	v1.0	Unifica lo sguardo & Timestamp di interazione
Parser di fissazione	Open-source	I-VT	Soglia di fissazione 80– 120 ms.
AOI Mapper	Consuetudine	Punto nel poligono 2D	Mappe guarda AOI statiche/dinamiche