행동에 시선: 자연 동작 동안 어린이 동적 시각적 관심의 머리 장착형 눈 추적

이 방법은 연구자들이 어린 아이의 관점에서 세상이 어떻게 생겼는지, 그리고 그들이 그 견해 안에 그들의 실제 주의를 할당하는 방법을 이해하는 데 도움이 될 수 있습니다. 행동 과학에 널리 사용되는 스크린 기반 아이 트래킹과 비교하여 헤드 마운트 아이 트래킹을 통해 장난감 놀이 및 그림 책 읽기와 같은 일상 생활에서 아이들이 어디에서 보이는지 모니터링 할 수 있습니다. 절차를 시연하는 것은 대학원생 카탈리나 수아레스 리베라와 야윤 장, 실험실 매니저 다니엘 피어시가 될 것입니다.

실험을 시작하기 전에 시스템을 수정하여 사용자 지정한 유아 캡으로 작업합니다. 위치 지정 측면에서 조정할 수 있는 장면 카메라를 선택하고 관심 있는 연구 질문을 해결하는 데 적합한 시야를 캡처할 수 있는 충분한 각도를 가지게 됩니다. 포지셔닝 측면에서 조절가능한 아이 카메라를 선택하고, 아이의 눈의 각막이 이 빛을 반사하는 방식으로 적외선 LED를 배치합니다.

아이 트래킹 시스템은 가능한 한 눈에 거슬리지 않고 가벼우며 어린 아이들이 장비 착용을 용인 할 수있는 가장 큰 기회를 제공해야합니다. 그런 다음 장면과 아이 카메라를 후크 와 루프 스트랩의 반대편에 부착 된 후크 및 루프 스트랩에 부착 된 후크 및 루프 스트랩에 부착된 후리 및 루프 스트랩을 어린이 크기의 캡에 바느질하고 시스템을 캡에 포함시키고 카메라를 배치하여 어린이의 시야 중심에서 벗어날 수 있도록합니다. 아이 트래킹 데이터 수집의 경우 두 명의 연구원이 나타나면 두 명의 연구원이 존재합니다: 하나는 사람과 상호 작용하고, 아이를 차지하고, 하나는 아이 추적 시스템을 배치하고 배치합니다.

아이가 아이의 손을 차지하는 활동에 완전히 참여하여 아이가 아이 추적 시스템을 움직이거나 잡기 위해 손을 뻗지 않고 아이 추적 시스템을 아이의 머리에 놓습니다. 이마에 장면 카메라를 낮게 배치하여 아이의 시야를 가장 잘 상회하고, 연구 중에 아이가 무엇을 바라볼지 장면 카메라 뷰의 중심을 잡습니다. 고품질 시선 데이터를 얻으려면 눈 카메라를 배치하여 눈의 전체 모션 범위에 걸쳐 뺨이나 속눈썹 폐색없이 동공과 각막 반사를 모두 감지합니다.

이 프로토콜의 가장 까다로운 부분은 아이의 머리에 장비를 배치하고 아이를 화나게하지 않고 카메라를 조정하는 것입니다. 속도, 자신감, 연습은 필수적입니다. 장면과 눈 이미지가 얻을 수있는 만큼 높은 품질이되면, 교정 데이터를 수집하기 위해 시야의 다른 위치에 아이의 관심을 그립니다.

교정 중에 아이의 신체 위치가 연구 중에 사용되는 위치와 일치한다는 것을주의하십시오. 모든 교정 지점을 획득하면 아이트래킹 데이터 수집을 시작합니다. 아이트래킹 시스템이 충돌하거나 정렬되지 않는 지점을 기록하고 필요에 따라 재조정을 허용하고 정렬 불량 전후에 데이터의 별도의 코딩을 허용합니다.

연구 끝에 아이트래킹 데이터를 보정하려면 적절한 교정 소프트웨어 프로그램을 열고 교정 소프트웨어 내에서 다양한 검출 매개 변수의 임계값을 조정하여 양호한 눈 이미지를 얻습니다. 첫 번째 교정 동안, 아이가 장면 이미지의 뚜렷한 지점을 명확하게 찾고 있는 순간의 교정 지점을 식별하여 데이터 수집 중에 연구원이 의도적으로 생성하거나 연구 내에서 포인트를 생성할 수 있으며, 이 때 눈점은 학생이 해당 프레임을 정확하게 감지하는 한 쉽게 식별 할 수 있습니다. 일련의 교정 지점을 만들어 장면과 눈 사이의 매핑을 설정합니다.

아이트래킹 시스템이 연구 중 언제든지 위치를 변경한 경우 위치 변경 전후 부분에 대해 별도의 교정을 생성합니다. 관심 영역을 코딩하려면 연구 질문에 따라 코딩해야 하는 모든 관심 영역목록을 작성하고 아이의 눈 이미지, 장면 이미지 및 시선 트랙을 사용하여 관심 영역이 시각적으로 참석되고 있는지 확인합니다. 프레임을 하나씩 스크롤하여 관심 영역이 변경되었을 수 있는 기본 신호로 눈 이미지 내의 동공의 순간을 관찰합니다.

눈에 보이는 움직임이 발생하면 아이가 시선을 새로운 관심 지역으로 옮기고 있는지 또는 정의된 관심 영역으로 이동했는지 확인하십시오. 관심 영역은 각 프레임에 대해 별도로 코딩되지만, 프레임 분석 전후의 프레임을 사용하여 올바른 관심 영역을 결정하는 데 도움이 될 수 있는 컨텍스트 정보를 얻을 수 있습니다. 여기서, 18개월 된 두 명의 어린이를 위한 관심 스트림의 샘플 영역이 표시됩니다.

각 컬러 블록은 자녀가 관심 있는 특정 영역을 바라보는 연속 프레임을 나타냅니다. 아이들은 각 아이가 관심있는 장난감 영역의 각을보고 지출 상호 작용의 비율에 의해 입증된 바와 같이, 장난감의 다른 하위 집합에 대한 자신의 선택성에 개별적인 차이를 보여 주었다. 두 아이들이 장난감을 모두 보는 데 소요된 총 시간은 다소 비슷했지만, 개별 장난감에 소요되는 시간의 비율은 피사체 안팎에서 크게 다양했습니다.

또한, 찾고 시간의 이러한 비율도 다른, 아이 2의 평균 모습 기간은 거의 두 배 아이 하나. 이 데이터에 의해 입증 된 또 다른 속성은 두 아이들이 세션 동안 부모의 얼굴을 거의 쳐다보지 않으며, 그렇게 했을 때 각 시선 기간은 일반적으로 1 초 미만이었다는 것입니다. 연구원은 어린이와 그들의 사회적 파트너에 헤드 마운트 아이 트래커를 동시에 배치할 수 있고, 이 절차를 모션 트래킹 및 심박수 모니터링과 같은 기술과 통합하여 다양한 질문에 대답하기 위한 고밀도 다중 모달 데이터 세트를 제공할 수 있습니다.

이러한 기술의 사용은 공동 및 지속적인 관심, 연령 및 운동 발달에 대한 시각적 경험 의 변화, 단어 학습에서 시각적 경험의 역할을 포함하여 발달 문학에서 많은 주제에 대한 우리의 이해를 변화시켰습니다. 이 프로토콜은 인공와우를 가진 아이들과 자폐 스펙트럼 무질서로 진단된 아이들을 포함하여 임상 인구와 성공적으로 채택되었습니다.