Name: a methodology for capturing joint visual attention using mobile eye-trackers
Uploaded: 2020-01-18T14:00:00
Description: Watch this Scientific Journal Video about A Methodology for Capturing Joint Visual Attention Using Mobile Eye-Trackers at JoVE.com

O desenvolvimento dessa metodologia foi apoiado pela National Science Foundation (NSF #0835854), pela Leading House Technologies for Vocation Education, financiada pela Secretaria de Estado Suíça de Educação, Pesquisa e Inovação, e pelo Dean Venture Fund da Harvard School of Education.

1. Triagem dos participantes
<ol><li>Certifique-se de que os participantes com visão normal ou corrigida para normal sejam recrutados. Como os participantes serão solicitados a usar um rastreador de olho móvel, eles podem usar lentes de contato, mas não óculos regulares.</li>
</ol>2. Preparação para o experimento
<ol><li>Dispositivos de rastreamento ocular<ol>
<li>Use qualquer rastreador ocular móvel capaz de capturar o movimento dos olhos em ambientes do mundo real. NOTA: Os rastre...

<ol>
	<li>Tomasello, M., Moore, C., Dunham, P. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Joint+attention+as+social+cognition.">Joint attention as social cognition.</a> Joint attention: Its origins and role in development. , 103-130 (1995).</li><li>Mundy, P., Sigman, M., Kasari, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+longitudinal+study+of+joint+attention+and+language+development+in+autistic+children.">A longitudinal study of joint attention and language development in autistic children.</a> Journal of Autism and Developmental Disorders. 20, 115-128 (1990).</li><li>Clark, H. H., Brennan, S. E., Resnick, L. B., Levine, J. M., Teasley, S. D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Grounding+in+communication.">Grounding in communication.</a> Perspectives on socially shared cognition. , 127-149 (1991).</li><li>Siposova, B., Carpenter, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+new+look+at+joint+attention+and+common+knowledge.">A new look at joint attention and common knowledge.</a> Cognition. 189, 260-274 (2019).</li><li>Gergle, D., Clark, A. T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=See+What+I'm+Saying?:+Using+Dyadic+Mobile+Eye+Tracking+to+Study+Collaborative+Reference.">See What I'm Saying?: Using Dyadic Mobile Eye Tracking to Study Collaborative Reference.</a> Proceedings of the ACM 2011 Conference on Computer Supported Cooperative Work. , 435-444 (2011).</li><li>Renner, P., Pfeiffer, T., Wachsmuth, I., Freksa, C., Nebel, B., Hegarty, M., Barkowsky, T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Spatial+References+with+Gaze+and+Pointing+in+Shared+Space+of+Humans+and+Robots.">Spatial References with Gaze and Pointing in Shared Space of Humans and Robots.</a> Spatial Cognition IX. , 121-136 (2014).</li><li>Shvarts, A. Y. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Automatic+detection+of+gaze+convergence+in+multimodal+collaboration:+a+dual+eye-tracking+technology.">Automatic detection of gaze convergence in multimodal collaboration: a dual eye-tracking technology.</a> The Russian Journal of Cognitive Science. 5, 4 (2018).</li><li>. Chilitags: Robust Fiducial Markers for Augmented Reality [software] Available from: <a target="_blank" href="https://github.com/chili-epfl/qml-chilitags">https://github.com/chili-epfl/qml-chilitags</a> (2013)</li><li>Jermann, P., Mullins, D., N&#252;ssli, M. -. A., Dillenbourg, P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Collaborative+Gaze+Footprints:+Correlates+of+Interaction+Quality.+Connecting+Computer-Supported+Collaborative+Learning+to+Policy+and+Practice.">Collaborative Gaze Footprints: Correlates of Interaction Quality. Connecting Computer-Supported Collaborative Learning to Policy and Practice.</a> CSCL2011 Conference Proceedings., Volume I - Long Papers. , 184-191 (2011).</li><li>Richardson, D. C., Dale, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Looking+To+Understand:+The+Coupling+Between+Speakers'+and+Listeners'+Eye+Movements+and+Its+Relationship+to+Discourse+Comprehension.">Looking To Understand: The Coupling Between Speakers' and Listeners' Eye Movements and Its Relationship to Discourse Comprehension.</a> Trends in Cognitive Sciences. 29, 1045-1060 (2005).</li><li>Richardson, D. C., Dale, R., Kirkham, N. Z. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+Art+of+Conversation+Is+Coordination+Common+Ground+and+the+Coupling+of+Eye+Movements+During+Dialogue.">The Art of Conversation Is Coordination Common Ground and the Coupling of Eye Movements During Dialogue.</a> Psychological Science. 18, 407-413 (2007).</li><li>Schneider, B., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Using+Mobile+Eye-Trackers+to+Unpack+the+Perceptual+Benefits+of+a+Tangible+User+Interface+for+Collaborative+Learning.">Using Mobile Eye-Trackers to Unpack the Perceptual Benefits of a Tangible User Interface for Collaborative Learning.</a> ACM Transactions on Computer-Human Interaction. 23, 1-23 (2016).</li><li>Meier, A., Spada, H., Rummel, N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+rating+scheme+for+assessing+the+quality+of+computer-supported+collaboration+processes.">A rating scheme for assessing the quality of computer-supported collaboration processes.</a> Int. J. Comput.-Support. Collab. Learn. 2, 63-86 (2007).</li><li>Schneider, B., Pea, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Real-time+mutual+gaze+perception+enhances+collaborative+learning+and+collaboration+quality.">Real-time mutual gaze perception enhances collaborative learning and collaboration quality.</a> Journal of Computer-Supported Collaborative Learning. 8, 375-397 (2013).</li></ol>

A metodologia descrita neste artigo fornece uma maneira rigorosa de capturar jva em dídaas colocated. Com o surgimento da tecnologia de sensoriamento acessível e algoritmos de visão computacional melhorados, agora é possível estudar interações colaborativas com uma precisão que antes não estava disponível. Essa metodologia utiliza marcadores fiduciais divulgados no ambiente e utiliza homografias como forma de remapear os olhares dos participantes para um plano comum. Isso permite que os pesquisadores estudem ri...

JVA tem sido extensivamente estudado ao longo do século passado, especialmente por psicólogos de desenvolvimento que estudam a aquisição da linguagem. Foi rapidamente estabelecido que a atenção conjunta é mais do que apenas uma maneira de aprender palavras, mas sim um precursor das teorias das crianças da mente1. Assim, desempenha um papel significativo em muitos processos sociais, como a comunicação com os outros, a colaboração e o desenvolvimento da empatia. Crianças autistas, por exemplo, não têm a capacidade de coordenar sua atenção visual com seus cuidadores, o que está associado a deficiências sociais significativas2. Os seres humanos precisam de atenção conjunta para se tornarem membros funcionais da sociedade, para coordenar suas ações e aprender com os outros. De crianças que adquirem suas primeiras palavras, adolescentes aprendendo com professores, alunos colaborando em projetos e grupos de adultos que trabalham em direção a objetivos comuns, a atenção conjunta é um mecanismo fundamental para estabelecer um terreno comum entre os indivíduos3. Neste artigo, concentro-me no estudo da JVA em pesquisa educacional. Entender como a atenção conjunta se desenrola ao longo do tempo é de importância primordial para o estudo dos processos de aprendizagem colaborativos. Como tal, desempenha um papel predominante em ambientes socioconstrutivistas.
A definição exata de atenção conjunta ainda é debatida4. Este artigo está preocupado com uma subconstrução da atenção conjunta (JA), ou seja, JVA. JVA acontece quando dois assuntos estão olhando para o mesmo lugar ao mesmo tempo. Note-se que a JVA não fornece qualquer informação sobre outras construções importantes de interesse no estudo da JA, como o monitoramento de atenção comum, mútua e compartilhada, ou, mais geralmente, a consciência da cognição de outro membro do grupo. Este artigo operacionaliza e simplifica o JVA combinando os dados de rastreamento ocular de dois participantes e analisando a frequência em que eles alinham seus olhares. Para uma discussão mais abrangente, o leitor interessado pode aprender mais sobre o estudo do construto ja em Siposovaet al.4.
Na última década, os avanços tecnológicos transformaram radicalmente a pesquisa sobre a JVA. A principal mudança de paradigma foi usar vários rastreadores oculares para obter medidas quantitativas de alinhamentos atencionais, em oposição à análise qualitativa de gravações de vídeo em um ambiente laboratorial ou ecológico. Esse desenvolvimento permitiu que os pesquisadores coletassem informações precisas e detalhadas sobre a coordenação visual das disadas. Além disso, os rastreadores oftalmológicos estão se tornando mais acessíveis: até recentemente, seu uso era reservado a ambientes acadêmicos ou grandes corporações. Agora é possível comprar rastreadores oculares baratos que geram conjuntos de dados confiáveis. Finalmente, a inclusão progressiva de recursos de rastreamento de olhar em dispositivos existentes, como laptops high-end e fones de ouvido de realidade virtual e aumentada, sugere que o rastreamento ocular em breve se tornará onipresente.
Devido à popularização de dispositivos de rastreamento ocular, é importante entender o que eles podem e não podem nos dizer sobre interações sociais. A metodologia apresentada neste artigo marca um primeiro passo nessa direção. Eu abordo dois desafios na captura de JVA de múltiplos rastreadores oculares: sincronizar os dados em 1) a escala temporal e 2) na escala espacial. Mais especificamente, este protocolo faz uso de marcadores fiduciais colocados em ambientes do mundo real para informar algoritmos de visão computacional onde os participantes estão orientando seu olhar. Este novo tipo de metodologia abre o caminho para uma análise rigorosa do comportamento humano em pequenos grupos.
Este protocolo de pesquisa está em conformidade com as diretrizes do comitê de ética em pesquisa humana da Universidade de Harvard.

<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always">
	<tbody>
		<tr>
			<td>Tobii Glasses 2</td>
			<td>Tobii</td>
			<td>N/A</td>
			<td><a href="https://www.tobiipro.com/product-listing/tobii-pro-glasses-2/" target="_blank">https://www.tobiipro.com/product-listing/tobii-pro-glasses-2/</a></td>
		</tr>
		<tr>
			<td>Fiducial markers</td>
			<td>Chili lab &#8211; EPFL, Switzerland</td>
			<td>N/A</td>
			<td><a href="https://github.com/chili-epfl/chilitags" target="_blank">https://github.com/chili-epfl/chilitags</a></td>
		</tr>
	</tbody>
</table>

a methodology for capturing joint visual attention using mobile eye-trackers

Com o advento de novos avanços tecnológicos, é possível estudar as interações sociais em um micronível com precisão sem precedentes. Sensores de alta frequência, como rastreadores oculares, pulseiras de atividade eletrodérmica, bandas de EEG e sensores de movimento fornecem observações no nível de milissegundo. Esse nível de precisão permite que os pesquisadores coletem grandes conjuntos de dados sobre interações sociais. Neste artigo, discuto como vários rastreadores oculares podem capturar uma construção fundamental nas interações sociais, a atenção visual conjunta (JVA). JVA tem sido estudado por psicólogos de desenvolvimento para entender como as crianças adquirem a linguagem, aprendendo cientistas a entender como pequenos grupos de alunos trabalham juntos, e cientistas sociais para entender as interações em pequenas equipes. Este artigo descreve uma metodologia para capturar JVA em configurações colocated usando olho-trackers móveis. Apresenta alguns resultados empíricos e discute implicações da captura de microobservações para entender as interações sociais.

A metodologia acima apresentada foi utilizada para estudar os alunos que acompanhavam um programa de formação profissional em logística (n = 54)12. Neste experimento, pares de alunos interagiram com uma Interface de Usuário Tangível (TUI) que simulava um armazém de pequena escala. Os marcadores fiduciais colocados no TUI permitiram que a equipe de pesquisa remapeosse os olhares dos alunos em um plano comum e os níveis de computação da JVA. Os resultados indicaram que os grupos que tinham ...

Watch this Scientific Journal Video about A Methodology for Capturing Joint Visual Attention Using Mobile Eye-Trackers at JoVE.com

A Methodology for Capturing Joint Visual Attention Using Mobile Eye-Trackers

O uso de sensores multimodais é uma maneira promissora de entender o papel das interações sociais em ambientes educacionais. Este artigo descreve uma metodologia para capturar a atenção visual conjunta de dídas colocated usando rastreadores de olho móveis.

Uma metodologia para capturar a atenção visual conjunta usando mobile eye-trackers

With the advent of new technological advances, it is possible to study social interactions at a microlevel with unprecedented accuracy. High frequency ...

Oi, meu nome é Bertrand Schneider e sou professor assistente na Escola de Pós-Graduação em Harvard. Neste vídeo vou mostrar como podemos usar rastreadores de olhos móveis para capturar uma construção central em ciência social, atenção visual conjunta. A atenção visual conjunta tem sido extensivamente estudada por psicólogos e tem sido encontrada intimamente correlacionada com a qualidade das interações entre os membros do grupo.Acontece que quando as pessoas constroem um terreno comum e criam uma compreensão compartilhada de uma tarefa, elas tendem a olhar frequentemente para o mesmo lugar ao mesmo tempo. Tradicionalmente, os pesquisadores têm estudado a atenção visual conjunta qualitativamente, codificando manualmente vídeos. Vou mostrar como podemos usar rastreadores oculares móveis para obter uma medida quantitativa desta construção em configurações co-localizadas.Neste vídeo estaremos usando o Tobii Pro Glasses Dois. Estes óculos são rastreadores de olhos vestíveis que podem capturar o movimento dos olhos em ambientes do mundo real. Além de câmeras especializadas na moldura para rastrear os movimentos dos olhos, o dispositivo também é equipado com uma câmera de cena full-HD e um microfone, para que o comportamento do olhar possa ser visualizado dentro do contexto do campo visual do usuário.Para estes óculos o olhar é capturado 50 vezes por segundo e uma transmissão de vídeo ao vivo dos óculos pode ser transmitida para um computador sem fio, ou através de um cabo ethernet. Os óculos têm uma limitação, porém, pois não funcionarão sobre óculos regulares. O procedimento para configurar o rastreador de olhos é relativamente simples.Primeiro, os participantes serão convidados a colocar os óculos de rastreamento, pois seriam um par normal de óculos. Com base nas características faciais distintas dos participantes, peças de nariz com diferentes alturas podem precisar ser usadas para preservar a qualidade dos dados. Depois de ligar o rastreador de olhos, os participantes devem cortar a unidade de coleta de dados para suas pessoas para permitir movimentos corporais desenfreados.O controlador Tobii Pro Glasses deve ser aberto e os participantes devem ser instruídos a olhar para o centro do marcador de calibração fornecido pelo Tobii, enquanto a função de calibração do software está ativada. Uma vez que a calibração esteja completa, a gravação pode ser iniciada dentro do software. Após a conclusão da sessão de gravação, encerre a gravação do software Tobii antes de instruir o participante a remover os óculos de rastreamento ocular e a unidade de coleta de dados.E então, desligue a unidade. Os dados podem ser extraídos através de outro software, o Tobii Pro Lab, removendo o cartão SD da unidade de coleta de dados e inserindo o cartão no computador. O Tobii Pro Lab é capaz de importar todas as sessões de gravação armazenadas no cartão SD ao mesmo tempo.Os arquivos podem então ser processados dentro do Tobii Pro Lab para gerar vídeos, visualizações diferentes ou serem produzidos como valores separados por guias ou arquivos TSV para análise posterior. Aqui você pode ver os dados brutos de rastreamento de olhos de um estudo que realizamos recentemente, onde dois participantes estavam aprendendo a programar um robô. Em cada lado você pode ver a transmissão de vídeo gerada por cada rastreador de olhos com a localização do olhar do participante.Como você pode ver, é impossível dizer se eles estão olhando para o mesmo lugar ao mesmo tempo, porque o ponto de vista de cada participante é diferente. Além disso, a gravação de dados pode começar em momentos diferentes. Isso significa que os dados precisam ser sincronizados temporalmente e espacialmente.Vou te mostrar como resolver esses dois problemas neste vídeo. Primeiro, vou descrever um procedimento para sincronizar os dados temporariamente. Para o primeiro participante você tem um certo número de quadros de vídeo.Alguns deles estão antes ou depois da tarefa experimental real. Como o primeiro quadro, onde o experimentador está calibrando o rastreador ocular. Da mesma forma, para os outros participantes você tem o mesmo tipo de dados.Não é mostrado aqui, mas cada quadro do vídeo também está associado a uma coordenada x e y que representa o olhar de cada participante. Para sincronizar os dados, mostramos brevemente um marcador fiducial na tela do computador antes e depois da tarefa experimental. Usando um algoritmo de visão computacional, podemos detectar quando este marcador é apresentado a cada participante, o que nos permite aparar e alinhar os dados.Então, esta é uma maneira de lidar com problemas de sincronização de dados. Nas próximas partes, vamos analisar o segundo problema: Como sincronizar os dados espacialmente. Como mencionado anteriormente, os dados vêm de cada rastreador de olhos na forma de uma transmissão de vídeo associada à localização do olhar de cada participante, aqui em azul e verde.Embora as coordenadas x e y possam ser as mesmas para ambos os participantes, isso não significa que eles estão olhando para o mesmo lugar porque eles estão olhando para a tela a partir de duas perspectivas diferentes. Uma maneira de resolver esse problema é construir uma imagem da configuração experimental que servirá de referência, e onde vamos remapear a localização do caso de cada participante. Isso nos permite detectar cada quadro do vídeo de rastreamento ocular, se os participantes estiverem olhando para o mesmo lugar ao mesmo tempo.Mas como remapeamos essas coordenadas na imagem à esquerda? Vamos usar o mesmo algoritmo de visão cooperativa que nos permitiu sincronizar os dados mais cedo. Aplicando-o em cada quadro das gravações de vídeo, agora podemos detectar a localização dos marcadores fiduciários da perspectiva dos participantes.Isso nos permite conectar os mesmos marcadores na imagem de referência à esquerda. Conhecendo as coordenadas deste conjunto compartilhado de pontos, podemos inferir a localização do olhar de cada pessoa usando uma operação matemática conhecida como homografia. Aplicando este procedimento em cada quadro, podemos gerar um vídeo para garantir que a homografia funcionasse.No lado direito você pode ver a gravação de vídeo de cada participante com a localização de seu olhar em azul e verde. Os mesmos marcadores fiduciais estão conectados com uma linha branca entre a imagem à esquerda e o ponto de vista do participante no lado direito. Os olhares remapped são mostrados à esquerda e ficam vermelhos quando há alguma atenção visual conjunta.Gerar este vídeo é um passo importante para garantir que os dados estão limpos e que a homografia foi realizada corretamente. Além disso, existem outras duas visualizações que podem ser produzidas para verificar os dados de sanidade. A primeira visualização é um mapa de calor.Para cada participante podemos traçar cada ponto de vista sobre a imagem da configuração experimental. Isso garante que a homografia funcionou corretamente e nos permite categorizar esses pontos de caso em diferentes áreas de interesses. Aqui, por exemplo, podemos ver que a maior parte do tempo foi gasto olhando para a tela do computador e muito pouco tempo foi gasto olhando para as folhas de trapaça.A segunda visualização é chamada de gráfico de recorrência cruzada. Gráficos de recorrência cruzada nos permitem visualizar dados de rastreamento ocular para pares de participantes. O tempo para o primeiro participante é exibido no eixo x, o tempo para o segundo participante é exibido no eixo y.Quadrados pretos significam que ambos os participantes estão olhando para o mesmo lugar, o quadrado branco representa dados perdidos e o quadrado cinza representa quando os participantes estão olhando para locais diferentes. Quadrados pretos ao longo da diagonal significam que eles estão olhando para o mesmo lugar ao mesmo tempo. Quadrados pretos fora da diagonal significam que os participantes estão olhando para o mesmo lugar, mas em momentos diferentes.À esquerda, você pode ver um díade com altos níveis de atenção visual articular. No meio, um díade com baixos níveis de atenção visual articular. Do lado direito, um grupo com muitos dados faltando.Ao realizar essas verificações de sanidade, você pode ter certeza de que você sincronizou corretamente e remacotou seus dados em uma imagem comum da configuração experimental. Essas etapas são críticas e precisam ser realizadas antes que qualquer análise ocorra. Por fim, existem dois parâmetros que precisam ser escolhidos antes de calcular uma medida de atenção visual conjunta.O primeiro parâmetro é a janela de tempo em que os participantes podem olhar para o mesmo local. Trabalhos anteriores de Richardson e Dale haviam estabelecido que pode levar até dois segundos para os participantes se desvincularem do que estão fazendo para prestar atenção no que seu parceiro está fazendo. Assim, determinamos que há atenção visual conjunta se dois participantes olharam para o mesmo lugar dentro de uma janela de mais e menos dois segundos.O segundo parâmetro é a distância mínima entre dois pontos de vista para que eles se qualifiquem como atenção visual conjunta. Essa distância é dependente do contexto e precisa ser definida pelos pesquisadores, dependendo da tarefa administrada e de suas questões de pesquisa. Para algumas tarefas, a distância pode ser curta.Aqui, por exemplo, usamos 100 pixels. Para outras tarefas essa distância pode ser maior. Em seguida, vou apresentar alguns resultados encontrados usando essa metodologia.Depois de obter uma estimativa para a quantidade de atenção visual conjunta no grupo, você pode correlacionar essa medida com outras variáveis de interesse. Por exemplo, no trabalho, correlacionamos essa medida com o esquema de classificação desenvolvido em ciências de aprendizagem que captura um grupo de qualidade de colaboração. Para cada grupo, atribuímos uma pontuação sobre os noves de dimensões aqui apresentadas.Por exemplo, quão bem as pessoas sustentavam a compreensão mútua ou quão facilmente chegavam a um consenso. Essas pontuações têm que receber confiabilidade inter aceitável com outra cota. Finalmente, também podemos agregar essas pontuações em uma métrica geral que aproxima a qualidade da colaboração para cada grupo.Um resultado que tem sido encontrado em nosso trabalho, bem como em outros estudos, é que a atenção visual conjunta está significativamente correlacionada com a qualidade da colaboração, medida pelo esquema de classificação apresentado anteriormente. Grupos que são altamente classificados usando este esquema de codificação tendem a ter mais atenção visual conjunta do que os grupos que receberam pontuações baixas. Isso mostra que as interações produtivas são frequentemente associadas a mais atenção visual conjunta.No próximo slide eu vou mostrar-lhe outro resultado que se baseia sobre esta descoberta. Então, uma vantagem de ter bons dados de rastreamento visual é que podemos extrair outras medidas de atenção visual conjunta. Por exemplo, podemos calcular quem iniciou e respondeu a uma oferta de atenção visual conjunta.Em particular, no eixo x deste gráfico, a pontuação de zero significa distribuição igual desses comportamentos e uma pontuação de uma pessoa sempre respondia ou iniciava momentos de atenção visual. Neste estudo encontramos uma correlação inversa com os ganhos de aprendizagem mostrados no eixo y medidos pelo pré e pós-testes. Grupos onde a mesma pessoa estava consistentemente iniciando ou respondendo a momentos de atenção visual conjunta eram menos propensos a aprender e grupos onde essa responsabilidade era igualmente compartilhada eram mais propensos a pontuar mais alto nos pós-testes ao controlar as pontuações no pré-teste.Neste vídeo, apresentei a metodologia que ajuda os pesquisadores a sincronizar dados móveis de rastreamento ocular tanto temporal quanto espacialmente. Os achados sugerem que dados de rastreamento ocular duplo podem fornecer indicadores de colaboração por meio de medidas computacionais de atenção visual conjunta. Além disso, apresentei resultados mostrando que podemos ir além de simples medidas de atenção conjunta, por exemplo, olhando para quem iniciou ou respondeu a um episódio de atenção visual conjunta.Constatamos que essa medida estava relacionada a outras medidas de desfecho, como ganhos de aprendizagem. Calcular esse tipo de medida não seria possível sem dados de rastreamento ocular. Em resumo, descobrimos que a metodologia apresentada neste vídeo pode ajudar os pesquisadores a obter novas percepções sobre processos colaborativos.Muito obrigado por assistir este vídeo e sinta-se livre para se referir ao jornal para mais informações.

Research

JoVE Journal

Behavior

Automated Visual Cognitive Tasks for Recording Neural Activity Using a Floor Projection Maze

Tarefas cognitivas Visuais automatizadas para gravação Atividade Neural Usando uma projeção Piso Labirinto

Neuropsychological tasks used in primates to investigate mechanisms of learning and memory are typically visually guided cognitive tasks. We have ...

Comportamento

The 5-Choice Serial Reaction Time Task: A Task of Attention and Impulse Control for Rodents

A reação de série 5-Choice Tempo Tarefa: A tarefa de atenção e controle de impulso para Roedores

This protocol describes the 5-choice serial reaction time task, which is an operant based task used to study attention and impulse control in rodents. ...

Topographical Estimation of Visual Population Receptive Fields by fMRI

Estimativa topográfico da População Campos Visuais Receptivos por fMRI

Visual cortex is retinotopically organized so that neighboring populations of cells map to neighboring parts of the visual field. Functional magnetic ...

Methods to Test Visual Attention Online

Métodos de Ensaio Visual Atenção online

Online data collection methods have particular appeal to behavioral scientists because they offer the promise of much larger and much more representative ...

A Method to Quantify Visual Information Processing in Children Using Eye Tracking

Um método de quantificação Visual Information Processing em Crianças Usando Eye Tracking

Visual problems that occur early in life can have major impact on a child's development. Without verbal communication and only based on observational ...

Visualizing Visual Adaptation

Visualizando Adaptação Visual

Many techniques have been developed to visualize how an image would appear to an individual with a different visual sensitivity: e.g., because of optical ...

Measuring Attention and Visual Processing Speed by Model-based Analysis of Temporal-order Judgments

Medindo atenção e velocidade de processamento Visual pela análise baseada no modelo de decisões de ordem temporal

This protocol describes how to conduct temporal-order experiments to measure visual processing speed and the attentional resource distribution. The ...

Central and Divided Visual Field Presentation of Emotional Images to Measure Hemispheric Differences in Motivated Attention

Central e dividida campo Visual apresentação de imagens emocionais para medir diferenças hemisféricas em atenção motivada

Two dominant theories on lateralized processing of emotional information exist in the literature. One theory posits that unpleasant emotions are processed ...

Methodology for Establishing a Community-Wide Life Laboratory for Capturing Unobtrusive and Continuous Remote Activity and Health Data

Metodologia para o estabelecimento de um laboratório de vida comunitária para capturar dados de saúde e discreta e contínua atividade remota

An end-to-end suite of technologies has been established for the unobtrusive and continuous monitoring of health and activity changes occurring in the ...

Visual Classical Conditioning in Wood Ants

Visual condicionamento clássico em madeira formigas

Several species of insects have become model systems for studying learning and memory formation. Although many studies focus on freely moving animals, ...