Research
Education
Sign In
EN
EN - English
CN - 中文
DE - Deutsch
ES - Español
KR - 한국어
IT - Italiano
FR - Français
PT - Português
TR - Turkish
JA - Japanese
Please note that all translations are automatically generated. Click here for the English version.
8.7K Views
•
08:25 min
May 7th, 2019
DOI :
10.3791/58459-v
Chapters
0:04
Title
1:05
Experimental Setup
1:57
Area of Interest (AOI) Preparation
3:33
Trained Classifier Validation
6:27
Results: Representative Eye-Tracking Data Combined with Video Content Analysis
7:55
Conclusion
Transcript
许多眼动追踪研究依赖于复杂的视频刺激和真实世界设置,使数据分析高度复杂。这种分析技术允许以更丰富、更自动化的方式分析基于视频的数据,而不是当前可用的方法,从而更丰富地提取更复杂的数据。此方法可用于许多不同的眼动追踪应用,特别是在现实世界中或那些使用视频作为刺激的应用。
景观研究依赖于理解人们对不同视觉刺激的反应。这种技术与眼动追踪相结合可用于测试这些假设。对于这种类型的研究,团队方法是必不可少的,因为有多个方面需要高水平的投入和考虑。
与我展示这个程序的将是我的研究
Sign in or start your free trial to access this content
Summary
该协议的目的是详细说明如何收集视频数据供实验室使用;如何记录参与者查看数据的眼动跟踪数据, 以及如何使用机器学习技术有效地分析他们正在查看的视频内容。
Explore More Videos
Privacy
Terms of Use
Policies
Contact Us
Recommend to library
JoVE NEWSLETTERS
JoVE Journal
Methods Collections
JoVE Encyclopedia of Experiments
Archive
JoVE Core
JoVE Business
JoVE Science Education
JoVE Lab Manual
Faculty Resource Center
Authors
Librarians
Access
ABOUT JoVE
Copyright © 2024 MyJoVE Corporation. All rights reserved