Loading article…
アイトラッキングは、視線の位置（見ている場所）または頭に対する目の動きを測定するプロセスです。アイトラッカーは、目の位置と目の動きを測定するデバイスです。アイトラッカーは、視覚システムの研究、心理学、心理言語学、マーケティング、人間とコンピュータの相互作用の入力デバイス、および製品設計で使用されます。さらに、アイトラッカーは、車椅子、ロボットアーム、義肢の制御など、支援およびリハビリテーションのアプリケーションでますます使用されています。最近、アイトラッキングは、自閉症スペクトラム障害の早期発見のツールとして検討されています。目の動きを測定する方法はいくつかありますが、最も一般的な方法は、ビデオ画像を使用して目の位置を抽出する方法です。他の方法は、サーチコイルを使用するか、眼電位図に基づいています。
歴史
1800年代には、直接観察による眼球運動の研究が行われました。例えば、ルイ・エミール・ジャヴァルは1879年に、読書はそれまで考えられていたように文章に沿って目を滑らかに動かすのではなく、一連の短い停止（注視と呼ばれる）と素早い衝動性運動を伴うことを観察しました。[1] この観察から読書に関する重要な疑問が生じ、1900年代に検討されました。どの単語で目が止まるのか？どのくらいの時間止まるのか？すでに見た単語にいつ戻るのか？
エドモンド・ヒューイ[2]は、瞳孔用の穴が開いたコンタクトレンズのようなものを使い、初期の視線追跡装置を製作した。レンズは、目の動きに応じて動くアルミニウム製のポインターに接続されていた。ヒューイは回帰現象を研究して定量化し（回帰現象はサッカード運動のごく一部にすぎない）、文章中のいくつかの単語は固定されていないことを示しました。
最初の非侵入型視線追跡装置は、シカゴのガイ・トーマス・バスウェルによって作られ、目に反射した光線を使用してフィルムに記録しました。バスウェルは、読書[3] [4]と絵の鑑賞[5]について体系的な研究を行いました。
1950年代にアルフレッド・L・ヤーバス[6]は視線追跡研究を行い、1967年に出版された彼の著書はよく引用されています。彼は被験者に与えられた課題が被験者の眼球運動に非常に大きな影響を与えることを示しました。彼はまた、注視と興味の関係についても書いています。
すべての記録は、目の動きの特性は、絵が平面またはほぼ平面である限り、絵の材質や作り方にまったく依存しないか、またはごくわずかしか依存しないことを決定的に示している。」[7]
絵画の観察における周期的なパターンは、「絵画に何が描かれているかだけでなく、観察者が直面している問題や、観察者が絵画から得たいと望む情報にも左右される」[8] 。
眼球運動の記録は、観察者の注意が通常、絵の特定の要素にのみ引き付けられることを示しています。眼球運動は人間の思考過程を反映しているため、眼球運動の記録（特定の物体の観察に伴う思考）から、観察者の思考をある程度追跡することができます。これらの記録から、どの要素が観察者の目（および、その結果として思考）を引き付けるか、どのような順序で、どのくらいの頻度で引き付けるかを簡単に判断できます。[7]
観察者の注意は、重要な情報を与えないが、観察者の意見では重要な情報を与えるかもしれない要素に引き付けられることが多い。観察者は、特定の状況では珍しい、なじみのない、理解できないなどの要素に注意を集中することが多い。[9]
... 観察者の目は、注視点を変えると、絵の中の同じ要素に繰り返し戻ります。知覚に費やされる追加の時間は、二次的な要素を調べるためではなく、最も重要な要素を再検討するために使われます。[10]
1970年代には、視線追跡研究、特に読書研究が急速に拡大しました。この時期の研究の概要は、Raynerによって提供されています。[13]
1980年にジャストとカーペンター[14]は「注視するものと処理するものの間には明らかな遅れはない」という影響力の強い眼と心の仮説を定式化しました。この仮説が正しければ、被験者が単語や物体を見るとき、記録された注視時間と同じだけ、それについて考え（認知的に処理）ます。この仮説は、アイトラッキングを使用する研究者によって当然のことと見なされることがよくあります。しかし、視線連動技術は、明白な注意と隠れた注意を解きほぐし、注視するものと処理するものを区別するための興味深いオプションを提供します。
1980年代、目と心の仮説は、隠れた注意[15] [16]、つまり、人がよく行う、見ていないものへの注意の観点からしばしば疑問視されました。もし、隠れた注意が視線追跡記録中に一般的であれば、結果として得られる走査経路と注視パターンは、注意がどこに向けられていたかではなく、目がどこを見ていたかだけを示し、認知処理を示すことができないことがよくあります。
1980年代には、人間とコンピュータのインタラクションに関する疑問に答えるために視線追跡を使用するという試みも始まりました。具体的には、研究者はユーザーがコンピュータのメニューでコマンドを検索する方法を調査しました。[17] さらに、コンピュータにより、研究者は視線追跡の結果をリアルタイムで使用できるようになりました。これは主に障害のあるユーザーを支援するためです。[17]
最近では、視線追跡を利用して、ユーザーがさまざまなコンピュータ インターフェースとどのようにやり取りするかを研究するケースが増えています。研究者が尋ねる具体的な質問は、さまざまなインターフェースがユーザーにとってどれほど使いやすいかに関するものです。[17] 視線追跡研究の結果は、インターフェースの設計変更につながる可能性があります。最近の別の研究分野は、Web 開発に焦点を当てています。これには、ユーザーがドロップダウン メニューにどのように反応するか、または Web サイトのどこに注意を向けるかなどが含まれます。これにより、開発者は広告を配置する場所を知ることができます。[18]
ホフマンによれば[19] 、視覚的注意は常に目よりわずかに（100～250ミリ秒）先にあるというのが現在のコンセンサスである。しかし、注意が新しい位置に移るとすぐに、目はそれに従うようになる。[20]
特定の認知プロセスは、シーン内の特定のオブジェクトへの注視から直接推測することはできません。[21]たとえば、写真内の顔への注視は、認識、好意、嫌悪、困惑などを示している可能性があります。そのため、アイトラッキングは、内省的な言語プロトコルなどの他の方法論と組み合わせられることがよくあります。
携帯型電子機器の進歩により、携帯型ヘッドマウントアイトラッカーは現在、優れた性能を発揮し、日常生活を対象とした研究や市場アプリケーションでますます使用されています。[22]これらの進歩により、実験室と応用環境の両方で、注視中に発生する小さな眼球運動の研究が増加しています。[23]
21 世紀には、人工知能(AI) と人工ニューラル ネットワークの使用が、視線追跡タスクと分析を実行するための現実的な方法になりました。特に、畳み込みニューラル ネットワークは画像中心のタスク用に設計されているため、視線追跡に適しています。AI を使用すると、視線追跡タスクと研究で、人間の観察者では検出できなかった可能性のある追加情報を得ることができます。ディープラーニングの実践により、十分なサンプル データが与えられた場合、特定のニューラル ネットワークが特定のタスクで改善することもできます。ただし、これには比較的大量のトレーニング データが必要です。[24]
視線追跡におけるAIの潜在的な使用例は、医療用途[25]から運転者の安全性[24]、ゲーム理論[26]、さらには教育やトレーニング用途まで、幅広い分野をカバーしています。 [27] [28] [29]
トラッカーの種類
アイトラッカーは、いくつかの方法のいずれかで目の回転を測定しますが、主に次の 3 つのカテゴリのいずれかに分類されます。
- 目に装着された物体（通常は特殊なコンタクトレンズ）の動きの測定
- 目に直接触れずに光学的に追跡する
- 目の周囲に電極を配置して電位を測定します。
視線追跡
最初のタイプは、鏡や磁場センサーが埋め込まれた特殊なコンタクトレンズなどのアタッチメントを目に装着し、目が回転してもアタッチメントが大きくずれないという仮定のもとでアタッチメントの動きを測定する。ぴったりとフィットするコンタクトレンズを使った測定では、目の動きを非常に高感度に記録することができ、磁気サーチコイルは、目の動きのダイナミクスや基礎となる生理学を研究する研究者が好んで用いる方法である。この方法では、水平、垂直、ねじれ方向の目の動きを測定できる。[30]
光学トラッキング
2 つ目の広いカテゴリでは、非接触の光学的方法を使用して眼球運動を測定します。光 (通常は赤外線) が眼球から反射され、ビデオ カメラまたは他の特別に設計された光学センサーによって感知されます。次に、その情報が分析され、反射の変化から眼球の回転が抽出されます。ビデオ ベースの視線追跡装置では通常、角膜反射 (第 1プルキンエ像) と瞳孔の中心が、時間の経過とともに追跡する特徴として使用されます。より感度の高いタイプの視線追跡装置であるデュアル プルキンエ視線追跡装置[31] は、角膜前面 (第 1 プルキンエ像) と水晶体後面 (第 4 プルキンエ像) からの反射を追跡する特徴として使用します。さらに感度の高い追跡方法は、網膜血管など眼球内部の特徴を画像化し、眼球が回転するときにこれらの特徴を追跡することです。光学的方法、特にビデオ録画に基づく方法は、視線追跡に広く使用されており、非侵襲的で安価であるために好まれています。
電位測定
3 番目のカテゴリでは、目の周りに配置した電極で測定された電位を使用します。目は、完全な暗闇や目が閉じている場合でも検出できる安定した電位場の発生源です。これは、正極が角膜、負極が網膜にある双極子によって生成されるとモデル化できます。片方の目の周りの皮膚に配置された 2 組の接触電極を使用して得られる電気信号は、眼電位図 (EOG)と呼ばれます。目が中心位置から周辺に向かって動くと、網膜は一方の電極に近づき、角膜は反対側の電極に近づきます。双極子の方向と電位場のこの変化により、測定された EOG 信号が変わります。逆に、これらの目の動きの変化を分析することで追跡できます。共通電極の設定によって離散化されるため、水平方向と垂直方向の 2 つの別々の動きの要素を識別できます。 3つ目のEOG成分は放射状EOGチャネル[32]で、これは後頭皮電極を基準としたEOGチャネルの平均です。この放射状EOGチャネルは、眼球運動の開始時に眼球外筋から生じるサッケードスパイク電位に敏感で、小さなサッケードでも確実に検出できます。[33]
EOG信号の振幅とサッケードの大きさの間にはドリフトや変動の関係があるため、EOGをゆっくりとした眼球運動の測定や視線方向の検出に使用することは困難です。しかし、EOGは、視線の移動に関連するサッケード眼球運動の測定や瞬きの検出に非常に堅牢な手法です。ビデオベースのアイトラッカーとは異なり、EOGでは目を閉じた状態でも眼球運動を記録できるため、睡眠研究に使用できます。これは非常に軽量なアプローチで、現在のビデオベースのアイトラッカーとは対照的に、必要な計算能力が低く、さまざまな照明条件下で機能し、組み込み型の自己完結型ウェアラブルシステムとして実装できます。 [ 34] [35]そのため、日常生活での移動状況や睡眠中のREM段階での眼球運動の測定に最適な方法です。EOGの主な欠点は、ビデオトラッカーに比べて視線方向の精度が比較的低いことです。つまり、眼球運動の時間を特定することはできても、被験者がどこを見ているのかを正確に特定することは困難です。
テクノロジーと技術
現在最も広く使用されている設計は、ビデオベースのアイトラッカーです。カメラは片目または両目に焦点を合わせ、視聴者が何らかの刺激を見ているときの目の動きを記録します。ほとんどの最新のアイトラッカーは、瞳孔の中心と赤外線/近赤外線の非平行光を使用して角膜反射(CR) を作成します。瞳孔の中心と角膜反射の間のベクトルを使用して、表面上の注視点または視線方向を計算できます。アイトラッカーを使用する前に、通常、個人の簡単なキャリブレーション手順が必要です。[36]
赤外線/近赤外線（アクティブライトとも呼ばれる）視線追跡技術には、明るい瞳孔と暗い瞳孔の2つの一般的なタイプが使用されています。これらの違いは、光学系に対する照明源の位置に基づいています。照明が光路と同軸の場合、光が網膜で反射して赤目と同様の明るい瞳孔効果を生み出すため、目は再帰反射器として機能します。照明源が光路からオフセットされている場合、網膜からの反射がカメラから遠ざかるため、瞳孔は暗く見えます。[37]
明るい瞳孔追跡は、より大きな虹彩/瞳孔コントラストを作り出し、あらゆる虹彩色素によるより堅牢な視線追跡を可能にし、まつげやその他の遮蔽物による干渉を大幅に軽減します。[38]また、完全な暗闇から非常に明るい照明条件まで、さまざまな照明条件での追跡を可能にします。
あまり使われていない別の方法は、パッシブライトとして知られている。これは可視光を使用して照明するため、ユーザーの注意をそらす可能性がある。[37]この方法のもう1つの課題は、瞳孔のコントラストがアクティブライト方法よりも低いため、代わりに虹彩の中心がベクトルの計算に使用されることである。[39]この計算では、虹彩と白目（輪部追跡）の境界を検出する必要があります。まぶたの遮蔽による垂直眼球運動には別の課題があります。[40]
-
赤外線/近赤外線: 明るい瞳孔。 -
赤外線/近赤外線: 暗い瞳孔と角膜反射。 -
可視光: 虹彩の中心 (赤)、角膜反射 (緑)、出力ベクトル (青)。
アイトラッキングのセットアップは多種多様です。ヘッドマウント式のものもあれば、頭部を安定させる必要があるもの (顎当てなど) もあり、リモートで機能し、動きながら頭部を自動的に追跡するものもあります。ほとんどのものは少なくとも 30 Hz のサンプリング レートを使用します。50/60 Hz の方が一般的ですが、現在多くのビデオベースのアイトラッカーは 240、350、さらには 1000/1250 Hz で動作します。これは、固定眼球運動を捉えたり、サッカード ダイナミクスを正しく測定したりするために必要な速度です。
眼球運動は、通常、固定とサッカードに分けられます。固定は、眼球が特定の位置で止まるとき、サッカードは別の位置に移動します。結果として生じる固定とサッカードの一連の動きは、スキャンパスと呼ばれます。スムーズ・パーシュートは、動く物体を追う眼球運動です。固定眼球運動には、マイクロサッカードが含まれます。これは、固定しようとしているときに発生する小さな不随意のサッカードです。眼球からのほとんどの情報は、固定またはスムーズ・パーシュート中に利用可能になりますが、サッカード中には利用できません。[41]
スキャンパスは、認知意図、関心、顕著性を分析するのに役立ちます。他の生物学的要因（性別のような単純なもの）もスキャンパスに影響を与える可能性があります。ヒューマンコンピュータインタラクション（HCI）におけるアイトラッキングでは、通常、ユーザビリティの目的で、または視線連動ディスプレイ（視線ベースインターフェースとも呼ばれる）の入力方法として、スキャンパスを調査します。 [42]
データのプレゼンテーション
さまざまなタイプのアイトラッカーによって記録されたデータの解釈には、データをアニメーション化または視覚的に表現するさまざまなソフトウェアが使用され、1 人以上のユーザーの視覚行動をグラフィカルに再現できます。ビデオは通常、AOI (関心領域) を識別するために手動でコーディングされますが、最近では人工知能も使用されています。グラフィカルなプレゼンテーションは、分析できる内容が限られているため、研究結果のベースになることはほとんどありません。たとえば、アイトラッキングに依存する研究では、通常、眼球運動イベントとそのパラメーターの定量的な測定が必要です。次の視覚化が最も一般的に使用されています。
インターフェイス上のポイントのアニメーション表現 この方法は、視覚的な動作を個別に調べるときに使用され、画像に見られるように、ユーザーが各瞬間に視線を集中した場所を示し、以前のサッカード運動を示す小さなパスが補完されます。
サッカード パスの静的表現 これは、静的な方法であるという点を除けば、上で説明したものとかなり似ています。これを解釈するには、アニメーション化されたものよりも高いレベルの専門知識が必要です。
ヒートマップ 静的表現の代替手段。主にユーザーグループの視覚探索パターンの集約分析に使用されます。これらの表現では、「ホット」ゾーンまたは高密度のゾーンは、ユーザーが視線（注意ではなく）を集中した頻度が高い場所を示します。ヒートマップは、アイトラッキング研究で最もよく知られている視覚化手法です。[43]
ブラインド ゾーン マップ、またはフォーカス マップ この方法はヒート マップの簡易版であり、ユーザーが視覚的にあまり注目していないゾーンが明確に表示されるため、最も関連性の高い情報を理解しやすくなります。つまり、ユーザーが見ていなかったゾーンに関する詳細な情報が提供されます。
サリエンシーマップヒートマップと同様に、サリエンシーマップは、最初は黒いキャンバス上で注目を集めるオブジェクトを明るく表示することで、焦点の領域を示します。特定のオブジェクトに焦点が当てられるほど、そのオブジェクトはより明るく表示されます。[44]
アイトラッキングと視線トラッキング
アイトラッカーは、何らかの基準フレームに対する眼球の回転を必然的に測定します。これは通常、測定システムと結びついています。したがって、測定システムが EOG やヘルメットに取り付けられたビデオベースのシステムのように頭部に取り付けられている場合は、眼球と頭部の角度が測定されます。世界座標で視線を推定するには、頭部を一定の位置に維持するか、頭部の動きも追跡する必要があります。これらの場合、頭部の方向と眼球と頭部の方向を加算して視線方向を決定します。ただし、頭部の動きが小さい場合は、眼球は一定の位置に留まります。[45]
測定システムが強膜サーチコイルやテーブルマウントカメラ（リモート）システムのようにテーブルに取り付けられている場合、視線角度はワールド座標で直接測定されます。通常、このような状況では頭の動きは禁止されています。たとえば、バイトバーまたは額サポートを使用して頭の位置を固定します。すると、頭中心の参照フレームはワールド中心の参照フレームと同一になります。または口語的に言えば、頭の中の目の位置によって視線方向が直接決定されます。
頭部の動きも許容される自然な条件下での人間の眼球運動に関するいくつかの結果が得られている。[46]眼球と頭部の相対的な位置は、視線の方向が一定であっても、高次視覚領域の神経活動に影響を与える。[47]
練習する
眼球回転のメカニズムとダイナミクスに関する研究は数多く行われてきましたが、アイ トラッキングの目標はほとんどの場合、視線の方向を推定することです。たとえば、ユーザーは画像のどの特徴が目を引くかに興味があるかもしれません。アイ トラッカーは絶対的な視線方向を提供するのではなく、視線方向の変化のみを測定できます。被験者が見ているものを正確に判断するには、被験者が 1 点または一連の点を見ている間にアイ トラッカーが各視線位置に対応する値を記録する、何らかのキャリブレーション手順が必要です (網膜の特徴を追跡する技術でも、視線の方向を正確に提供することはできません。なぜなら、視軸が網膜と交わる正確な点を示す特定の解剖学的特徴がないため、そのような単一の安定した点が存在するとしてもです)。正確で信頼性の高いキャリブレーションは、有効で再現性のある眼球運動データを取得するために不可欠であり、これは非言語の被験者や視線が不安定な被験者にとって大きな課題となる可能性があります。
視線追跡の各方法には長所と短所があり、視線追跡システムの選択はコストと用途を考慮して決定されます。オフラインの方法と、AttentionTrackingのようなオンラインの手順があります。コストと感度の間にはトレードオフがあり、最も感度の高いシステムは数万ドルの費用がかかり、適切に操作するにはかなりの専門知識が必要です。コンピューターとビデオ技術の進歩により、多くの用途に役立ち、かなり使いやすい比較的低コストのシステムが開発されました。[48]ただし、結果の解釈には依然としてある程度の専門知識が必要です。調整が不十分なシステムや調整が不十分なシステムでは、非常に誤ったデータが生成される可能性があるためです。
困難な状況での車の運転中の視線追跡
スイス連邦工科大学のチームは、特殊なヘッドカメラを使用して2つのグループのドライバーの目の動きを撮影しました。初心者と経験豊富なドライバーが、狭い道路のカーブに近づくときの目の動きを記録しました。一連の画像は、理解しやすいように、元のフィルムフレーム[50]から圧縮され、画像ごとに2つの目の固定を示しています。
これらの静止画はそれぞれ、実時間で約 0.5 秒に相当します。
一連の画像は、典型的な初心者ドライバーと経験豊富なドライバーの視線固定 #9 から #14 の例を示しています。
上の画像を比較すると、経験豊富なドライバーはカーブを確認し、脇を見るための注視番号 9 まで残しているのに対し、初心者のドライバーは道路を確認し、駐車中の車までの距離を見積もる必要があることがわかります。
中央の画像では、経験豊富なドライバーが対向車が見える場所に完全に集中しています。初心者のドライバーは駐車中の車に視線を集中しています。
下の画像では、初心者は左の壁と駐車中の車の間の距離を推定するのに忙しいが、経験豊富なドライバーは周辺視野を使用して、カーブの危険なポイントに視線を集中させることができる。そこに車が現れた場合、ドライバーは道を譲る、つまり駐車中の車を追い越すのではなく右側に停止する必要がある。[51]
最近の研究では、ヘッドマウントアイトラッキングを使用して、実際の運転状況での目の動きを測定しました。[52] [23]
歩行中の若者と高齢者の視線追跡
高齢者は歩行中、若年者よりも中心視力に大きく依存します。歩行速度は視野が限られるため低下しますが、これはおそらく周辺視力の低下が原因です。
若い被験者は歩行中に中心視力と周辺視力の両方を活用します。周辺視力により歩行のプロセスをより速く制御できます。[53]
アプリケーション
視線追跡技術は、認知科学、心理学（特に心理言語学、視覚世界パラダイム）、人間とコンピュータの相互作用（HCI）、人間工学と人間工学、マーケティング調査、医療研究（神経学的診断）など、幅広い分野で使用されています。[54]具体的な用途としては、言語の読み取り、音楽の読み取り、人間の活動の認識、広告の認識、スポーツのプレー、注意散漫の検出、運転手やパイロットの認知負荷の推定、重度の運動障害を持つ人のコンピュータ操作の手段としての視線追跡などがあります。 [23]仮想現実の分野では、視線追跡は、ユーザーの視線内のグラフィック領域のみをレンダリングすることで処理負荷を軽減するなど、さまざまな目的でヘッドマウントディスプレイで使用されています。[55]
商用アプリケーション
近年、視線追跡技術の高度化と利用しやすさが増したことで、商業分野で大きな関心が集まっています。その用途には、Web ユーザビリティ、広告、スポンサーシップ、パッケージ デザイン、自動車工学などがあります。一般に、商業的な視線追跡調査は、サンプルの消費者にターゲット刺激を提示し、視線追跡装置で目の活動を記録するというものです。ターゲット刺激の例には、Web サイト、テレビ番組、スポーツ イベント、映画やコマーシャル、雑誌や新聞、パッケージ、棚のディスプレイ、消費者システム (ATM、チェックアウト システム、キオスク)、ソフトウェアなどがあります。結果のデータは統計的に分析し、グラフ化して特定の視覚パターンの証拠を提供できます。注視、サッカード、瞳孔拡張、瞬き、その他のさまざまな動作を調べることで、研究者は特定の媒体や製品の有効性について多くのことを知ることができます。このタイプの調査を社内で完了する企業もありますが、視線追跡サービスと分析を提供する民間企業も数多くあります。
商業的な視線追跡調査の 1 つの分野は、Web ユーザビリティです。従来のユーザビリティ技術は、クリックやスクロールのパターンに関する情報を提供するのに非常に効果的ですが、視線追跡では、クリック間のユーザー インタラクションや、クリック間のユーザーの時間を分析できるため、どの機能が最も目を引くか、どの機能が混乱を招くか、どの機能がまったく無視されるかなど、貴重な洞察が得られます。特に、視線追跡は、検索効率、ブランディング、オンライン広告、ナビゲーションのユーザビリティ、全体的なデザイン、その他多くのサイト コンポーネントを評価するために使用できます。分析は、メインのクライアント サイトに加えて、プロトタイプや競合サイトを対象にすることもできます。
アイトラッキングは、さまざまな広告媒体で一般的に使用されています。コマーシャル、印刷広告、オンライン広告、スポンサー付きプログラムはすべて、現在のアイトラッキング技術による分析に適しています。1 つの例は、イエロー ページの広告に対する目の動きの分析です。ある研究では、人々が広告に気付いた特定の特徴、広告を特定の順序で見たかどうか、および視聴時間がどのように変化するかに焦点を当てました。この研究では、広告のサイズ、グラフィック、色、およびコピーがすべて広告への注目に影響を与えることが明らかになりました。これを知ることで、研究者はサンプルの消費者がターゲットのロゴ、製品、または広告に注視する頻度を詳細に評価できます。したがって、広告主は実際の視覚的注目の観点から特定のキャンペーンの成功を定量化できます。[56]この別の例としては、検索エンジンの結果ページで、著者スニペットが有料広告や最初のオーガニック結果よりも多くの注目を集めたという研究があります。[57]
商業的な視線追跡研究のもう一つの例は、採用の分野から来ています。ある研究では、採用担当者がLinkedInのプロフィールをスクリーニングする方法を分析し、その結果をヒートマップとして提示しました。[58]
安全アプリケーション
2017年に科学者たちは、ディープニューラルネットワークと畳み込みニューラルネットワークからディープ統合ニューラルネットワーク（DINN）を構築した。[24]その目標は、ディープラーニングを使用してドライバーの画像を調べ、「目の状態を分類」することで眠気のレベルを判断することだった。十分な画像があれば、提案されたDINNは、ドライバーがいつまばたきをするか、どのくらいの頻度でまばたきをするか、そしてどのくらいの時間まばたきをするかを理想的には判断できる。そこから、特定のドライバーがどれだけ疲れているかを判断し、効果的に視線追跡運動を行うことができる。DINNは2,400人以上の被験者のデータでトレーニングされ、96%～99.5%の確率で状態を正しく診断した。他のほとんどの人工知能モデルは90%を超える率で実行された。[24]この技術は、理想的にはドライバーの眠気検出のための別の手段を提供できる可能性がある。
ゲーム理論の応用
2019年の研究では、他のCNNが顔の特徴を識別するのと同じように、個々のチェスの駒を識別する機能を備えた畳み込みニューラルネットワーク（CNN）が構築されました。[26]次に、さまざまなスキルレベルのチェスプレーヤー30人の視線追跡入力データを入力しました。このデータを使用して、CNNは視線推定を使用して、プレーヤーが細心の注意を払っているチェスボードの部分を特定しました。次に、ボードのそれらの部分を示す顕著性マップを生成しました。最終的に、CNNはボードと駒に関する知識を顕著性マップと組み合わせて、プレーヤーの次の動きを予測します。ニューラルネットワークシステムがトレーニングされたトレーニングデータセットに関係なく、ランダムに可能な動きを選択した場合よりも正確に次の動きを予測し、特定のプレーヤーと状況に対して描画された顕著性マップは54％以上類似していました。[26]
支援技術
重度の運動障害を持つ人は、コンピュータを操作するためにアイトラッキングを使用することができます[59]。これは、シングルスイッチスキャン技術よりも高速で、操作が直感的だからです。[60] [ 61]脳性麻痺[62]や筋萎縮性側索硬化症によって引き起こされる運動障害は、多くの場合、発話に影響を及ぼし、重度の言語運動障害 (SSMI) を持つユーザーは、アイコン、単語、文字を画面に表示し[64]、音声合成ソフトウェアを使用して音声出力を生成する、補助代替コミュニケーション (AAC) 補助具と呼ばれるタイプのソフトウェアを使用します。[65]最近では、研究者はロボットアーム[66]や電動車椅子を制御するためにアイトラッキングを研究しました。[67]アイトラッキングは、視覚検索パターンの分析にも役立ちます。[68]読書中の視線の動きを分析することで、眼振の存在を検出したり、学習障害の初期兆候を検出したりします。[69]
航空アプリケーション
アイトラッキングは、飛行の安全性のために、走査経路と注視時間を比較してパイロット訓練生の進歩を評価すること、[70]、 パイロットのスキルを推定すること、[71]、乗組員の共同注意と共有状況認識を分析することなどにより、すでに研究されている。[72]アイトラッキング技術は、軍用機のヘルメットマウントディスプレイシステム[73]や多機能ディスプレイ[74]との相互作用についても検討された。ヘルメットマウントディスプレイシステム (HMDS) でのヘッドアップターゲットロックとヘッドアップターゲット取得に対するアイトラッカーの有用性を調査する研究が実施された。[73]パイロットのフィードバックによると、この技術は有望であるものの、ハードウェアとソフトウェアのコンポーネントはまだ成熟していないことが示唆された。[73]シミュレータ環境での多機能ディスプレイとの相互作用に関する研究では、アイトラッキングにより、既存のシステムよりも応答時間と認知負荷を大幅に改善できることが示された。さらに、研究では、パイロットの認知負荷を推定するために、注視と瞳孔反応の測定値を利用することも調査された。認知負荷を推定[75]視線追跡はパイロットの疲労を検出するのにも役立ちます。[76] [23]
自動車用途
最近では、自動車分野では、パッシブとアクティブの両方の方法で視線追跡技術が研究されています。米国道路交通安全局は、運転中に二次的なタスクを実行するための視線の持続時間を測定し、車両への過度の注意散漫を引き起こすデバイスの導入を阻止することで安全性を促進するために使用しました[77]注意散漫の検出に加えて、視線追跡は IVIS との対話にも使用されます。[78]初期の研究[79]では 、HDD (ヘッドダウンディスプレイ) との対話における視線追跡システムの有効性が調査されましたが、二次的なタスクを実行している間、ドライバーは道路から目を離す必要がありました。最近の研究では、道路から目を離すことによる注意散漫を排除する HUD (ヘッドアップディスプレイ) との視線制御の対話が調査されました。[80]視線追跡は、潜在的な注意散漫を検出するためにドライバーの認知負荷を監視するためにも使用されます。研究者[81]は、さまざまな生理学的パラメーターからドライバーの認知負荷を推定するさまざまな方法を調査しましたが、眼球パラメーターの使用は、IVIS との対話に加えて、既存のアイトラッカーを使用してドライバーの認知負荷を監視する新しい方法を調査しました。[82] [83]
エンターテイメントアプリケーション
2021年のビデオゲーム「Before Your Eyes」は、プレイヤーのまばたきを記録して読み取り、それをゲームと対話する主な方法として使用します。[84] [85]
エンジニアリングアプリケーション
近年、アイトラッキング技術が広く使用されるようになり、経験的ソフトウェアエンジニアリングにおけるその使用が注目されています。研究者は、アイトラッキング技術とデータ分析手法を使用して、ソフトウェアエンジニアリングの概念の理解可能性を調査しています。これには、ビジネスプロセスモデル[86]や、 UMLアクティビティ図やEER図などのソフトウェアエンジニアリングで使用される図の理解可能性が含まれます[87]。注視、スキャンパス、スキャンパス精度、スキャンパスリコール、関心領域/関連領域への注視などのアイトラッキングメトリックは、モデルと図の理解可能性の観点から計算、分析、解釈されます。調査結果は、適切なモデル関連ソリューションを使用して図とモデルの理解可能性を高め、作業記憶容量、認知負荷、学習スタイル、ソフトウェアエンジニアとモデラーの戦略などの個人的な関連要因を改善します。
地図作成アプリケーション
地図作成研究では、視線追跡技術が広く採用されています。研究者は、個人が地図をどのように認識し、解釈するかを調べるために視線追跡を使用しています。[88]たとえば、視線追跡は、2D と 3D の視覚化の認識の違い、[89] [90]初心者と専門家の地図の読み方の比較[91]または学生と地理教師の比較、[92]地図の地図品質の評価[93]を研究するために使用されています。さらに、地図作成者は、色や記号の密度などの属性を含む、地図の読みに影響を与えるさまざまな要因を調査するために視線追跡を使用しています。[94] [95]地図アプリケーションの使いやすさに関する多数の研究でも、視線追跡が活用されています。[96] [97]
地図作成コミュニティは視覚的および空間的なデータに日々取り組んでおり、アイトラッキングデータの視覚化方法とツールに大きく貢献しています。[98]たとえば、地図作成者は、GISソフトウェアを利用してさらなる視覚化と分析を行う、GISとアイトラッキングデータを統合する方法を開発しました。 [99] [100]コミュニティはまた、アイトラッキングデータを視覚化するためのツール[101] [98]や、アイトラッキングデータの空間コンポーネントに基づいて視線の固定を識別するためのツールボックスを提供しました。[102]
プライバシーに関する懸念
アイトラッキングはスマートフォン[103] 、ノートパソコン[104]、バーチャルリアリティヘッドセット[105 ]など、さまざまな家電製品で一般的な機能になると予想されており、[106]この技術が消費者のプライバシーに与える影響について懸念が高まっています。[107] [108]機械学習技術の助けを借りて、アイトラッキングデータから、ユーザーの民族、性格特性、恐怖、感情、興味、スキル、心身の健康状態に関する情報が間接的に明らかになることがあります。[109]このような推論がユーザーの認識や承認なしに行われた場合、これは推論攻撃に分類できます。目の活動は常に意志によって制御されるわけではありません。たとえば、「刺激によって引き起こされる視線、瞳孔の拡張、眼球の震え、自発的な瞬きは、消化や呼吸と同様に、ほとんどが意識的な努力なしに発生します」。[109]そのため、アイトラッキングのユーザーが自分について明らかにする情報の量を推定または制御することは困難です。
参照
注記
- ^ Huey & 1908/1968 に報告
- ^ ヒューイ、エドマンド (1968) [初版1908年]。読書の心理学と教育学（再版）。MITプレス。
- ^ Buswell, GT (1922)。「基本的な読書習慣：その発達に関する研究」。補足教育モノグラフ。第21号。シカゴ：シカゴ大学。
- ^ Buswell, GT (1937)。「大人の読書法」。補足教育モノグラフ第45号。シカゴ：シカゴ大学。
- ^ バスウェル、GT（1935）、人は絵をどのように見るか：芸術における心理学と知覚の研究、シカゴ大学出版局、Trove 12223957
- ^ ヤーバス、アルフレッド L. (1967)。眼球運動と視覚(PDF)。ニューヨーク: プレナム プレス。ISBN 978-1-4899-5379-7. 2022年3月24日閲覧。
- ^ ヤーバス 1967、190 ページより
- ^ ヤーバス 1967、194 ページ
- ^ ヤーバス 1967、191 ページ
- ^ ヤーバス 1967、193 ページ
- ^ ab 「視覚認識：問題解決における眼球運動」www.learning-systems.ch。
- ^ [1] 2011-07-06にWayback Machineでアーカイブ
- ^ レイナー 1978
- ^ ジャスト＆カーペンター 1980
- ^ Posner, Michael I. (1980). 「注意の方向づけ」.実験心理学季刊誌. 32 (1). SAGE Publications: 3–25. doi :10.1080/00335558008248231. ISSN 0033-555X. PMID 7367577. S2CID 2842391.
- ^ ライト、RD; ワード、LM (2008)。注意の方向づけ。オックスフォード大学出版局。ISBN 978-0-19-802997-7。
- ^ abc Robert JK Jacob、Keith S. Karn (2003)。「人間とコンピュータのインタラクションとユーザビリティ研究における視線追跡：約束を果たす準備が整いました」。Hyona、Radach、Deubel (編)。The Mind's Eye：眼球運動研究の認知的および応用的側面。オックスフォード、イギリス：Elsevier Science BV。CiteSeerX 10.1.1.100.445。ISBN 0-444-51020-6。
- ^ Schiessl, Michael; Duda, Sabrina; Thölke, Andreas; Fischer, Rico. 「アイトラッキングとユーザビリティおよびメディア研究への応用」(PDF)。
- ^ ホフマン、ジェームズ E. (2016)。「視覚的注意と眼球運動」。パシュラー、H. (編)。注意。認知研究。テイラー＆フランシス。pp. 119–153。ISBN 978-1-317-71549-8。
- ^ Deubel, Heiner (1996). 「サッカードターゲット選択と物体認識：共通の注意メカニズムの証拠」. Vision Research . 36 (12): 1827–1837. doi : 10.1016/0042-6989(95)00294-4 . PMID 8759451. S2CID 16916037.
- ^ ホルサノバ、ヤナ (2007)。 「Användares interaktion med multimodala texter」[マルチモーダル テキストを使用したユーザー インタラクション]。 L. グンナーソンでは。午前。カールソン（編）。Ett vidgat textbegrepp (スウェーデン語)。 41–58ページ。
- ^ Cognolato M、Atzori M、Müller H (2018)。「ヘッドマウント視線追跡デバイス：最新デバイスの概要と最近の進歩」。リハビリテーションおよび支援技術工学ジャーナル。5 ：205566831877399。doi ：10.1177 / 2055668318773991。PMC 6453044。PMID 31191938。
- ^ abcd Alexander, Robert; Macknik, Stephen; Martinez-Conde, Susana (2020). 「応用環境におけるマイクロサッケード：固定眼球運動測定の実際の応用」. Journal of Eye Movement Research . 12 (6). doi : 10.16910/jemr.12.6.15 . PMC 7962687. PMID 33828760.
- ^ abcd Zhao, Lei; Wang, Zengcai; Zhang, Guoxin; Qi, Yazhou; Wang, Xiaojin (2017年11月15日). 「ディープ統合ニューラルネットワークと転移学習に基づく眼の状態認識」.マルチメディアツールとアプリケーション. 77 (15): 19415–19438. doi :10.1007/s11042-017-5380-8. ISSN 1380-7501. S2CID 20691291.
- ^ Stember, JN; Celik, H.; Krupinski, E.; Chang, PD; Mutasa, S.; Wood, BJ; Lignelli, A.; Moonis, G.; Schwartz, LH; Jambawalikar, S.; Bagci, U. (2019 年 8 月)。「畳み込みニューラル ネットワークを使用したディープラーニング セグメンテーションのための視線追跡」。Journal of Digital Imaging。32 ( 4 ) : 597–604。doi :10.1007/s10278-019-00220-4。ISSN 0897-1889。PMC 6646645。PMID 31044392。
- ^ abc Louedec, Justin Le; Guntz, Thomas; Crowley, James L.; Vaufreydaz, Dominique (2019). 「視線追跡とゲームデータを使用したチェスプレーヤーの注意予測のためのディープラーニング調査」。第11回ACMアイトラッキング研究とアプリケーションシンポジウムの議事録。ニューヨーク、ニューヨーク、米国：ACMプレス。pp. 1–9。arXiv ：1904.08155。Bibcode：2019arXiv190408155L。doi：10.1145 /3314111.3319827。ISBN 978-1-4503-6709-7. S2CID 118688325。
- ^ Nadu, T (2015). 「レビュー：リアルタイムの視線 追跡と視線検出の品質向上に向けて」。国際応用工学研究誌。10 (6)。
- ^ Nückles, M (2021). 「高度な視線追跡手法を用いた教育と学習における視覚知覚の調査：革新的な研究パラダイムのメリットと課題」.教育心理学レビュー. 33 (1): 149–167. doi : 10.1007/s10648-020-09567-5 . S2CID 225345884.
- ^ Alexander, RG; Waite, S; Macknik, SL; Martinez-Conde, S (2020). 「放射線科医は何を探しているのか？放射線学的検索における知覚学習の進歩と限界」Journal of Vision . 20 (10): 17. doi :10.1167/jov.20.10.17. PMC 7571277 . PMID 33057623.
- ^ Robinson, David A. (1963 年10 月)。「磁場内での電磁サーチコイルを使用した眼球運動測定法」。IEEE Transactions on Bio-medical Electronics。10 ( 4) 。電気電子技術者協会: 137–145。doi : 10.1109/tbmel.1963.4322822。ISSN 0096-0616。PMID 14121113 。
- ^ Crane, HD; Steele, CM (1985). 「第5世代デュアルプルキンエ像アイトラッカー」.応用光学. 24 (4): 527–537. Bibcode :1985ApOpt..24..527C. doi :10.1364/AO.24.000527. PMID 18216982. S2CID 10595433.
- ^ Elbert, T., Lutzenberger, W., Rockstroh, B., Birbaumer, N., 1985. EEG からの眼球アーティファクトの除去。EOG への生物物理学的アプローチ。Electroencephalogr Clin Neurophysiol 60, 455-463。
- ^ Keren, AS; Yuval-Greenberg, S.; Deouell, LY (2010). 「ガンマ帯域脳波におけるサッケードスパイク電位：特徴、検出および抑制」NeuroImage . 49 (3): 2248–2263. doi :10.1016/j.neuroimage.2009.10.057. PMID 19874901. S2CID 7106696.
- ^ Bulling, A.; Roggen, D.; Tröster, G. (2009). 「ウェアラブルEOGゴーグル：日常環境におけるシームレスなセンシングとコンテキスト認識」Journal of Ambient Intelligence and Smart Environments . 1 (2): 157–171. doi :10.3233/AIS-2009-0020. hdl : 20.500.11850/352886 . S2CID 18423163.
- ^ Sopic, D., Aminifar, A., & Atienza, D. (2018). e-glass: てんかん発作をリアルタイムで検出するウェアラブルシステム。IEEE International Symposium on Circuits and Systems (ISCAS) にて。
- ^ Witzner Hansen, Dan; Qiang Ji (2010 年 3 月)。「見る人の目から見た目と視線のモデルに関する調査」IEEE Trans. Pattern Anal. Mach. Intell . 32 (3): 478–500. doi :10.1109/tpami.2009.30. PMID 20075473. S2CID 16489508.
- ^ ab Gneo, Massimo; Schmid, Maurizio; Conforto, Silvia; D'Alessio, Tommaso (2012). 「自由形状モデルに依存しない神経視線追跡システム」Journal of NeuroEngineering and Rehabilitation . 9 (1): 82. doi : 10.1186/1743-0003-9-82 . PMC 3543256 . PMID 23158726.
- ^ 目：人間の視覚の調査; ウィキメディア財団
- ^ Sigut, J; Sidha, SA (2011 年 2 月)。「可視光を使用 した視線追跡のための虹彩中心角膜反射法」。IEEE Transactions on Bio-Medical Engineering。58 ( 2): 411–9。doi : 10.1109 /tbme.2010.2087330。PMID 20952326。S2CID 206611506。
- ^ Hua, H; Krishnaswamy, P; Rolland, JP (2006 年 5 月 15 日). 「ヘッドマウントディスプレイにおけるビデオベースの視線追跡方法とアルゴリズム」. Optics Express . 14 (10): 4328–50. Bibcode :2006OExpr..14.4328H. doi : 10.1364/oe.14.004328 . PMID 19516585.
- ^ Purves, D; et al. (2001). 「眼球運動がもたらすもの」。 Neuroscience (第 2 版)。 サンダーランド、マサチューセッツ州: Sinauer Assocs。
- ^ Majaranta, P.、Aoki, H.、Donegan, M.、Hansen, DW、Hansen, JP、Hyrskykari, A.、Räihä, KJ、「視線インタラクションと視線追跡の応用：支援技術の進歩」、IGI Global、2011年
- ^ Nielsen, J.; Pernice, K. (2010). Eyetracking Web Usability. New Rideres Publishing. p. 11. ISBN 978-0-321-71407-7. 2013年10月28日閲覧。
- ^ Le Meur, O; Baccino, T (2013). 「スキャンパスとサリエンシーマップを比較する方法：長所と短所」.行動研究方法. 45 (1).
- ^ Aharonson V、Coopoo V、Govender K、Postema M (2020)。 「低コストの視線追跡セットアップでの前庭眼反射を使用した自動瞳孔検出および視線推定」。SAIEEアフリカ研究ジャーナル。111 （3）：120–124。doi ：10.23919 / SAIEE.2020.9142605。
- ^ アインホイザー、W;シューマン、F;バーディンズ、S;バートル、K;ボーニング、G;シュナイダー、E;ケーニッヒ、P (2007)。 「自然探索における人間の目と頭の調整」。ネットワーク: ニューラル システムの計算。18 (3): 267–297。土井：10.1080/09548980701671094。PMID 17926195。S2CID 1812177 。
- ^ Andersen, RA; Bracewell, RM; Barash, S.; Gnadt, JW; Fogassi, L. (1990). 「マカクザルのLIPおよび7a領域における視覚、記憶、およびサッケード関連活動に対する眼の位置の影響」Journal of Neuroscience . 10 (4): 1176–1196. doi :10.1523/JNEUROSCI.10-04-01176.1990. PMC 6570201. PMID 2329374. S2CID 18817768 .
- ^ Ferhat, Onur; Vilariño, Fernando (2016). 「低コストの視線追跡: 現在の状況」.計算知能と神経科学. 2016 :1–14. doi : 10.1155/2016/8680541 . PMC 4808529. PMID 27034653 .
- ^ Hunziker 2006。AS コーエン (1983) のデータに基づく。情報は、Befahren von Kurven、Psychologie für die Praxis 2/83、Bulletin der Schweizerischen Stiftung für Angewandte Psychology に基づいています。
- ^ アスファルト州コーエン (1983)。情報の概要 Befahren von Kurven、Psychologie für die Praxis 2/83、Bulletin der Schweizerischen Stiftung für Angewandte Psychology
- ^ 2006 年の Hunziker の写真
- ^ Grüner, M; Ansorge, U ( 2017). 「実際の夜間運転中のモバイル視線追跡：調査結果の選択的レビューと将来の研究への推奨事項」。Journal of Eye Movement Research。10 ( 2). doi : 10.16910/ JEMR.10.2.1。PMC 7141062。PMID 33828651。
- ^ 伊藤奈々; 福田忠彦 (2002). 「若年者と高齢者の歩行者における中心視野と周辺視野の範囲と使用に関する眼球運動の比較研究」知覚と運動能力. 94 (3_suppl): 1283–1291. doi :10.2466/pms.2002.94.3c.1283. PMID 12186250. S2CID 1058879.
- ^ Duchowski, AT (2002). 「視線追跡アプリケーションの広範な調査」.行動研究方法、機器、コンピュータ. 34 (4): 455–470. doi : 10.3758/BF03195475. PMID 12564550. S2CID 4361938 .
- ^ Rogers, Sol. 「アイトラッキングがVRを根本的に変える7つの理由」Forbes . 2021年12月16日閲覧。
- ^ ローゼ、ジェラルド、ウー、DJ（2001年2月1日）。「中国のイエローページ広告における視線移動パターン」。エレクトロニック・マーケット。11 （2）：87–96。doi ：10.1080/101967801300197007。S2CID 1064385 。
- ^ 「アイトラッキング調査: 検索結果に Google 著者情報を使用することの重要性」
- ^ 「候補者のプロフィールをスクリーニングするには3秒で十分。アイトラッキング調査の結果」。Elementのブログ - nowości ze świata rekrutacji、HR Tech i Element（ポーランド語）。2019年2月21日。 2021年4月3日閲覧。
- ^ Corno, F.; Farinetti, L.; Signorile, I. (2002 年 8 月)。「視線補助技術のコスト効率の高いソリューション」。議事録。IEEE 国際マルチメディアおよびエキスポ会議。第 2 巻。pp. 433–436。doi : 10.1109 /ICME.2002.1035632。ISBN 0-7803-7304-9. S2CID 42361339 . 2020年8月5日閲覧。
- ^ Pinheiro, C.; Naves, EL; Pino, P.; Lesson, E.; Andrade, AO; Bourhis, G. (2011 年 7 月)。「重度の運動障害を持つ人々のための代替コミュニケーション システム: 調査」。BioMedical Engineering OnLine。10 ( 1 ) : 31。doi : 10.1186/1475-925X - 10-31。PMC 3103465。PMID 21507236。
- ^ Saunders, MD; Smagner, JP; Saunders, RR (2003 年 8 月)。「重度の多重障害を持つ人の適応スイッチ使用に関する方法論的および技術的分析の改善」。行動介入。18 (4): 227–243。doi :10.1002/ bin.141。
- ^ 「脳性麻痺（CP）」 。 2020年8月4日閲覧。
- ^ Wilkinson, KM; Mitchell, T. (2014年3月). 「補助的・代替コミュニケーションの評価と介入に関する疑問に答えるための視線追跡研究」.補助的・代替コミュニケーション. 30 (2): 106–119. doi :10.3109/07434618.2014.904435. PMC 4327869. PMID 24758526 .
- ^ Galante, A.; Menezes, P. (2012 年 6 月). 「脳性麻痺患者のための視線ベースのインタラクション システム」. Procedia Technology . 5 : 895–902. doi : 10.1016/j.protcy.2012.09.099 .
- ^ BLISCHAK, D.; LOMBARDINO, L.; DYSON, A. (2003年6月). 「音声生成装置の使用：自然な発話のサポート」.補助的代替コミュニケーション. 19 (1): 29–35. doi :10.1080/0743461032000056478. PMID 28443791. S2CID 205581902.
- ^ Sharma, VK; Murthy, LRD; Singh Saluja, K.; Mollyn, V.; Sharma, G.; Biswas, Pradipta (2020年8月). 「SSMI患者向けのウェブカメラ制御ロボットアーム」.テクノロジーと障害. 32 (3): 179–197. arXiv : 2005.11994 . doi :10.3233/TAD-200264. S2CID 218870304. 2020年8月5日閲覧。
- ^ Eid, MA; Giakoumidis, N.; El Saddik, A. (2016 年 7 月). 「未知の環境を移動するための新しい視線制御車椅子システム: ALS 患者のケーススタディ」. IEEE Access . 4 : 558–573. Bibcode :2016IEEEA...4..558E. doi : 10.1109/ACCESS.2016.2520093 . S2CID 28210837.
- ^ Jeevithashree, DV; Saluja, KS; Biswas, Pradipta (2019年12月). 「重度の発話障害および運動障害を持つユーザー向けの視線制御インターフェースの開発に関するケーススタディ」.テクノロジーと障害. 31 (1–2): 63–76. doi :10.3233/TAD-180206. S2CID 199083245. 2020年8月5日閲覧。
- ^ Jones, MW; Obregón, M.; Kelly, ML; Branigan, HP (2008年5月). 「失読症および非失読症の読解力の流暢性に関わる構成要素プロセスの解明：視線追跡研究」.認知. 109 (3): 389–407. doi :10.1016/j.cognition.2008.10.005. PMID 19019349. S2CID 29389144. 2020年8月5日閲覧。
- ^ Calhoun, G. L; Janson (1991). 「視線制御と個別スイッチの手動選択の比較」Armstrong Laboratory Report AL-TR-1991-0015。
- ^ Fitts, PM; Jones, RE; Milton, JL (1950). 「計器着陸進入中の航空機パイロットの眼球運動」Aeronaut. Eng. Rev. 2020年7月20日閲覧。
- ^ Peysakhovich, V.; Lefrançois, O.; Dehais, F.; Causse, M. (2018). 「航空機コックピットの神経人間工学：飛行の安全性を高めるための視線追跡統合の4段階」. Safety . 4 (1): 8. doi : 10.3390/safety4010008 .
- ^ abc de Reus, AJC; Zon, R.; Ouwerkerk, R. (2012 年 11 月)。「ヘルメット搭載ディスプレイでのアイトラッカーの使用の検討」国立航空宇宙研究所技術レポート NLR-TP-2012-001。
- ^ DV, JeevithaShree; Murthy, L RD; Saluja, KS; Biswas, P. (2018). 「アイゲイズトラッカーを使用した軍用高速ジェット機のさまざまなディスプレイの操作」。航空技術工学ジャーナル。8 (4) 。 2020年7月24日閲覧。
- ^ Babu, M.; DV, JeevithaShree; Prabhakar, G.; Saluja, KP; Pashilkar, A.; Biswas, P. (2019). 「シミュレーションと飛行中の研究による眼パラメータからのパイロットの認知負荷の推定」Journal of Eye Movement Research . 12 (3). doi :10.16910/jemr.12.3.3. PMC 7880144 . PMID 33828735 . 2020年8月3日閲覧。
- ^ Peißl, S.; Wickens, CD; Baruah, R. (2018). 「航空における視線追跡の測定：選択的文献レビュー」.国際航空宇宙心理学ジャーナル. 28 (3–4): 98–112. doi : 10.1080/24721840.2018.1514978 . S2CID 70016458.
- ^ 「車載電子機器に関するNHTSAの視覚的・手動的運転者注意散漫ガイドライン」2013年4月26日。
- ^ 米国特許 8928585B2、Mondragon、Christopher K. および Bleacher、Brett、「車両エンターテイメント システムの視線追跡制御」、2015 年 1 月 6 日発行、Thales Avionics Inc に譲渡
- ^ Poitschke, T.; Laquai, F.; Stamboliev, S.; Rigoll, G. (2011). 「自動車環境における複数のディスプレイでの視線ベースのインタラクション」(PDF) . 2011 IEEE 国際システム・人間・サイバネティクス会議. pp. 543–548. doi :10.1109/ICSMC.2011.6083740. ISBN 978-1-4577-0653-0. ISSN 1062-922X. S2CID 9362329.
- ^ Prabhakar, G.; Ramakrishnan, A.; Murthy, L.; Sharma, VK; Madan, M.; Deshmukh, S.; Biswas, P. (2020). 「自動車向けインタラクティブ視線・指操作HUD」. Journal of Multimodal User Interface . 14 : 101–121. doi :10.1007/s12193-019-00316-9. S2CID 208261516.
- ^ Marshall, S. (2002). 「認知活動の指標: 認知作業負荷の測定」IEEE 第 7 回ヒューマン ファクターおよび発電所会議議事録。pp. 7-5–7-9。doi : 10.1109 / HFPP.2002.1042860。ISBN 0-7803-7450-9. S2CID 44561112。
- ^ Duchowski, AT; Biele, C.; Niedzielska, A.; Krejtz, K.; Krejtz, I.; Kiefer, P.; Raubal, M.; Giannopoulos, I. (2018). 「瞳孔振動を伴う課題難易度に対する認知負荷を測定する瞳孔活動指数」ACM SIGCHI ヒューマンファクター会議。doi : 10.1145/3173574.3173856 . S2CID 5064488。
- ^ Prabhakar, G.; Mukhopadhyay, A.; Murthy, L.; Modiksha, MADAN; Biswas, P. (2020). 「自動車における眼パラメータを用いた認知負荷推定」.交通工学. 2 : 100008. doi : 10.1016/j.treng.2020.100008 .
- ^ McGuire, Keegan (2021年4月8日). 「What The Critics Are Saying About Before Your Eyes」. looper.com . 2021年4月23日時点のオリジナルよりアーカイブ。
- ^ フォン・アウ、カスパール (2021 年 4 月 24 日)。 「Computersspiel "Before Your Eyes" wird mit den Augen gesteuert」[ビデオ ゲーム「Before Your Eyes」は目で操作します]。Bayerischer Rundfunk (ドイツ語)。 2021年4月26日のオリジナルからアーカイブ。
- ^ Petrusel, Razvan; Mendling, Jan; Reijers, Hajo A. (2017). 「視覚認知がプロセスモデルの理解に与える影響」.意思決定支援システム. C (96): 1–16. doi :10.1016/j.dss.2017.01.005. ISSN 0167-9236.
- ^ Sözen, Nergiz; Say, Bilge; Kılıç, Özkan (2020年11月27日). 「ワーキングメモリ容量が複雑な図の理解可能性に与える影響を調査するための実験的研究」. TEMジャーナル. 情報通信技術教育科学協会: 1384–1395. doi : 10.18421/tem94-09 . ISSN 2217-8333. S2CID 229386117.
- ^ Krassanakis, Vassilios; Cybulski, Paweł (2021年6月14日). 「地図作成における視線追跡研究：未来への展望」. ISPRS International Journal of Geo-Information . 10 (6): 411. Bibcode :2021IJGI...10..411K. doi : 10.3390/ijgi10060411 . ISSN 2220-9964.
- ^ Popelka, Stanislav; Brychtova, Alzbeta (2013). 「2D および 3D 地形視覚化の異なる知覚に関する視線追跡研究」.地図ジャーナル. 50 (3): 240–246. Bibcode :2013CartJ..50..240P. doi :10.1179/1743277413Y.0000000058. ISSN 0008-7041. S2CID 128975149.
- ^ Herman, Lukas; Popelka, Stanislav; Hejlova, Vendula (2017年5月31日). 「インタラクティブ3Dジオビジュアライゼーションの視線追跡分析」. Journal of Eye Movement Research . 10 (3). doi :10.16910/jemr.10.3.2. ISSN 1995-8692. PMC 7141050. PMID 33828655 .
- ^ Ooms, K.; De Maeyer, P.; Fack, V. (2013年11月22日). 「視線追跡を用いた初心者および熟練地図ユーザーの注意深い行動の研究」.地図作成と地理情報科学. 41 (1): 37–54. doi :10.1080/15230406.2013.860255. hdl : 1854/LU-4252541 . ISSN 1523-0406. S2CID 11087520.
- ^ Beitlova, Marketa; Popelka, Stanislav; Vozenilek, Vit (2020年8月19日). 「生徒と地理教師による主題図の読み方の違い」. ISPRS International Journal of Geo-Information . 9 (9): 492. Bibcode :2020IJGI....9..492B. doi : 10.3390/ijgi9090492 . ISSN 2220-9964.
- ^ Burian, Jaroslav; Popelka, Stanislav; Beitlova, Marketa (2018年5月17日). 「視線追跡による都市計画の地図品質の評価」. ISPRS International Journal of Geo-Information . 7 (5): 192. Bibcode :2018IJGI....7..192B. doi : 10.3390/ijgi7050192 . ISSN 2220-9964.
- ^ Brychtova, Alzbeta; Coltekin, Arzu (2016年6月30日). 「視線追跡法を用いた地図閲覧における色の距離とフォントサイズの影響を測定するための実証的ユーザー調査」. The Cartographic Journal . 53 (3): 202–212. Bibcode :2016CartJ..53..202B. doi :10.1179/1743277414y.0000000103. ISSN 0008-7041. S2CID 18911777.
- ^ Cybulski, Paweł (2020年1月9日). 「段階的点記号地図読み取りタスクにおける空間距離と地図作成背景の複雑さ」.地図作成と地理情報科学. 47 (3): 244–260. Bibcode :2020CGISc..47..244C. doi :10.1080/15230406.2019.1702102. ISSN 1523-0406. S2CID 213161788.
- ^ Manson, Steven M.; Kne, Len; Dyke, Kevin R.; Shannon, Jerry; Eria, Sami (2012). 「視線追跡とマウス メトリックを使用した Web マッピング ナビゲーションのユーザビリティのテスト」.地図作成と地理情報科学. 39 (1): 48–60. Bibcode :2012CGISc..39...48M. doi :10.1559/1523040639148. ISSN 1523-0406. S2CID 131449617.
- ^ Popelka, Stanislav; Vondrakova, Alena; Hujnakova, Petra (2019年5月30日). 「気象ウェブマップの視線追跡評価」. ISPRS International Journal of Geo-Information . 8 (6): 256. Bibcode :2019IJGI....8..256P. doi : 10.3390/ijgi8060256 . ISSN 2220-9964.
- ^ ab Vojtechovska, Michaela; Popelka, Stanislav (2023年8月12日). 「GazePlotter – 眼球運動シーケンスの視覚化ツール」. ICA抄録. 6 : 264–. Bibcode :2023AbICA...6..264V. doi : 10.5194/ica-abs-6-264-2023 . ISSN 2570-2106.
- ^ Sultan, Minha Noor; Popelka, Stanislav; Strobl, Josef (2022年6月24日). 「ET2Spatial – 眼球運動データの地理参照用ソフトウェア」.地球科学情報学. 15 (3): 2031–2049. Bibcode :2022EScIn..15.2031S. doi :10.1007/s12145-022-00832-5. ISSN 1865-0473. S2CID 249961269.
- ^ Göbel, Fabian; Kiefer, Peter; Raubal, Martin (2019年5月2日). 「訂正: FeaturEyeTrack: インタラクティブマップ上の視線追跡データと地図機能の自動マッチング」. GeoInformatica . 24 (4): 1061–1062. doi : 10.1007/s10707-019-00352-3 . ISSN 1384-6175. S2CID 155184852.
- ^ Dolezalova, Jitka; Popelka, Stanislav (2016年8月5日). 「ScanGraph: グラフクリークの視覚化を使用した新しいスキャンパス比較方法」. Journal of Eye Movement Research . 9 (4). doi : 10.16910/jemr.9.4.5 . ISSN 1995-8692.
- ^ Krassanakis, Vassilios; Filippakopoulou , Vassiliki; Nakos, Byron (2014 年 2 月 21 日)。「EyeMMV ツールボックス: 固定点識別のための 2 段階空間分散閾値に基づく眼球運動後分析ツール」。Journal of Eye Movement Research。7 ( 1)。doi : 10.16910 / jemr.7.1.1。ISSN 1995-8692。S2CID 38319871 。
- ^ Dickson, Ben (2017年2月19日). 「視線追跡技術の可能性を解き放つ」. TechCrunch . 2021年4月8日閲覧。
- ^ Reddy, Venkateshwar (2019年4月15日). 「アイトラッキング技術：アプリケーションと将来の展望」. IndustryARC . 2021年4月8日閲覧。
- ^ Rogers, Sol (2019年2月5日). 「アイトラッキングがVRを根本的に変える7つの理由」Forbes . 2020年5月13日閲覧。
- ^ Stein, Scott (2020年1月31日). 「Eye TrackingはVRの次の段階、準備ができているかどうかは関係ない」CNET 。 2021年4月8日閲覧。
- ^ Stanley, Jay (2013年5月6日). 「視線追跡技術のプライバシー侵害の可能性」アメリカ自由人権協会. 2021年4月8日閲覧。
- ^ Blain, Loz (2021年3月29日). 「アイトラッキングはあなたに関する信じられないほど多くの情報を明らかにすることができます」. New Atlas . 2021年4月8日閲覧。
- ^ ab Kröger, Jacob Leon; Lutz, Otto Hans-Martin; Müller, Florian (2020). 「視線はあなたについて何を明らかにするのか？視線追跡のプライバシーへの影響について」プライバシーとアイデンティティ管理。 より良い生活のためのデータ：AIとプライバシー。 IFIP情報通信技術の進歩。 Vol. 576。 チャム：Springer International Publishing。 pp. 226–241。doi：10.1007/978-3-030-42504-3_15。ISBN 978-3-030-42503-6. ISSN 1868-4238。
参考文献
ウィキメディア・コモンズには、アイトラッキングに関連するメディアがあります。
Scholia には、Eye Trackingのトピックプロファイルがあります。
- Cornsweet, TN; Crane, HD (1973). 「第 1 および第 4 プルキンエ像を使用した正確な 2 次元視線追跡装置」J Opt Soc Am . 63 (8): 921–8. Bibcode :1973JOSA...63..921C. doi :10.1364/josa.63.000921. PMID 4722578. S2CID 14866408.
- コーンスウィート、TN (1958)。 「小さな眼球運動を測定するための新しい技術」。JOSA。48 ( 11): 808–811。Bibcode : 1958JOSA ...48..808C。doi : 10.1364 /josa.48.000808。PMID 13588456 。
- フンツィカー、ハンス・ヴェルナー (2006)。Im Auge des Lesers: foveale und periphere Wahrnehmung – vom Buchstabieren zur Lesefreude [読者の目: 中心窩と周辺の知覚 – 文字認識から読書の喜びまで] (ドイツ語)。トランスメディア・ストーブリ・ヴァーラーク・チューリッヒ。ISBN 978-3-7266-0068-6。
- Just, MA; Carpenter, PA (1980). 「読書の理論: 視線固定から理解へ」(PDF) . Psychol Rev. 87 ( 4): 329–354. doi :10.1037/0033-295x.87.4.329. PMID 7413885. S2CID 3793521.
- Rayner, K (1978). 「読書と情報処理における眼球運動」.心理学速報. 85 (3): 618–660. CiteSeerX 10.1.1.294.4262 . doi :10.1037/0033-2909.85.3.618. PMID 353867.
- Rayner, K (1998). 「読書と情報処理における眼球運動：20年間の研究」.心理学速報. 124 (3): 372–422. CiteSeerX 10.1.1.211.3546 . doi :10.1037/0033-2909.124.3.372. PMID 9849112.
- ロマーノ・バーグストロム、ジェニファー（2014）。ユーザーエクスペリエンスデザインにおけるアイトラッキング。モーガン・カウフマン。ISBN 978-0-12-408138-3。
- Bojko, Aga (2013)。 『アイトラッキングによるユーザーエクスペリエンス（研究の実践ガイド）』。Rosenfeld Media。ISBN 978-1-933820-10-1。
商業用視線追跡
- Pieters, R.; Wedel, M. (2007). 「広告への視覚的注意の目標制御: Yarbus の示唆」. Journal of Consumer Research . 34 (2): 224–233. CiteSeerX 10.1.1.524.9550 . doi :10.1086/519150.
- Pieters , R .; Wedel, M. ( 2004). 「広告の要素による注目の獲得と伝達」。Journal of Marketing。68 ( 2): 36–50。CiteSeerX 10.1.1.115.3006。doi :10.1509/ jmkg.68.2.36.27794。S2CID 15259684 。