מתודולוגיה ללכידת תשומת לב ויזואלית משותפת באמצעות עוקבים אחר העין הניידת

היי, שמי ברטרנד שניידר ואני פרופסור בבית הספר לחינוך לתארים מתקדמים בהרווארד. בסרטון זה אני הולך להראות לך איך אנחנו יכולים להשתמש עוקבי עיניים ניידים כדי ללכוד מבנה מרכזי למדעי החברה, תשומת לב חזותית משותפת. תשומת לב חזותית משותפת נחקרה בהרחבה על ידי פסיכולוגים נמצאה בקורלציה הדוקה לאיכות האינטראקציות בין חברי הקבוצה.

מתברר שכאשר אנשים בונים מכנה משותף ויוצרים הבנה משותפת של משימה, הם נוטים לעתים קרובות להסתכל על אותו מקום בו זמנית. באופן מסורתי, חוקרים חקרו את תשומת הלב החזותית המשותפת באופן איכותי על ידי קידוד ידני של סרטונים. אני הולך להראות לך איך אנחנו יכולים להשתמש עוקבי עיניים ניידים כדי לקבל מדידה כמותית של מבנה זה בהגדרות שיתוף ממוקם.

בסרטון זה נשתמש משקפיים Pro טובי 2. משקפיים אלה הם עוקבי עיניים לבישים שיכולים ללכוד תנועת עיניים בסביבות בעולם האמיתי. בנוסף למצלמות מיוחדות במסגרת למעקב אחר תנועות עיניים, המכשיר מצויד גם במצלמת סצנה באיכות HD מלאה ובמיקרופון, כך שניתן לדמיין את התנהגות המבט בהקשר של השדה החזותי של הלובש.

עבור משקפיים אלה מבט נתפס 50 פעמים בשנייה ואת הזנת וידאו חי מן המשקפיים ניתן להזרים למחשב או באופן אלחוטי, או באמצעות כבל ethernet. עם זאת, למשקפיים יש מגבלה אחת, שכן הם לא יעבדו על משקפיים רגילים. ההליך להגדרת מעקב העיניים הוא פשוט יחסית.

ראשית, המשתתפים יתבקשו לשים את משקפי המעקב אחר העיניים כפי שהם היו זוג משקפיים רגיל. בהתבסס על תווי הפנים הייחודיים של המשתתפים, ייתכן שיהיה צורך להשתמש בחלקי אף בגבהים שונים כדי לשמור על איכות הנתונים. לאחר הפעלת מעקב אחר העיניים, המשתתפים צריכים לגזור את יחידת איסוף הנתונים לאנשים שלהם כדי לאפשר תנועות גוף בלתי מרוסנות.

יש לפתוח את בקר המשקפיים של Tobii Pro ולהנחות את המשתתפים להסתכל על מרכז סמן הכיול שמספק טובי, בעוד שפונקציית הכיול של התוכנה מופעלת. לאחר השלמת הכיול, ניתן להתחיל בהקלטה מתוך התוכנה. לאחר השלמת ההקלטה, סיים את ההקלטה בתוכנת Tobii לפני שתנחה את המשתתף להסיר את משקפי המעקב אחר העיניים ואת יחידת איסוף הנתונים.

ואז, לכבות את היחידה. נתונים ניתן לחלץ באמצעות תוכנה אחרת, Tobii Pro Lab, על ידי הסרת כרטיס SD מיחידה איסוף נתונים והכנסת הכרטיס למחשב. Tobii Pro Lab הוא מסוגל לייבא את כל הפעלות ההקלטה המאוחסנות בכרטיס SD באותו זמן.

לאחר מכן ניתן לעבד קבצים בתוך Tobii Pro Lab כדי ליצור קטעי וידאו, פריטים חזותיים שונים או להיות פלט כמו ערכים מופרדים באמצעות טאבים או קבצי TSV לניתוח נוסף. כאן תוכלו לראות את נתוני המעקב אחר העיניים הגולמיים ממחקר שערכנו לאחרונה, שבו שני משתתפים למדו לתכנת רובוט. בכל צד ניתן לראות את זרם הווידאו שנוצר על ידי כל עוקב עיניים עם מיקום המבט של המשתתף.

כפי שאתה יכול לראות, אי אפשר לדעת אם הם מסתכלים על אותו מקום בו זמנית, כי נקודת המבט של כל משתתף שונה. בנוסף, הקלטת נתונים עשויה להתחיל בזמנים שונים. משמעות הדבר היא כי הנתונים צריכים להיות מסונכרנים באופן זמני ומ מרחבי.

אני אראה לך איך לטפל בשתי הבעיות האלה בסרטון הזה. ראשית, אני הולך לתאר הליך לסנכרן את הנתונים באופן זמני. עבור המשתתף הראשון יש לך מספר מסוים של מסגרות וידאו.

חלקם לפני או אחרי הפעילות הניסיונית בפועל. כמו המסגרת הראשונה, שבה הניסוי מכייל את עוקב העיניים. באופן דומה, עבור המשתתפים האחרים יש לך את אותו סוג של נתונים.

הוא אינו מוצג כאן, אך כל מסגרת של הסרטון משויכת גם לתיאום x ו- y המייצג את המבט של כל משתתף. כדי לסנכרן את הנתונים, אנו מציגים בקצרה סמן נאמנות על מסך המחשב לפני ואחרי המשימה הניסיונית. באמצעות אלגוריתם ראייה ממוחשבת, אנו יכולים לזהות מתי סמן זה מוצג לכל משתתף, מה שמאפשר לנו לחתוך וליישר את הנתונים.

לכן, זוהי דרך אחת להתמודד עם בעיות סינכרון נתונים. בחלקים הבאים, אנחנו הולכים להסתכל על הנושא השני:כיצד לסנכרן את הנתונים מרחבית. כפי שהוזכר קודם לכן, הנתונים מגיעים מכל עוקב אחר העיניים בצורה של הזנת וידאו הקשורה למיקום המבט של כל משתתף, כאן בכחול וירוק.

בעוד שנקודות הציון x ו- y עשויות להיות זהות עבור שני המשתתפים, אין זה אומר שהם מסתכלים על אותו מקום מכיוון שהם מסתכלים על המסך משתי נקודות מבט שונות. אחת הדרכים לפתור בעיה זו היא לבנות תמונה של ההתקנה הניסיונית שתשמש כהפניה, והיכן נמפה מחדש את המיקום של המקרה של כל משתתף. זה מאפשר לנו לזהות עבור כל מסגרת של וידאו מעקב אחר העיניים, אם המשתתפים מסתכלים באותו מקום באותו זמן.

אבל איך אנחנו למפות מחדש קואורדינטות אלה לתמונה בצד השמאל? אנחנו הולכים להשתמש באותו אלגוריתם ראייה שיתופית שאיפשר לנו לסנכרן את הנתונים קודם לכן. על ידי החלתו על כל פריים של הקלטות הווידאו, אנו יכולים כעת לזהות את המיקום של סמני הנאמנות מנקודת המבט של המשתתפים.

זה מאפשר לנו לחבר את אותם סמנים על תמונת הייחוס בצד שמאל. על ידי ידיעת הקואורדינטות של קבוצת נקודות משותפת זו, אנו יכולים להסיק את מיקום מבטו של כל אדם באמצעות פעולה מתמטית הידועה כהומוגרפיה. על ידי החלת הליך זה על כל מסגרת, אנו יכולים ליצור וידאו כדי לוודא כי הומוגרפיה עבדה.

בצד ימין ניתן לראות את הקלטת הווידאו של כל משתתף עם מיקום מבטו בכחול וירוק. אותם סמנים נאמנות מחוברים לקו לבן בין התמונה משמאל לבין נקודת המבט של המשתתף בצד ימין. המבטים הממופים מוצגים משמאל והם הופכים לאדומים כאשר יש תשומת לב חזותית משותפת.

יצירת וידאו זה היא צעד חשוב לקראת לוודא כי הנתונים נקיים כי הומוגרפיה בוצעה כראוי. בנוסף, ישנם שני פריטים חזותיים אחרים שניתן להפיק כדי לבדוק את הנתונים. ההדמיה הראשונה היא מפת חום.

עבור כל משתתף אנו יכולים להתוות כל נקודת מבט על התמונה של ההתקנה הניסיונית. זה מבטיח כי ההומוגרפיה עבדה כראוי ומאפשרת לנו לסווג נקודות מקרה אלה לתחומי עניין שונים. כאן, למשל, אנו יכולים לראות כי רוב הזמן בילה מסתכל על מסך המחשב מעט מאוד זמן בילה מסתכל על גיליונות לרמות.

הפריט החזותי השני נקרא גרף מופע חוזר צולב. גרפים של מופע חוזר חוצים מאפשרים לנו לדמיין נתוני מעקב אחר העיניים עבור זוג משתתפים. הזמן עבור המשתתף הראשון מוצג על ציר ה- x, הזמן עבור המשתתף השני מוצג על ציר y.

ריבועים שחורים פירושם ששני המשתתפים מסתכלים על אותו מקום, הריבוע הלבן מייצג נתונים חסרים והריבוע האפור מייצג כאשר המשתתפים מסתכלים על מיקומים שונים. ריבועים שחורים לאורך האלכסון אומר שהם מסתכלים על אותו המקום באותו הזמן. ריבועים שחורים את האלכסון אומר כי המשתתפים מסתכלים על אותו מקום אבל בזמנים שונים.

בצד שמאל, אתה יכול לראות דיאד עם רמות גבוהות של תשומת לב חזותית משותפת. באמצע, דיאד עם רמות נמוכות של תשומת לב חזותית משותפת. בצד ימין, קבוצה עם הרבה נתונים חסרים.

על-ידי ביצוע בדיקות שפיות אלה, באפשרותך לוודא שסנכרנת כראוי ומיפית מחדש את הנתונים שלך לתמונה משותפת של ההתקנה הניסיונית. שלבים אלה הם קריטיים ויש לבצעם לפני כל ניתוח מתרחש. לבסוף, ישנם שני פרמטרים שיש לבחור לפני חישוב מדד של תשומת לב חזותית משותפת.

הפרמטר הראשון הוא חלון הזמן שבו למשתתפים יכולים להסתכל על אותו מיקום. עבודה קודמת של ריצ'רדסון ודייל קבעה שזה יכול לקחת עד שתי שניות למשתתפים להתנתק ממה שהם עושים כדי לשים לב למה שהשותף שלהם עושה. לכן, קבענו שיש תשומת לב ויזואלית משותפת אם שני משתתפים הסתכלו על אותו מקום בתוך חלון פלוס ומינוס שתי שניות.

הפרמטר השני הוא המרחק המינימלי בין שתי נקודות מבט עבורם כדי להעפיל כתשומת לב חזותית משותפת. מרחק זה תלוי הקשר וצריך להיות מוגדר על ידי חוקרים בהתאם למשימה המנוהלת ולשאלות המחקר שלהם. עבור משימות מסוימות, המרחק עשוי להיות קצר.

כאן, למשל, השתמשנו ב-100 פיקסלים. עבור פעילויות אחרות מרחק זה עשוי להיות גדול יותר. לאחר מכן, אני הולך להציג כמה תוצאות שנמצאו באמצעות מתודולוגיה זו.

לאחר שאתה מקבל הערכה עבור כמות תשומת הלב החזותית המשותפת בקבוצה, אתה יכול לתאם את המדד הזה עם משתנים אחרים של עניין. לדוגמה, בעבודה שתיאםנו מדד זה עם ערכת הדירוג שפותחה במדעי הלמידה הלוכדת איכות קבוצות של שיתוף פעולה. עבור כל קבוצה הקצינו ציון על התשיעיות של הממדים המוצגים כאן.

לדוגמה, כמה טוב אנשים סבלו הבנה הדדית או באיזו קלות הם הגיעו לקונצנזוס. ציונים אלה צריכים לקבל אמינות הדדית מקובלת עם מיכסה אחרת. לבסוף, אנו יכולים גם לצבור ציונים אלה למדד כללי אחד המשוער איכות שיתוף פעולה עבור כל קבוצה.

תוצאה שנמצאה בעבודה שלנו, כמו גם מחקרים אחרים היא כי תשומת לב חזותית משותפת מתואמת באופן משמעותי עם איכות שיתוף הפעולה, כפי שנמדד על ידי ערכת הדירוג שהוצגה קודם לכן. קבוצות המדורגות גבוה באמצעות ערכת קידוד זו נוטות לקבל תשומת לב חזותית משותפת יותר מאשר הקבוצות שקיבלו ציונים נמוכים. זה מראה כי אינטראקציות פרודוקטיביות קשורות לעתים קרובות עם תשומת לב חזותית משותפת יותר.

בשקופית הבאה אני הולך להראות לך תוצאה נוספת שבונה על ממצא זה. לכן, אחד היתרונות של נתוני מעקב עיניים עדין הוא שאנחנו יכולים לחלץ אמצעים אחרים של תשומת לב חזותית משותפת. לדוגמה, אנו יכולים לחשב מי יזם והגיב להצעה של תשומת לב חזותית משותפת.

בפרט, על ציר x של גרף זה הציון של אפס פירושו התפלגות שווה של התנהגויות אלה ציון אחד אומר כי אדם אחד תמיד היה מגיב או יוזם רגעים של תשומת לב חזותית להצטרף. במחקר זה מצאנו מתאם הפוך עם רווחי למידה המוצגים על ציר y כפי שנמדד על ידי בדיקות לפני ולאחר. קבוצות שבהן אותו אדם היה בעקביות ליזום או להגיב לרגעים של תשומת לב חזותית משותפת היו פחות סביר ללמוד וקבוצות שבהן אחריות זו הייתה משותפת באותה מידה היו נוטים יותר לקבל ציון גבוה יותר על לאחר המבחנים בעת שליטה על ציונים במבחן מראש.

בסרטון זה הצגתי את המתודולוגיה המסייעת לחוקרים לסנכרן נתוני מעקב אחר העיניים הניידים הן באופן זמני והן מבחינה מרחבית. הממצאים מצביעים על כך שנתונים כפולים למעקב אחר העיניים יכולים לספק אינדיקטורים לשיתוף פעולה על ידי חישוב מדדים של תשומת לב חזותית משותפת. בנוסף, הצגתי תוצאות המראות כי אנו יכולים ללכת מעבר לאמצעים פשוטים של תשומת לב משותפת, למשל, על ידי התבוננות מי יזם או הגיב לפרק של תשומת לב חזותית משותפת.

מצאנו כי אמצעי זה קשור לאמצעי תוצאה אחרים, כגון רווחי למידה. חישוב סוג זה של מידה לא יהיה אפשרי ללא נתוני מעקב אחר העיניים. לסיכום, מצאנו כי המתודולוגיה המוצגת בסרטון זה יכולה לעזור לחוקרים לקבל תובנות חדשות על תהליכים שיתופיים.

תודה רבה לך על צפייה בסרטון זה ואל תהסס להתייחס לעיתון לקבלת מידע נוסף.