Technika śledzenia wzroku
Oko często określa się mianem okna do umysłu1,2. Osiemdziesiąt procent informacji przyswajanych przez człowieka pochodzi ze wzroku3. Od XIX wieku zaczęto badać psychologiczne aktywności ludzi poprzez bezpośrednią obserwację ruchów gałek ocznych uczestników. Miles wynalazł wizjer, aby prowadzić obserwacje podczas czytania przez uczestników4. W badaniu tym eksperymentator siedział naprzeciwko uczestnika i obserwował ruchy jego oczu przez mały otwór w środku materiału do czytania. Od tego czasu technologia znacznie się rozwinęła. Obecnie najnowocześniejsze urządzenia do śledzenia ruchów gałek ocznych opierają się głównie na rejestracji prądu elektrycznego, indukcji magnetycznej oraz rejestracji optycznej, która obejmuje metody odbicia rogówkowego i odbicia tęczówkowo-twardówkowego5,6,7. Powszechnie stosowane dziś cechy nieinwazyjne sprawiają, że rejestracja ruchów oczu jest bardziej naturalna, co zwiększa trafność ekologiczną. Obecnie techniki śledzenia wzroku odnoszą się zazwyczaj do wykorzystania sterowanego komputerowo systemu eye-trackingu w celu rejestracji i analizy ułożenia oczu uczestnika oraz form ruchów gałek ocznych podczas przeglądania materiałów wizualnych.
Na przestrzeni lat wyewoluowało wiele perspektyw teoretycznych dotyczących ruchów gałek ocznych. Należą do nich model przetwarzania bufora wizyjnego, model przetwarzania parafowealnego, model E-Z Reader, model przetwarzania natychmiastowego oraz model przetwarzania oko-umysłowego8,9,10. Model przetwarzania natychmiastowego zakłada, że przetwarzanie treści wizualnych na wszystkich poziomach nie jest opóźnione, lecz odbywa się w czasie rzeczywistym. Model przetwarzania oko-umysłowego skupia się na informacji tekstowej i zakłada, że dopóki dana osoba przetwarza słowo, to na nie patrzy. Innymi słowy, słowo przetwarzane jest dokładnie tym samym słowem, na które aktualnie patrzy badany. Czas przetwarzania słowa odpowiada całkowitemu czasowi fiksacji oka uczestnika.
Istnieją trzy podstawowe rodzaje ruchów ludzkiego oka: fiksacje, sakady i ruchy podążania8,1,12. Czas trwania fiksacji oraz liczba fiksacji zazwyczaj odzwierciedlają zakres zasobów poznawczych, jakie uczestnik poświęca na analizę przeglądanej treści. Sakada odnosi się do ruchu z jednego punktu spojrzenia do drugiego. Sakady retrospektywne mogą służyć jako wskaźnik stopnia zaawansowania przetwarzania w procesie kodowania. Sakady regresyjne wskazują na głębsze przetwarzanie obszaru po pierwszym spojrzeniu na kluczowe elementy, co odzwierciedla trudność lub interesujący charakter treści w tym obszarze. Ruchy podążania są zazwyczaj wykonywane w obecności szumu wizualnego, gdy oko poszukuje punktu zainteresowania.
Z drugiej strony możemy również mierzyć rozmiar źrenic oraz częstotliwość mrugania; oba te parametry odzwierciedlają aktywność psychologiczną ludzi13,14,15. Na przykład istnieje zależność między rozmiarem źrenic a konkretną trudnością zadania, motywacją, zainteresowaniem, postawą oraz zmęczeniem. Obecnie zależność między rozmiarem źrenic a walencją emocjonalną nie jest jasna16. Jednakże, jeśli badacz połączy pomiar rozmiaru źrenic z innymi wskaźnikami, takimi jak elektroencefalografia (EEG), dokładność pomiaru znacznie wzrośnie17. W przypadku wskaźników mrugania, zgodnie z hipotezą mrugania hedonicznego, spadek częstotliwości mrugania jest zazwyczaj powiązany z radosnymi myślami emocjonalnymi, podczas gdy wzrost częstotliwości mrugania wiąże się z nieszczęśliwymi stanami emocjonalnymi18.
Zastosowania technologii śledzenia wzroku są niezwykle szerokie i obejmują strategie czytania, przetwarzanie informacji wizualnych, zachowania kompulsywne, a nawet intencje artystyczne. Najbardziej rozwinięte są zastosowania w dziedzinie czytania. W komunikacji śledzenie wzroku jest przydatne w badaniach nad konsumpcją wiadomości oraz w badaniach nad skutecznością reklamy. Przykładowo, liczne eksperymenty dotyczące ruchów gałek ocznych badały zarówno czynniki egzogenne, jak i endogenne w reklamie19,20, gdzie pierwsze dotyczyły fizycznych cech reklam, takich jak rozmiar, wzór, kolor, pozycja, oryginalność i powtarzalność ekspozycji21,2, a drugie badały czynniki indywidualne, takie jak zaangażowanie w produkt, motywacja produktowa, wiedza uprzednia i znajomość marki23,24,25,26,27.
Ponadto technologia śledzenia wzroku jest szeroko stosowana w wielu innych dziedzinach, takich jak interakcja człowiek-komputer i badania użyteczności28,29,30,31; transfer umiejętności32; badania nad rozwojem niemowląt i dzieci3,34,35,36; marketing i badania zachowań konsumentów online37,38,39; a także projektowanie opakowań40,41, między innymi.
Oprócz stosowania samodzielnego, śledzenie wzroku jest często łączone z innymi multimodalnymi technikami pomiarowymi. Na przykład badacze mogą łączyć dane o ruchach gałek ocznych z innymi wskaźnikami fizjologicznymi, takimi jak EEG, reakcja skórno-galwaniczna, tętno, temperatura skóry, ekspresja twarzy itp. W ten sposób można skuteczniej badać reakcje emocjonalne użytkowników na różne rodzaje informacji42.
Technologia śledzenia ruchów gałek ocznych może być również integrowana z innymi technologiami. Przykładowo, jest ona wykorzystywana w technologii rozszerzonej rzeczywistości30. Obecnie szczególną uwagę zwraca integracja technologii śledzenia ruchów oczu z technologią wirtualnej rzeczywistości (VR). Z jednej strony taka integracja może przyspieszyć rozwój urządzeń związanych z VR. Przykładowo, jednostki przetwarzania graficznego (GPU) w większości urządzeń VR są nadmiernie obciążone i zużywają dużo energii. Technologia eye tracking pozwala na wykrywanie punktu fiksacji wzroku widza w czasie rzeczywistym. Dzięki temu urządzenia VR mogą skupić się wyłącznie na renderowaniu tego obszaru i pomijać pozostałe części obrazu, co znacząco redukuje zużycie energii oraz obciążenie renderujące GPU. Z drugiej strony, takie połączenie może wzbogacić funkcje interakcji oraz zwiększyć imersję i zaangażowanie użytkowników VR. Na przykład gracze mogą wykorzystywać ruchy gałek ocznych zamiast dłoni do wykonywania operacji w grze43. Ponadto badacze mogą przeprowadzać testy ruchów gałek ocznych w środowisku symulowanym. Przykładowo, w badaniach nad zachowaniem konsumentów naukowcy nie muszą zabierać badanych do prawdziwego centrum handlowego ani używać rzeczywistych produktów, lecz mogą testować ich reakcje wirtualnych scenariuszach badawczych, jak pokazano na Rysunku 1.

Rysunek 1: Wirtualny scenariusz badawczy Prosimy kliknąć tutaj, aby wyświetlić powiększoną wersję tej figury.
Wideo typu barrage
Termin „barrage” (ogień zaporowy) wywodzi się z wojskowości. W celu przechwycenia ruchomych celów wykorzystuje się wiele dział artyleryjskich do prowadzenia ognia i stworzenia przed celami zasłony z pocisków o wysokiej gęstości4. Termin ten jest używany w kontekście oglądania wideo do opisania formatu i zjawiska, w którym widzowie danego filmu zamieszczają komentarze wyświetlane na ekranie podczas oglądania, tworząc w ten sposób „ścianę” komentarzy, co przedstawiono na Rysunku 2. Ten format interakcji i komentowania określany jest również jako komentarze nakładkowe (overlaid comments)45,46. Filmy typu barrage pojawiły się po raz pierwszy w japońskim serwisie wideo „niconico”. Najpopularniejszymi witrynami tego typu w Chinach są AcFun (Station A, www.acfun.cn) oraz Bilibili (Station B, www.bilibili.com). Wiele innych chińskich serwisów streamingowych, takich jak Youku, Tencent, LeTV iQiyi, wprowadziło również funkcje wysyłania i wyświetlania barrage. Wideo typu barrage przyciągnęły wielu chińskich widzów oraz uwagę badaczy z wielu dyscyplin.

Rysunek 2: Kurtyna komentarzy Proszę kliknąć tutaj, aby wyświetlić powiększoną wersję tej figury.
Widzowie filmów z komentarzami typu „barrage” mogą oglądać treści i wchodzić w interakcje z innymi poprzez komentowanie, co pozwala zaspokoić pewne potrzeby psychologiczne. Odbiorcy takich filmów mogą wykazywać podobieństwa pod względem wieku, pochodzenia i zainteresowań, dzięki czemu mogą rozwijać poczucie tożsamości i przynależności. Istnieją badania wykazujące na przykład, że platformy AcFun i Bilibili są miejscem spotkań entuzjastów gatunku „quadratic element”, których widownia składa się głównie z osób w wieku od 17 do 25 lat47,48. Dwie te strony internetowe wprowadziły niezwykle rygorystyczny system weryfikacji członkostwa, w którym dostęp jest przyznawany dopiero po zdaniu egzaminu wstępnego polegającego na odpowiedzi na pytania takie jak: „Jaki jest wzrost bohaterki Thousands of Defenders w Hurricane Butler?” lub „Ile krążowników wysłał Gonon w Bitwie o Rum?”. Takie kryteria w zasadzie eliminują większość „heterogenicznej” widowni, która chciałaby „najechać” grupę.
W kontekście niniejszego badania, wideo z tzw. „barrage” (pasmami komentarzy) tworzy poczucie oglądania w grupie, co jest szczególnie istotne dla osób odczuwających samotność. Ponieważ treść komentarzy jest ściśle powiązana z fabułą, a same uwagi stanowią natychmiastową reakcję, widz odnosi złudzenie wspólnego oglądania z innymi osobami, mimo że fizycznie przebywa samotnie. Wykazano, że takie poczucie towarzystwa pomaga łagodzić poczucie samotności49.
Filmy typu barrage mogą również dostarczać rozrywki innego rodzaju, ponieważ widzowie nie tylko konsumują, ale także tworzą treści wideo, łącząc niekiedy poważne filmowanie z zabawnymi działaniami. Widzowie barrage mogą również odnaleźć azyl z dala od rzeczywistości50,51, w którym mogą rozładować swój niepokój i doświadczyć katharsis emocjonalnego w bezpiecznym środowisku52, a także zaprezentować swoją osobowość, przejawiać narcyzm poprzez przyciąganie uwagi innych, a nawet omijać konformistyczne normy obowiązujące w świecie rzeczywistym53.
Mechanizm oglądania treści z komentarzami typu barrage przez samotnych odbiorców
Oglądanie wideo z komentarzami typu barrage stanowi idealną platformę do badania wykorzystania mediów i samotności ze względu na wsparcie emocjonalne zapewniane przez to środowisko. W niniejszym badaniu autorzy stwierdzili, że dotychczasowe koncepcje ekspozycji na media są niewystarczające, dlatego zaproponowali model aktywacji i satysfakcji z dopasowania (activation and match satisfaction model, AMSM), aby wyjaśnić psychologiczne podstawy oglądania barrage, zwłaszcza przez osoby samotne. W poprzednich badaniach istniały dwa podejścia wyjaśniające korzystanie z mediów. Paradygmat deficytu zakłada, że osoby samotne, z powodu braku towarzystwa, poświęcają podczas oglądania więcej zasobów poznawczych treściom barrage, aby szukać company i zrekompensować sobie samotność. Paradygmat globalnego użytkowania głosi, że korzystanie z mediów jest powszechne i w ogólny sposób zaspokaja ogólne oraz interpersonalne potrzeby. Zatem niezależnie od stanu emocjonalnego wszyscy widzowie zwracają uwagę na barrage i uzyskują różne rodzaje gratyfikacji54. Jednak model AMSM zakłada, że treść emocjonalna służy aktywacji potrzeb interpersonalnych samotnych odbiorców, którzy w procesie oglądania wykazują inicjatywę w poszukiwaniu interaktywnych i interpersonalnych elementów komunikacji, takich jak treści barrage, i poświęcają tym komponentom więcej uwagi. Stopień, w jakim elementy te zaspokajają ich potrzeby emocjonalne, determinuje poziom osiąganej przez nich satysfakcji.
Aby zrozumieć mechanizm oglądania wideo z komentarzami typu „barrage” przez osoby samotne, konieczne jest określenie ilości zasobów poznawczych, jakie osoby te inwestują w różne treści medialne, oraz sposobu, w jaki zaspokajają one swoje potrzeby. Takich danych nie można jednak wiarygodnie uzyskać za pomocą tradycyjnych metod raportowania opartych na uczestnictwie. Alokacja zasobów poznawczych odbywa się zarówno świadomie, jak i podświadomie. Wymaganie od widzów precyzyjnego określenia, którym częściom treści poświęcają więcej zasobów poznawczych, jest zadaniem niezwykle trudnym. Aby to osiągnąć, niezbędna jest odpowiednia metodologia badawcza pozwalająca na rejestrację procesu oglądania, rozróżnienie poziomu uwagi poświęcanej różnym częściom treści oraz pomiar odpowiadającej temu satysfakcji z procesu oglądania.
Z tych powodów w projekcie tym śledzono ruchy gałek ocznych uczestników, traktując je jako pomiary uwagi oraz stopnia zaangażowania zasobów poznawczych. Kolejne pytania oparte na skali Likerta zostały zaprojektowane w celu pomiaru stopnia satysfakcji uczestników z ekspozycji. Okulografia jest technologią nieinwazyjną o wysokiej rozdzielczości czasowej i przestrzennej, co pozwala na rejestrację danych podczas przetwarzania przez uczestników ciągłych bodźców wizualnych bez rozpraszania uwagi5,56. W niniejszym badaniu jako miary uwagi wykorzystano czas trwania oraz liczbę fiksacji. Czas trwania odnosi się do długości uwagi, a liczba fiksacji do liczby spojrzeń na konkretny obszar materiału wideo. Wykazano, że oba te wskaźniki ruchu gałek ocznych są rzetelnymi miernikami dokładności przetwarzania, odzwierciedlającymi zasoby poznawcze przydzielone przez badanych57,58. Wyniki prawdopodobieństwa spojrzenia pozwalają badaczom na przykład wywnioskować, które atrybuty w filmie były istotne dla uczestnika. W przypadku pomiarów samoopisowych badacze zastosowali 7-stopniową skalę Likerta, której pytania zadano i na które uzyskano odpowiedzi bezpośrednio po obejrzeniu materiału.
Opierając się na argumentach z poprzednich omówionych perspektyw, badacze zaprojektowali mieszane badanie eksperymentalne w układzie 2 (typ odbiorcy) x 2 (rodzaj przekazu reklamowego) x 2 (bombardowanie informacyjne) i postawili hipotezę dotyczącą poziomu uwagi, jaką uczestnicy normalni oraz samotni poświęcą filmom z bombardowaniem informacyjnym. Typ odbiorcy (samotny i normalny) był czynnikiem międzygrupowym. Przekaz reklamowy miał dwa poziomy: reklamy emocjonalne lub reklamy racjonalne. Bombardowanie informacyjne również miało dwa poziomy, określające filmy z bombardowaniem informacyjnym lub bez niego. Te dwa ostatnie były czynnikami wewnątrzobiektowymi. Ogólne hipotezy zakładały, że samotni odbiorcy poświęcą więcej uwagi reklamom emocjonalnym niż racjonalnym oraz że poświęcą więcej uwagi filmom z bombardowaniem informacyjnym niż bez niego, podczas gdy w przypadku odbiorców normalnych nie będzie takich różnic. Oceny satysfakcji wykazały te same wzorce. Oryginalna praca Chen i wsp.59 szczegółowo opisała wszystkie te hipotezy.