Se requiere una suscripción a JoVE para ver este contenido. Inicie sesión o comience su prueba gratuita.
El seguimiento ocular es un método no invasivo para sondear el procesamiento de la información. Este artículo describe cómo se puede utilizar el seguimiento ocular para estudiar el comportamiento de la mirada durante una tarea de emergencia de simulación de vuelo en pilotos de tiempo bajo (es decir, <350 horas de vuelo).
El seguimiento ocular se ha utilizado ampliamente como un indicador para obtener información sobre los procesos cognitivos, perceptivos y sensoriomotores que subyacen al rendimiento de las habilidades. Trabajos anteriores han demostrado que las métricas de mirada tradicionales y avanzadas demuestran de manera confiable diferencias sólidas en la experiencia del piloto, la carga cognitiva, la fatiga e incluso la conciencia de la situación (SA).
Este estudio describe la metodología para utilizar un rastreador ocular portátil y un algoritmo de mapeo de mirada que captura los movimientos naturalistas de la cabeza y los ojos (es decir, la mirada) en un simulador de vuelo inmóvil de alta fidelidad. El método descrito en este documento describe los análisis de mirada basados en el área de interés (AOI), que proporciona más contexto relacionado con dónde miran los participantes y la duración del tiempo de permanencia, que indica la eficiencia con la que están procesando la información fijada. El protocolo ilustra la utilidad de un rastreador ocular portátil y un algoritmo de visión por computadora para evaluar los cambios en el comportamiento de la mirada en respuesta a una emergencia inesperada durante el vuelo.
Los resultados representativos demostraron que la mirada se vio significativamente afectada cuando se introdujo el evento de emergencia. Específicamente, la asignación de atención, la dispersión de la mirada y la complejidad de la secuencia de la mirada disminuyeron significativamente y se concentraron mucho en mirar por la ventana frontal y en el medidor de velocidad del aire durante el escenario de emergencia (todos los valores de p < 0,05). Se discute la utilidad y las limitaciones de emplear un rastreador ocular portátil en un entorno de simulación de vuelo inmóvil de alta fidelidad para comprender las características espacio-temporales del comportamiento de la mirada y su relación con el procesamiento de la información en el dominio de la aviación.
Los seres humanos interactúan predominantemente con el mundo que los rodea moviendo primero los ojos y la cabeza para enfocar su línea de visión (es decir, la mirada) hacia un objeto o lugar de interés específico. Esto es particularmente cierto en entornos complejos, como las cabinas de los aviones, donde los pilotos se enfrentan a múltiples estímulos que compiten entre sí. Los movimientos de la mirada permiten la recopilación de información visual de alta resolución que permite a los seres humanos interactuar con su entorno de manera segura y flexible1, lo cual es de suma importancia en la aviación. Los estudios han demostrado que los movimientos oculares y el comportamiento de la mirada proporcionan información sobre los procesos perceptuales, cognitivos y motores subyacentes en diversas tareas 1,2,3. Además, el lugar donde miramos tiene una influencia directa en la planificación y ejecución de los movimientos de las extremidades superiores3. Por lo tanto, el análisis del comportamiento de la mirada durante las tareas de aviación proporciona un método objetivo y no invasivo, que podría revelar cómo los patrones de movimiento ocular se relacionan con varios aspectos del procesamiento y el rendimiento de la información.
Varios estudios han demostrado una asociación entre la mirada y el rendimiento de las tareas en varios paradigmas de laboratorio, así como en tareas complejas del mundo real (es decir, operar una aeronave). Por ejemplo, las áreas relevantes para la tarea tienden a fijarse con más frecuencia y durante períodos totales más largos, lo que sugiere que la ubicación de la fijación, la frecuencia y el tiempo de permanencia son indicadores de la asignación de atención en tareas neurocognitivas y de aviación 4,5,6. Los expertos y los que tienen un desempeño altamente exitoso muestran sesgos de fijación significativos hacia las áreas críticas para la tarea en comparación con los que tienen un desempeño menos exitoso o los novatos 4,7,8. Los aspectos espacio-temporales de la mirada se capturan a través de cambios en los patrones de tiempo de permanencia en varias áreas de interés (AOI) o medidas de distribución de la fijación (es decir, entropía de la mirada estacionaria: SGE). En el contexto de los paradigmas basados en el laboratorio, la duración media de la fijación, la longitud de la trayectoria de exploración y la complejidad de la secuencia de la mirada (es decir, la entropía de transición de la mirada: GTE) tienden a aumentar debido al aumento del escaneo y el procesamiento necesarios para resolver problemas y elaborar objetivos/soluciones de tareas más desafiantes 4,7.
Por el contrario, los estudios de aviación han demostrado que la longitud de la ruta de exploración y la complejidad de la secuencia de mirada disminuyen con la complejidad de la tarea y la carga cognitiva. Esta discrepancia pone de manifiesto el hecho de que la comprensión de los componentes de la tarea y las demandas del paradigma que se emplea es fundamental para la interpretación precisa de las métricas de la mirada. En conjunto, la investigación hasta la fecha respalda que las medidas de la mirada proporcionan una visión significativa y objetiva del procesamiento de información específica de la tarea que subyace a las diferencias en la dificultad de la tarea, la carga cognitiva y el rendimiento de la tarea. Con los avances en la tecnología de seguimiento ocular (es decir, la portabilidad, la calibración y el costo), el examen del comportamiento de la mirada en "la naturaleza" es un área emergente de investigación con aplicaciones tangibles hacia el avance de la capacitación ocupacional en los campos de la medicina 9,10,11 y la aviación 12,13,14.
El trabajo actual tiene como objetivo examinar más a fondo la utilidad del uso de métricas basadas en la mirada para obtener información sobre el procesamiento de la información mediante el empleo específico de un rastreador ocular portátil durante una tarea de simulación de vuelo de emergencia en pilotos de bajo tiempo. Este estudio amplía el trabajo previo que utilizó un rastreador ocular estabilizado por la cabeza (es decir, EyeLink II) para examinar las diferencias en las métricas de comportamiento de la mirada en función de la dificultad de vuelo (es decir, los cambios en las condiciones climáticas)5. El trabajo presentado en este manuscrito también se extiende sobre otros trabajos que describieron los enfoques metodológicos y analíticos para el uso del seguimiento ocular en un sistema de realidad virtual15. Nuestro estudio utilizó un simulador inmóvil de mayor fidelidad e informa de un análisis adicional de los datos de movimiento ocular (es decir, entropía). Este tipo de análisis ha sido reportado en trabajos previos; Sin embargo, una limitación en la literatura actual es la falta de estandarización en el reporte de los pasos analíticos. Por ejemplo, informar sobre cómo se definen las áreas de interés es de vital importancia porque influye directamente en los valores de entropía resultantes16.
En resumen, el trabajo actual examinó las métricas tradicionales y dinámicas del comportamiento de la mirada, mientras que la dificultad de la tarea se manipuló mediante la introducción de un escenario de emergencia en vuelo (es decir, una falla total inesperada del motor). Se esperaba que la introducción de un escenario de emergencia en vuelo proporcionara información sobre los cambios en el comportamiento de la mirada que subyacen al procesamiento de la información durante condiciones de tarea más desafiantes. El estudio reportado aquí es parte de un estudio más amplio que examina la utilidad del seguimiento ocular en un simulador de vuelo para informar el entrenamiento de pilotos basado en competencias. Los resultados aquí presentados no han sido publicados previamente.
El siguiente protocolo se puede aplicar a estudios que involucran un rastreador ocular portátil y un simulador de vuelo. El estudio actual involucra datos de seguimiento ocular registrados junto con tareas complejas relacionadas con la aviación en un simulador de vuelo (ver Tabla de Materiales). El simulador se configuró para ser representativo de un Cessna 172 y se utilizó con el panel de instrumentos necesario (configuración de medidor de vapor), un sistema de aviónica/GPS, un panel de audio/luces, un panel de interruptores y una unidad de control de vuelo (FCU) (ver Figura 1). El dispositivo de simulador de vuelo utilizado en este estudio es certificable con fines de entrenamiento y utilizado por la escuela de vuelo local para entrenar las habilidades necesarias para responder a diversos escenarios de emergencia, como fallas de motor, en un entorno de bajo riesgo. Todos los participantes en este estudio tenían licencia; Por lo tanto, experimentaron el escenario del simulador de falla del motor anteriormente en el curso de su capacitación. Este estudio fue aprobado por la Oficina de Ética de la Investigación de la Universidad de Waterloo (43564; Fecha: 17 de noviembre de 2021). Todos los participantes (N = 24; 14 hombres, 10 mujeres; edad media = 22 años; rango de horas de vuelo: 51-280 h) dieron su consentimiento informado por escrito.
Figura 1: Entorno del simulador de vuelo. Una ilustración del entorno del simulador de vuelo. El punto de vista del participante sobre la cabina de mando reprodujo el de un piloto que vuela un Cessna 172, preestablecido para una aproximación a favor del viento hasta la base hasta la final al Aeropuerto Internacional de Waterloo, Breslau, Ontario, CA. Los recuadros naranjas representan las diez principales áreas de interés utilizadas en los análisis de la mirada. Estos incluyen los (1) velocidad del aire, (2) actitud, (3) altímetro, (4) coordinador de giro, (5) rumbo, (6) velocidad vertical y (7) indicadores de encendido, así como las (8) ventanas delanteras, (9) izquierdas y (10) derechas. Esta figura fue modificada a partir de Ayala et al.5. Haga clic aquí para ver una versión más grande de esta figura.
1. Selección de participantes y consentimiento informado
2. Requisitos de hardware/software y puesta en marcha
3. Recopilación de datos
NOTA: Repita estos pasos para cada prueba. Se recomienda que la computadora portátil se coloque en el banco fuera de la cabina.
4. Procesamiento y análisis de datos
Término | Definición |
Éxito (%) | Porcentaje de pruebas de aterrizaje exitosas |
Tiempo (s) de finalización | Duración del tiempo desde el inicio del escenario de aterrizaje hasta que el avión se detiene por completo en la pista |
Dureza de aterrizaje (fpm) | La tasa de decente en el punto de aterrizaje |
Error de aterrizaje (°) | La diferencia entre el centro del avión y el centro del marcador de pista de 500 pies en el punto de aterrizaje |
Tabla 1: Variables de resultado del rendimiento del simulador. Variables dependientes del rendimiento de la aeronave y sus definiciones.
Figura 2: Trayectoria de vuelo del escenario de aterrizaje. Esquema de (A) el circuito de aterrizaje completado en todas las pruebas y (B) la pista con los marcadores de 500 pies que se utilizaron como punto de referencia para la zona de aterrizaje (es decir, círculo naranja central). Haga clic aquí para ver una versión más grande de esta figura.
Figura 3: Mapeo del área de interés. Ilustración del script por lotes que muestra una ventana para la selección de fotogramas. La selección de un fotograma óptimo implica la elección de un fotograma de vídeo que incluya la mayoría o todas las áreas de interés que se van a cartografiar. Haga clic aquí para ver una versión más grande de esta figura.
Figura 4: Generación de coordenadas "en pantalla" de mapeo de área de interés. Una ilustración del script por lotes que muestra una ventana para la selección de coordenadas "en pantalla". Este paso implica la selección de una región cuadrada/rectangular que permanezca visible durante toda la grabación, que sea exclusiva de la imagen y que permanezca estática. Haga clic aquí para ver una versión más grande de esta figura.
Figura 5: Identificación del área de interés a mapear. Una ilustración de la ventana de script por lotes que permite la selección y el etiquetado de áreas de interés. Abreviatura: AOIs = áreas de interés. Haga clic aquí para ver una versión más grande de esta figura.
Figura 6: Procesamiento de scripts por lotes. Una ilustración del script por lotes procesando el video y mapeando las fijaciones realizadas a lo largo del juicio. Haga clic aquí para ver una versión más grande de esta figura.
Término | Definición |
Tiempo de permanencia (%) | Porcentaje de la suma de todas las duraciones de fijación acumuladas en un AOI en relación con la suma de las duraciones de fijación acumuladas en todos los AOI |
Duración media de la fijación (ms) | Duración media de una fijación en un AOI desde la entrada hasta la salida |
Velocidad de parpadeo (parpadeos/s) | Número de parpadeos por segundo |
SGE (bits) | Dispersión de la fijación |
GTE (bits) | Complejidad de la secuencia de escaneo |
Número de combates | Número de eventos de tunelización cognitiva (>10 s) |
Tiempo total del combate (s) | Tiempo total de los eventos de tunelización cognitiva |
Tabla 2: Variables de resultado del seguimiento ocular. Variables dependientes del comportamiento de la mirada y sus definiciones.
El impacto de las demandas de las tareas en el rendimiento del vuelo
Los datos se analizaron sobre la base de pruebas de aterrizaje exitosas en condiciones básicas y de emergencia. Todas las medidas se sometieron a una prueba t de muestras pareadas (factor dentro del sujeto: condición de la tarea (básica, emergencia)). Todas las pruebas t se realizaron con un nivel alfa establecido en 0,05. Cuatro participantes se estrellaron durante la prueba de ...
El método de seguimiento ocular descrito aquí permite evaluar el procesamiento de la información en un entorno de simulador de vuelo a través de un rastreador ocular portátil. La evaluación de las características espaciales y temporales del comportamiento de la mirada proporciona información sobre el procesamiento de la información humana, que se ha estudiado ampliamente utilizando paradigmas de laboratorio altamente controlados 4,7,28
No existen intereses financieros contrapuestos.
Este trabajo está financiado en parte por la Beca Canadiense de Posgrado (CGS) del Consejo de Investigación en Ciencias Naturales e Ingeniería (NSERC) de Canadá, y la Beca de Exploración (00753) del Fondo de Investigación de Nuevas Fronteras. Todas las opiniones, hallazgos, conclusiones o recomendaciones expresadas en este material son del autor o autores y no reflejan necesariamente las de los patrocinadores.
Name | Company | Catalog Number | Comments |
flight simulator | ALSIM | AL-250 | fixed fully immersive flight simulation training device |
laptop | Hp | Lenovo | eye tracking data collection laptop; requirements: Windows 10 and python 3.0 |
portable eye-tracker | AdHawk | MindLink eye tracking glasses (250 Hz, <2° gaze error, front-facing camera); eye tracking batch script is made available with AdHawk device purchase |
Solicitar permiso para reutilizar el texto o las figuras de este JoVE artículos
Solicitar permisoExplorar más artículos
This article has been published
Video Coming Soon
ACERCA DE JoVE
Copyright © 2025 MyJoVE Corporation. Todos los derechos reservados