Meetraamwerk gebaseerd op oogtracking voor het kwantificeren van visuele aandacht in schermgebaseerde interactieve digitale kunstomgevingen

Summary

Dit protocol beschrijft een uitgebreid kader voor het kwantificeren van visuele aandacht in interactieve digitale kunst. Het beschrijft de systeemarchitectuur voor het synchroniseren van oogvolgdata met interactielogs, de methode voor dynamische Area of Interest (AOI) mapping, en de analytische pijplijn om aandachtsdynamiek te koppelen aan gebruikerservaringsresultaten.

Abstract

Dit artikel presenteert een gaze-ondersteund meetkader dat is ontworpen om visuele aandacht tijdens interactieve digitale kunstervaringen te kwantificeren en aandachtsdynamieken te koppelen aan ervaringsgerichte uitkomsten. In tegenstelling tot traditioneel statisch kunstbekijken omvat interactieve digitale kunst dynamische media, multi-source informatie en continue feedbackloops, die standaard oogvolgmethodologieën uitdagen. Het voorgestelde systeem integreert oogvolging, interactielogging, tijdstempelsynchronisatie, dynamische Area of Interest (AOI) mapping en metriekberekening in een uniforme pijplijn. Het protocol beschrijft de ontwikkeling van een reproduceerbare dataworkflow die blikgegevens afstemt op specifieke interactiegebeurtenissen, waardoor nauwkeurige berekeningen van aandachtstoewijzing, schakelkosten en verkennende entropie mogelijk zijn. Het experimentele ontwerp omvat zowel vrije verkenning als doelgerichte taken, zoals aangetoond in een studie met 37 deelnemers. De resultaten van het toepassen van dit protocol wijzen op een hoge waargenomen gebruiksvriendelijkheid en tevredenheid, waarbij meetmodellen een model met twee constructies van bruikbaarheid en tevredenheid ondersteunen. Bovendien bevestigt uitkomstmodellering dat waargenomen bruikbaarheid fungeert als een fundamentele voorspeller voor de algehele gebruikerstevredenheid, terwijl de demonstratie in één geval het vermogen van de pijplijn valideert om contextbewuste aandachtsverschuivingen te kwantificeren. Dit protocol biedt onderzoekers en ontwerpers een rigoureus, reproduceerbaar instrumentenpakket om te analyseren hoe interactieontwerpelementen—zoals feedbacklatentie en geleidingsintensiteit—de aandacht van gebruikers en daaropvolgende subjectieve ervaringen in meeslepende digitale omgevingen vormgeven.

Introduction

Interactieve digitale kunst omvat een breed spectrum aan modaliteiten, van meeslepende ruimtelijke installaties tot schermgebaseerde interactieve platforms ^1,2. Hoewel volledig immersieve opstellingen de grens van deze evolutie vormen, blijft schermgebaseerde interactieve kunst een fundamenteel medium dat dringend rigoureuze, gestandaardiseerde evaluatiemethoden vereist voordat de ruimte onbeperkt wordt verbouwd. Deze modaliteit herdefinieert effectief de rol van het publiek van passieve observatie naar actieve co-creatie, waarbij participatie direct de betekenis van het kunstwerk vormt³. Klassieke kaders in de kunstpsychologie, met name het Vienna Integrated Model of Art Perception (VIMAP), bieden een geavanceerde lens om de wisselwerking tussen top-down cognitieve controle en bottom-up perceptuele verwerking tijdens esthetische ontmoetingen te begrijpen. Hoewel deze modellen een robuuste basis bieden voor statische observatie, vereist het uitbreiden van hun nieuwste toepassingen naar interactieve digitale omgevingen geavanceerde meettechnieken. Het vertalen van deze theoretische constructies naar interactieve toepassingen vereist realtime fysiologische metrieken om objectief de continue feedbackloop tussen gebruikersinvoer en systeemrespons vast te leggen. Daardoor brengt de overgang van statisch kijken naar actieve interactie aanzienlijke complexiteit met zich mee bij het evalueren van de gebruikerservaring. De huidige gangbare evaluatiemethoden in het veld zijn voornamelijk gebaseerd op post-event vragenlijsten, retrospectieve interviews en observaties ter plaatse over kijkgewoonten, volgorde en verblijftijd van kijkers⁴. Deze worden vaak aangevuld met grove gedragsmetingen zoals de totale verblijfsduur en klikfrequentie⁵. Hoewel dergelijke methoden effectief zijn in het vastleggen van algemene voorkeuren en algehele tevredenheid, worstelen ze fundamenteel met het volgen van de realtime, micro-niveau aandachtsverschuivingen die tijdens de ervaring plaatsvinden. In tegenstelling tot retrospectieve vragenlijsten die vertrouwen op vertraagde herinnering en daardoor vatbaar zijn voor cognitieve bias, levert het voorgestelde oogvolgkader continu, realtime en objectieve fysiologische gegevens. Bovendien vangt deze door blik gebaseerde methodologie micro-niveau cognitieve processen vast, vergeleken met grove gedragsindicatoren zoals totale dwell-time of oppervlakkige klikfrequenties—zoals momenten van aarzeling, visuele zoekstrategieën en directe perceptuele reacties op systeemfeedback. Door dit te doen, levert het bruikbaar, gedetailleerd bewijs voor iteratief interactieontwerp dat traditionele evaluatiemethoden fundamenteel missen⁶. Deze technologie biedt procesniveau-metrics voor het begrijpen van aandachtstoewijzing, onderhoud en verschuiving in interactieve kunst, en levert objectieve fysiologische metrics van de cognitieve toestand van de gebruiker ^7,8,9. Door te analyseren wanneer, waar en hoe lang een gebruiker naar specifieke elementen kijkt, kunnen onderzoekers objectieve ondersteuning bieden voor tentoonstellingsoptimalisatie en interactief ontwerp. Het implementeren van oogtracking in de context van interactieve digitale kunstervaringen brengt echter meerdere, niet-triviale technische en methodologische uitdagingen met zich mee die het onderscheiden van standaard gebruiksvriendelijkheidstests of statisch beeldweergave.

Interactieve omgevingen omvatten vaak dynamische media, meerdere informatiebronnen en complexe meerstapstaken. De visuele prikkels zijn niet vast; Ze evolueren op basis van de input van de gebruiker. De constante veranderingen in visuele prikkels en systeemfeedback veroorzaken snelle aandachtsverschuivingen tussen bewegende objecten en interfacegebieden. Deze dynamiek maakt traditionele, statische, interface-gebaseerde segmentatie en metrische interpretatie vatbaar voor vervorming^10,11. Bijvoorbeeld, een Area of Interest (AOI) die op het ene moment relevant is, kan het volgende moment verdwijnen of zijn semantische betekenis veranderen, waardoor statische heatmaps onvoldoende zijn.

Bovendien omvatten interacties in de echte wereld vaak natuurlijke fysieke gedragingen zoals hoofdbewegingen, occlusies en verschillende afstanden tot het scherm, wat leidt tot kalibratiedrift^12,13. Deze schommelingen in volgkwaliteit brengen ontbrekende waarden en ruis met zich mee, waardoor de vergelijkbaarheid tussen onderwerpen en de stabiliteit van statistisch testen afneemt. Standaard laboratoriumprotocollen vereisen vaak een starre stabilisatie (bijvoorbeeld kinrusten) die afbreuk doet aan de naturalistische ervaring die vereist is voor kunstwaardering¹⁴. Daarom moet een effectief protocol een strenge kwaliteitscontrole van gegevens in balans brengen met de ecologische validiteit van de houding van de gebruiker. Door gebruik te maken van schermgebaseerde oogtracking op afstand, maakt het voorgestelde kader natuurlijke, onbelemmerde microbewegingen van torso en hoofd mogelijk, en dient het als een pragmatische basis om esthetische reacties vast te leggen zonder opdringerige fysieke beperkingen.

Cruciaal is dat de temporele synchronisatie tussen oogbewegingsgegevens en interactielogs direct invloed heeft op de causale interpretatie. Bij een statische kijktaak is het aanvangsmoment van de stimulus de enige relevante tijdsaanduiding. In interactieve kunst initieert elke aanraking, gebaar of bliktrigger een nieuwe temporele gebeurtenisreferentie. Zonder een uniforme tijdsbenchmark en evenementuitlijningsmechanisme wordt het moeilijk te bepalen of aandachtsveranderingen worden veroorzaakt door systeemfeedback of worden aangestuurd door individuele exploratiestrategieën¹⁵. Om digitale kunst volledig te evalueren, vertrouwen onderzoekers doorgaans op twee verschillende databronnen: interactielogs (die gebruikersinvoer en systeemtoestanden vastleggen) en fysiologische signalen (zoals bliktracking voor visuele aandacht). Deze modaliteiten worden echter vaak geïsoleerd geanalyseerd. Het vroeg integreren ervan in de analytische pijplijn is conceptueel en praktisch essentieel omdat ze van nature complementair zijn: interactielogs geven de precieze contextuele 'trigger' (het wat en wanneer van systeemfeedback), terwijl continue blikgegevens de bijbehorende cognitieve 'reactie' onthullen (het waar en hoe van aandachtstoewijzing). Zonder een uniforme tijd-, benchmark- en multimodale gebeurtenisuitlijning wordt het moeilijk te bepalen of een aandachtsverschuiving wordt veroorzaakt door systeemfeedback (bijvoorbeeld een visueel rimpeleffect) of wordt gedreven door individuele verkenningsstrategieën. Door deze datastromen te fuseren, biedt dit kader het theoretische voordeel van het sluiten van de causale lus tussen interactieve ontwerpkenmerken en gebruikerscognitie.

Daarom vereist het bevorderen van oogvolgonderzoek voor interactieve kunst meer dan alleen het vastleggen van fixatiepunten; Het vereist strenge kwaliteitscontrole, gesynchroniseerde uitlijning en reproduceerbare dataverwerkingsworkflows. De beperkingen van bestaande oplossingen onderstrepen deze onderzoeksmotivatie nog meer. Bestaande oogvolgstudies in artistieke contexten richten zich voornamelijk op statische kijktaken of behandelen tekstuele beschrijvingen en gidsen als externe variabelen, zonder integratie met interactieve mechanismen ^16,17. Hoewel bewijs suggereert dat informatiepresentatiemethoden en begeleidingsstrategieën de aandachtspaden en focuspunten van kijkers aanzienlijk kunnen veranderen, blijven de meeste bevindingen op het niveau van single-interventiecorrelaties en leggen ze niet uit hoe interactieve feedbacklussen aandachtsstrategieën gedurende de duur van een ervaring vormgeven.

Omgekeerd, terwijl interactieve kunstpraktijken prototypesystemen hebben ontwikkeld die blik gebruiken als een natuurlijke interactie-input—met nadruk op de transformatie van toeschouwers van passieve waarnemers naar actieve deelnemers—richten deze inspanningen zich vaak op installatiedemonstraties of technische validatie^18,19. Ze missen vaak uniforme aandachtsmetrics, reproduceerbare experimentele paradigma's en gesloten-lus onderzoeksmodellen die toetsbare verbanden leggen tussen aandachtsdynamiek en ervaringsuitkomsten. Deze kloof belemmert de ontwikkeling van overdraagbare ontwerpprincipes die betrouwbaar kunnen voorspellen hoe een specifieke ontwerpkeuze (bijvoorbeeld de snelheid van een visuele overgang) het gevoel van onderdompeling of bruikbaarheid van de gebruiker zal beïnvloeden.

Cruciaal is dat bestaande literatuur een samenhangend kader mist dat visuele aandacht fundamenteel afstemt op realtime interactieve systemen. Hoewel ontwikkelingen in dynamische AOI-mapping en gaze-event synchronisatie zijn onderzocht in algemene HCI-contexten, worden ze zelden geïntegreerd in de vloeiende en zeer variabele omgeving van digitale kunst. De fundamentele onderzoekskloof ligt in het onvermogen van huidige evaluaties van één modaliteit om de causale lus tussen systeemfeedback en gebruikerscognitie te verklaren. Door vroege integratie van multimodale data—specifiek het combineren van continue blikcoördinaten met millisecondennauwkeurige interactielogs—kunnen onderzoekers de basis bruikbaarheidsmetrics overstijgen. Deze integratie biedt het theoretische voordeel dat specifieke micro-niveau aandachtsverschuivingen (bijv. zoekstrategieën versus gestabiliseerde focus) direct worden toegeschreven aan specifieke interactieontwerpkeuzes, waardoor de ervaringsstroom van een subjectief gevoel wordt omgezet in een kwantificeerbare cognitieve toestand.

Om deze hiaten aan te pakken, stelt dit protocol een door oogtracking gedreven aandachtmeetkader voor, specifiek beperkt tot schermgebaseerde interactieve digitale kunst. Hoewel de onderliggende technische pijplijn structurele overeenkomsten vertoont met generieke mens-computerinteractie (HCI) testen, integreert dit kader op unieke wijze niet-utilitaire esthetische taken (bijv. vrije visuele verkenning van generatieve media) naast doelgerichte acties. Deze integratie onderscheidt expliciet het vloeiende, verkennende karakter van kunstwaardering van de standaard utilitaristische benadering van software-evaluatie. Theoretisch opereert deze studie op het snijvlak van interactieve digitale kunst, HCI en oogvolganalyse. Het behandelt zowel de aanhoudende uitdaging om objectief de continue ervaringsstroom in digitale kunstevaluatie te karakteriseren als het bepalen van de correlatie tussen interactieve input en aandachtsoutput.

De onderzoeksscope positioneert deze studie niet alleen op de ervaringscontext van interactieve digitale kunst, maar ook op het integreren van oogvolgdata met interactielogs om een systematische bewijsketen op te zetten—van ervaringsinput tot aandachtsmetingen en uiteindelijk tot uitkomstvariabelen. Op systeemniveau zetten we een reproduceerbare datapijplijn op die oogbewegingsopname, interactielogregistratie en temporele synchronisatie integreert in een uniforme architectuur. Dit kader standaardiseert preprocessing, regiomapping en aandachtsmetriekgeneratie, terwijl het traceerbare datastructuren en analytische scripts biedt.

Het conceptuele kader (Figuur 1) verduidelijkt hoe interactieontwerp subjectieve uitkomsten beïnvloedt door de visuele aandachtsprocessen van kijkers te veranderen. De kernlogica behandelt interactie-elementen (zoals feedbacklatentie en geleidingsintensiteit) als beheersbare inputs, visuele aandachtsdynamiek als belangrijke procesvariabelen, en ervaringsuitkomsten (immersie, bruikbaarheid, tevredenheid) als outputs. Individuele verschillen worden meegenomen als modererende factoren. Voor experimenteel ontwerp worden interactieve taken ontwikkeld die vrije verkenning combineren met doelgerichte doelstellingen. Op modelleerniveau correleren we aandachtsdynamiek met uitkomstvariabelen om de mechanismen te onderzoeken waarmee interactieontwerpelementen de gebruikerservaring via visuele aandacht beïnvloeden. Dit protocol biedt gedetailleerde methodologische stappen om dit kader te repliceren, zodat de complexe wisselwerking tussen gebruiker, systeem en kunst met wetenschappelijke nauwkeurigheid kan worden gemeten.

Protocol

Dit onderzoek werd uitgevoerd in overeenstemming met de institutionele richtlijnen van de Faculteit Innovatie en Design aan de City University of Macau. Alle deelnemers gaven geïnformeerde toestemming voorafgaand aan gegevensverzameling.

1. Systeemontwikkeling en architectuurconfiguratie

1. Definieer de onderzoeksworkflow
   1. Hanteer het vierfasige gesloten-lusproces zoals weergegeven in Figuur 2: Systeemontwikkeling, Oogvolgingsexperiment, Analyse en Uitkomstmodellering.
   2. Zorg ervoor dat de workflow iteratieve verfijning faciliteert, waarbij data uit de analysefase aanpassingen in de systeemontwikkeling voor toekomstige iteraties kunnen ondersteunen.
2. Configureer de systeemarchitectuur
   1. Bouw het systeem met behulp van de pijplijnarchitectuur zoals geïllustreerd in Figuur 3, bestaande uit vijf verschillende modules: Ervaring (Taken), Oogvolging, Logs, Synchronisatie (Synchronisatie) en Analytics.
   2. Ervaringsmodule: Ontwikkel de interactieve kunstinterface als het geïntegreerde toegangspunt. Configureer het om twee parallelle datastromen te genereren:
      1. Oogvolggegevensstroom: Geef ruwe blikcoördinaten en tijdstempels uit van het apparaat.
      2. Interactielogstroom: Documenteer gebruikersacties (klikken, gebaren) en systeemstatuswijzigingen (feedbacktriggers, scèneovergangen).
   3. Implementeer een User Datagram Protocol (UDP)-script binnen de synchronisatiemodule om gebeurtenismarkeringen van de interactierenderingsengine naar de eye-tracker API te sturen op het exacte milliseconde dat een visuele stimulus verandert of een gebruikersinvoer wordt geregistreerd.
   4. Evalueer de offsetstabiliteit door een synchronisatie-testlus van 60 seconden uit te voeren voorafgaand aan het experiment. Controleer dat de standaarddeviatie (SD) van de latentie tussen de interactieklok en de eye-tracker klok strikt onder de 6,5 ms blijft (volgens Tabel 1). Als de SD meer dan 6,5 ms is, reset dan de netwerkverbinding en kalibreer opnieuw.
   5. Aligned dataopslag: Configureer de database of het bestandssysteem om uitgelijnde data op te slaan waarbij elk datapunt gesynchroniseerde blikcoördinaten, gebeurtenisvlaggen en AOI-indices bevat.
3. Stel de systeemruntime-lus vast
   1. Implementeer de runtime-lus zoals weergegeven in Figuur 4.
   2. Programmeer de sequentie strikt volgend: Start sessie → kalibratie → laad scène + AOI's → realtime lus (gebruikersinteractie / blikvastlegging / renderfeedback).
   3. Zorg ervoor dat de datapijplijn (Write Logs → Timestamp Sync → Fixation Parsing → AOI Mapping) direct na gegevensverzameling werkt om snelle kwaliteitscontroles te vergemakkelijken.

2. Stimulus- en interactieontwerp

1. Selecteer interactiemodaliteiten
   1. Kies de interactiemodaliteiten op basis van de taxonomie. Kies tussen Blikgebaseerde Interactie, Aanraking/Gebaar-gebaseerde Interactie of Multi-user Collokote Interactie, afhankelijk van de onderzoeksvraag.
   2. Voor dit protocol implementeer je een combinatie van blik- en aanraakinvoer om te voldoen aan het principe van het minimaliseren van inputmoeilijkheden en het maximaliseren van de interpreteerbaarheid van output.
2. Definieer de interactiemodules en trigger-gebeurtenissen.
   OPMERKING: Hier wordt een "interactiemodule" operationeel gedefinieerd als een discrete functionele eenheid van het digitale kunstwerk (bijvoorbeeld een specifiek interactief visueel effect), terwijl een "triggergebeurtenis" verwijst naar de specifieke gebruikersinvoer of systeemstatuswijziging die deze module activeert met een milliseconde-nauwkeurige tijdstempel.
   1. Programmeer de specifieke interactiemodules die in Tabel 2 zijn gedefinieerd.
   2. Ambient attractor: Stel de trigger in op scène-entry of idle state voor ≥ 3,2 seconden. Definieer de verwachte aandachtsreactie als bredere verkenning en grotere blikverspreiding.
   3. Gaze highlight: Stel de trigger in als gaze dwelling op een object AOI ≥ 420 ms. Zorg ervoor dat dit een visuele highlight activeert om de focus te versterken.
   4. Touch ripple: Voer een visueel rimpeleffect uit op coördinaten (x,y) bij een tik op het canvas-evenement. Record-saccade-amplitude verandert na de golffront.
   5. Geleide cue: Programmeer een visuele cue die 1,4–2,1 seconden verschijnt op een vooraf ingestelde AOI. Meet de tijd tot eerste fixatie (TTFF) met deze aanwijzing.
   6. Keuzepoort: Maak een beslissingspunt aan waarbij de gebruiker binnen 7,5 seconden één van de 3 opties selecteert. Gebruik dit om de tijd om te wachten op de gekozen optie versus afgewezen opties te meten.
3. Ontwerpgebieden van Belang (AOI's)
   1. Maak statische en dynamische AOI's zoals te zien in Figuur 5.
   2. Definieer statische AOI's voor vaste gebruikersinterface-elementen (UI) (bijv. menu's, randen).
   3. Definieer dynamische AOI's voor bewegende visuele elementen (bijv. zwevende orbs, deeltjessystemen). Zorg ervoor dat de AOI-coördinaten in het logbestand worden bijgewerkt op de verversingssnelheid van het systeem.
   4. Implementeer semantische tagging voor AOI's (bijv. Target Object, Distract, Instruction Text) om de berekening van semantische geloofwaardigheid tijdens analyse te vergemakkelijken.

3. Werving en screening van deelnemers

1. Wervingsstrategie
   1. Rekruteer deelnemers uit een relevante demografische groep (bijvoorbeeld universiteitsstudenten voor digitale kunststudies) om een basis van digitale geletterdheid te waarborgen.
   2. Verkrijg geïnformeerde toestemming en informeer deelnemers over de aard van de oogvolgprocedure.
2. Screeningscriteria
   1. Screen op gezichtsscherpte. Controleer of deelnemers normaal of gecorrigeerd naar normaal zicht hebben.
   2. Sluit personen met oogziekten (bijv. strabismus, ernstige astigmatisme) uit die de standaard oogvolgkalibratie verstoren.
   3. Kalibratiecontrole: Tijdens de eerste opstelling voer je een 5- of 9-punts kalibratie uit. Sluit deelnemers uit die geen gemiddelde kalibratiefout van ≤ 0,85° kunnen bereiken of die aanhoudend tracking loss vertonen (geldige steekproefverhouding < 85%).
   4. Registreer demografische gegevens, waaronder leeftijd, geslacht, handigheid en zelfgerapporteerde blootstelling aan digitale kunst (zie Tabel 3 parameters).

4. Experimentele procedure

1. Fysieke opstelling
   1. Voer het experiment uit in een stille kamer met stabiel omgevingslicht. Elimineer direct zonlicht of sterke reflecties op het scherm.
   2. Plaats de deelnemer op een vaste kijkafstand (bijv. 60–70 cm) die geschikt is voor de specifieke commerciële schermgebaseerde oogvolgunit.
   3. Stel de stoelhoogte zo aan dat de ogen van de deelnemer op gelijke hoogte zijn met het midden van het scherm.
2. Sessie-uitvoering
   1. Kalibratie: Voer de kalibratieroutine uit. Controleer de juistheid. Als de drift > 1,10° is, voer dan een herkalibratie uit (Driftcontrole).
   2. Oefenproef: Administreer een gestandaardiseerde oefensessie (ongeveer 2 minuten) om de deelnemer vertrouwd te maken met de interactieprotocollen (bijvoorbeeld hoe de Gaze Highlight te activeren).
   3. Taakuitvoering: Presenteer de twee taaktypen in een tegengebalanceerde volgorde om sequentie-effecten te minimaliseren:
      1. Gratis verkenningstaak: Geef de deelnemer de opdracht om "vrij het kunstwerk te verkennen en te interageren met elementen die jou interesseren."
      2. Doelgerichte taak: Geef de deelnemer de opdracht om "Specifieke verborgen elementen te vinden" of "De interactiesequentie te voltooien om het uiteindelijke visuele beeld te ontgrendelen."
   4. Dataregistratie: Zorg ervoor dat het systeem automatisch zowel de oogvolgstroom als de interactielogs registreert met uniforme tijdstempels gedurende de taken.
   5. Vragenlijsten na de taak: Direct na elk taakblok dient u de ervaringsschalen uit (Onderdompeling, esthetisch genot, bruikbaarheid, tevredenheid).

5. Pijplijn voor gegevensverwerking en -analyse

1. Datapreprocessing en kwaliteitscontrole
   1. Zie Figuur 6 voor een uitgebreid overzicht van de gaze-verwerkingspijplijn. Dit visuele schema geeft de sequentiële fasen aan die nodig zijn om ruwe blikcoördinaten om te zetten in interpreteerbare analytische gegevens: initiële signaalkwaliteitscontrole (inclusief knipperinterpolatie en ruimtelijke filtering), snelheidsgebaseerde parsing van oogbewegingen in fixaties en saccades, dynamische mapping van blikpunten aan actieve interessegebieden (AOI's), en de uiteindelijke berekening van kwantitatieve aandachtsmetingen.
   2. Behandel blinks en signaaluitval met behulp van een gestandaardiseerde interpolatie- en filterpijplijn. Identificeer knipper- en signaalverliessegmenten waarbij pupildiameter gelijk is aan nul of waarbij trackingvaliditeitsflags ongeldig zijn.
   3. Voor korte gaten (≤75 ms) pas je een lineair interpolatie-algoritme toe om de ontbrekende blikcoördinaten te schatten. Voor gaten van meer dan 75 ms laat je de data niet in kaart om kunstmatige artefactgeneratie te voorkomen. Na interpolatie pas je een voortschrijdend gemiddelde filter toe (venstergrootte = 3 samples) om kleine hoogfrequente ruis te gladstrijken.
   4. Detecteer en elimineer ruimtelijke uitschieters die worden gedefinieerd als blikpunten die buiten de fysieke schermgrenzen vallen of biologisch onmogelijke saccadische snelheden (> 1000^o/s) vertonen.
   5. Bereken de uiteindelijke uitvalpercentage; Sluit sessies uit waarbij het niet-herstelbare verlies meer dan 12% van de totale taakduur bedraagt.
   6. Pas proefniveau-driftcorrectie toe. Als tijdens de validatiecontrole direct voor een specifiek taakblok een systematische offset is gedetecteerd, pas dan een lineaire coördinatencorrectievector toe op de ruwe blikgegevens van die specifieke proef om kleine hoofdhoudingsverschuivingen te compenseren.
2. Fixatie en saccade-parsing
   1. Pas het Identification by Velocity Threshold (I-VT) parsingalgoritme toe. Classificeer ruwe datapunten als saccades als de bewegingssnelheid van het oog meer dan 30°/s is; Anders classificeer ze als fixaties.
   2. Pas een minimale fixatieduur van 80 ms toe om micro-saccades en artefactruis eruit te filteren.
   3. Classificeer oogbewegingen in fixaties (stabiele blik) en saccades (snelle beweging). Maak een fixatietabel en een saccade-tafel.
3. Temporele uitlijning en AOI-mapping
   1. Lijn de tijdstempels van de blikgebeurtenis uit op de tijdstempels van het interactielogboek met behulp van de UDP-gebeurtenismarkers als absolute referentieanker.
   2. Corrigeer voor eventuele inherente hardware-transmissievertragingen door de gemiddelde offset die tijdens de initialisatietestlus is geregistreerd van alle bliktijdstempels af te trekken.
   3. Zie Tabel 4 voor een schematisch voorbeeld van de gesynchroniseerde datalijnen die deze integratie op analytisch niveau illustreren. Let op hoe deze matrix continue blikcoördinaten, discrete interactiegebeurtenisvlaggen en dynamische AOI-indices met milliseconderesolutie samenvoegt om de fundamentele dataset te vormen voor latere metriekberekening.
   4. Implementeer Dynamic AOI Mapping om de beperkingen van statische ruimtelijke partitionering in vloeiende digitale kunstomgevingen te overwinnen.
   5. Koppel elke fixatiecoördinaat aan de actieve AOI's die specifiek zijn bijgewerkt voor die exacte milliseconde tijdstempel met behulp van een point-in-polygon-algoritme.
   6. OPMERKING: Dit zorgt ervoor dat zelfs als visuele elementen continu bewegen of van status veranderen, de blikgegevens correct worden toegeschreven aan het bedoelde interactieve object in plaats van aan een vaste, verouderde schermlocatie.
   7. Ken prioriteit toe aan overlappende AOI's met behulp van een strikte z-buffer hiërarchische regel. Koppel de ruwe (x,y) blikcoördinaat aan de bounding box-array die bij die specifieke milliseconde tijdstempel wordt bijgewerkt.
   8. Als de coördinaat binnen meerdere actieve begrenzingsboxen valt, wijs je de fixatie exclusief toe aan de AOI met de hoogste rendering-laagindex (het belangrijkste visuele element). Verwijder overlappende gegevens uit lagere lagen om dubbeltelling te voorkomen.
   9. Bereken het percentage niet-gemapte fixaties. Zorg ervoor dat dit ≤ 0,18 (18%) blijft om de volledigheid van de AOI-definities te verifiëren.
4. Metrische berekening
   1. Bereken metrics over drie dimensies zoals weergegeven in het Figuur 1-raamwerk :
   2. Bereken TTFF, strikt gedefinieerd als de verstreken tijd vanaf het begin van een specifieke visuele stimulus tot het begin van de eerste fixatie binnen de overeenkomstige doel-AOI. Bereken verblijftijd (totale fixatieduur binnen een AOI) en herbezoeksnelheid.
   3. Bereken overgangsmatrices om aandachtwisseling te kwantificeren. Bereken de overgangskans P_AB om van AOI A naar AOI B te gaan door het aantal blikovergangen van naar te delen door het totale aantal overgangen afkomstig van A. Bereken de wisselsnelheid door het totale aantal inter-AOI overgangen te delen door de geldige taakduur.
   4. Bereken Global Gaze Entropie (H) met behulp van Shannons Informatietheorieformule om de willekeur van de visuele verkenning te kwantificeren. Formuleer de vergelijking als volgt:
      (1)
      waarbij de variabelen als volgt worden gedefinieerd: : Global Gaze Entropy, die de verspreiding van visuele aandacht voorstelt. N: Het totale aantal gedefinieerde dynamische AOI's binnen de scène. p_i: De kans dat de blik op een specifiek AOI valt. Dit is afgeleid van het aandeel van de verblijftijd in AOI ten opzichte van de totale geldige taakduur.
   5. Aggregeer deze metrics per taakfase (Gratis Exploratie versus Doelgericht).
5. Statistische modellering
   1. Stel de uiteindelijke dataset samen door berekende metrics samen te voegen met de Survey Scores.
   2. Voer Bevestigende Factoranalyse (CFA) uit om de constructen van bruikbaarheid en tevredenheid te valideren.
   3. Gebruik mixed-effects modellen of structurele vergelijkingsmodellering (SEM) om de hypothesen te testen (bijv. interactielatentie voorspelt aandachtwisseling, aandachtwisseling voorspelt bruikbaarheid).

Results

Steekproefkenmerken en datakwaliteit

De toepassing van dit protocol rekruteerde 43 studenten, van wie er uiteindelijk 37 werden opgenomen in de eindanalyse (Inclusiepercentage: 86,0%). Zoals beschreven in Tabel 3, was de uitsluiting van 6 deelnemers uitsluitend het gevolg van naleving van datakwaliteitsprotocollen: tracking loss / slechte kalibratie (n=2), overmatige ontbrekende steekproeven (n=2), onvolledige taken door zelfg...

Discussion

Deze studie stelt een gevalideerd eye-tracking meetkader vast dat specifiek is afgestemd op interactieve digitale kunst. In de kern geven de bevindingen aan dat dynamische Area of Interest (AOI)-mapping gecombineerd met milliseconde-niveau multimodale synchronisatie met succes micro-niveau visuele aandachtsverschuivingen kwantificeert die voorheen in vloeibare media werden verborgen. Theoretisch overbrugt dit onderzoek de conceptuele kloof tussen passieve observatie- en actieve participa...

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
Eye Tracker	Tobii AB	Pro Nano	60 Hz scherm-gebaseerde blikregistratie; 5/9-puntskalibratie
Monitor	ASUS	VP249QGR	23.8'', 1920×1080; kijkafstand ~65 cm
Interactie PC	Dell	OptiPlex 7010	Windows 10; voert interface + logboeken uit
Sync Clock	Aangepast	v1.0	Verenigt blik en interactie tijdstempels
Fixatie Parser	Open-source	I-VT	Fixatiedrempel 80–120 ms.
AOI Mapper	Aangepast	2D Punt-in-Polygoon	Regelt blik naar statische/dynamische AOIs