Quanto è affidabile l’eye-tracker quando i partecipanti sono in movimento?

In questo articolo:

1. Un’introduzione all’eye-tracking

I moderni eye-tracker indossabili permettono di effettuare delle raccolte dati che prevedono il movimento libero dei partecipanti in contesti ecologici. Dalla catena di produzione di un’azienda metalmeccanica all’equipe medica in sala operatoria, da un atleta concentrato a scalare una parete da arrampicata a un pilota professionista durante una simulazione di guida. Grazie all’eye tracker indossabile, o  “wearable”, tutte queste esperienze possono essere osservate in prima persona senza grandi difficoltà in termini di usabilità degli spazi o invasività dello strumento. 

Questo, ovviamente, offre un grande vantaggio in termini di ecologia dei risultati: trovandoci in scenari reali, la valutazione delle performance – lavorative, sportive ecc… – non avviene più in un contesto di laboratorio. Non è più necessario sintetizzare il compito, o task, affinché sia fruibile da un partecipante fermo o quasi: il compito viene svolto nella sua interezza, prevedendo l’interazione reale con le altre persone coinvolte e all’interno del vero ambiente di lavoro. 

Quello che otteniamo è un risultato che non è più una semplificazione o una ricostruzione artificiale, ma una vera e propria osservazione  del  comportamento e di quello che succede ogni giorno nella realtà, con degli ovvi vantaggi per quanto riguarda l’accuratezza dei risultati.
Ma qui nasce una nuova domanda: in che misura i moderni eye tracker indossabili sono sensibili ed in grado di gestire il movimento della testa e del corpo? Consentire ai partecipanti di muoversi ci dà dei risultati meno attendibili in termini di accuratezza e precisione o riusciamo a raggiungere un trade-off accettabile tra l’ecologia del movimento e l’accuratezza della misurazione?


Per rispondere a questa domanda, un gruppo di ricercatori ha chiesto a quattro partecipanti di stare fermi, camminare, saltare sul posto e saltare in avanti mentre indossavano sei diversi (e diffusi) marchi di eye tracker.  I partecipanti venivano invitati a fissare un bersaglio statico durante l’esecuzione dei movimenti.

Nonostante il movimento, tutti gli eye tracker sono stati in grado di registrare accuratamente lo sguardo, anche durante le attività più dinamiche (salto sul posto e slancio in avanti). Sebbene in alcuni casi l’accuratezza diminuisca all’aumentare del movimento del partecipante, la maggior parte degli errori (definiti come la deviazione mediana assoluta della distanza tra il bersaglio e la direzione dello sguardo, espressa in gradi) erano comunque inferiori alla soglia di tolleranza, tanto da garantire l’affidabilità del risultato. Non entreremo nel dettaglio tecnico delle metriche ma, nello studio specifico, la soglia di errore di 3 gradi permette di garantire l’affidabilità della misurazione con un soggetto a circa un metro e mezzo di distanza dall’obiettivo di dimensioni di circa 10 cm.

In questo articolo vi parleremo delle implicazioni pratiche di questa diminuzione di accuratezza all’interno di diversi scenari di ricerca ipotetici. Come sempre, non c’è una risposta definitiva a tutte le domande di ricerca. Solo un consulente esperto saprà consigliarvi il giusto trade-off per il vostro intervento specifico, e questo bilanciamento dipende da molti fattori, come vedremo: la dimensione  e la distanza del target, la ricchezza dell’ambiente circostante, la magnitudo del movimento previsto da parte del partecipante. Proveremo quindi a fare degli esempi che chiariscano quand’è che conviene svolgere l’esperimento in contesti reali (con soggetti in movimento anche a discapito di qualche punto in meno di accuratezza) e quando invece è necessario puntare su una maggior accuratezza, rinunciando al fattore “movimento”.

2. Dall’eye tracker fisso a quello mobile

Dai lavori pionieristici degli anni novanta (es. Land, Mennie e Rusted, 1999; Ballard, Hayhoe e Pelz, 1995; e Vickers1996a), la ricerca che utilizza la tecnologia di eye-tracking indossabile ha fatto dei passi da gigante. A differenza del tracciamento oculare fisso – che prevede un soggetto fermo di fronte ad uno stimolo, come ad esempio una persona seduta di fronte ad uno schermo sul quale viene mostrata o ricreata una scena artificiale che riproduce la situazione reale d’interesse – con la tecnologia di tracciamento oculare indossabile, l’osservatore non deve più sedersi a un tavolo né appoggiare la testa su una mentoniera. Può camminare liberamente, muovere e girare la testa in tutte le direzioni, insomma, può comportarsi come farebbe nella vita reale. 

 

Questo sviluppo ha reso possibile studiare il comportamento visivo durante lo svolgimento di tantissime attività quotidiane, lavorative e non. Gli eye tracker indossabili sono stati utilizzati, ad esempio, per studiare la preparazione di un panino (Hayhoe, Shrivastava, Mruczek, & Pelz, 2003), la cottura di una torta (Macdonald & Tatler, 2018), le partite di squash (Abernethy, 1990), il lancio della palla da basket (Vickers, 1996b), il montaggio di una tenda da campeggio (Sullivan, Ludwig, Damen, MayolCuevas, & Gilchrist, 2021), l’affaticamento del guidatore (Gao, Zhang, Zheng, & Lu, 2015), il processo decisionale del consumatore al supermercato (Gidlöf, Wallin, Dewhurst, & Holmqvist, 2013; Gidlöf, Anikin, Lingonblad, & Wallin, 2017), i percorsi oculari dei medici che osservano una colonoscopia (Dik, Hooge, van Oijen, & Siersema, 2016), il modo in cui le persone si orientano all’interno di uno spazio affollato (Hessels, van Doorn, Benjamins, Holleman, & Hooge, 2020) e il modo in cui le persone avviano azioni sociali (Hessels et al. , 2020). 

 

Insomma, le potenzialità sono davvero infinite, in particolare se consideriamo che la tecnologia di eye-tracking indossabile può essere utilizzata insieme ad altri dispositivi – come ad esempio dispositivi di sicurezza – nonché insieme alle cuffie per la realtà virtuale (Clay, König, & König, 2019) o per la realtà aumentata (Caruso et al., 2021).

3. Quali sono le metriche di accuratezza e precisione dell’eye tracker?

L’eye-tracker mobile diventa sempre più diffuso ed accurato, non solo per la sua versatilità ma anche perché i prezzi del dispositivo diventano sempre più accessibili ed economici.
In previsione della diffusione di questo strumento su larga scala, anche al di fuori di contesti scientifici e con operatori che non hanno un background di ricerca tale da permettere loro di calibrare lo strumento con zelo scientifico, sta diventando sempre più necessario sapere in anticipo se l’eye tracker scelto è adatto per condurre lo studio specifico nel contesto in cui ci si trova. I criteri sono tanti. Si passa, ad esempio, dalla portata del segnale di tracciamento alla durata del funzionamento dello strumento; dal trade-off tra qualità e profondità dei dati del tracciamento oculare al prezzo dello strumento; dalla risoluzione della telecamera alla capacità dello strumento di operare in contesti che prevedono la massima luce solare. 

Ma come si valuta la qualità del dato?
Le risposte sono tante. In generale, la qualità dei dati di eye-tracking si misura in accuratezza, precisione e perdita di informazioni (es. Holmqvist et al., 2012; Holmqvist 2015; Dalrymple et al., 2018; De Kloe et al., 2022; McConkie 1981; Holmqvist et al.,2022).

 

a) Con accuratezza intendiamo la distanza tra la posizione dello sguardo registrata dallo strumento e quella effettiva. Viene operazionalizzata come la differenza tra la posizione dello sguardo registrata dalle telecamere ad infrarossi dello strumento e quindi visualizzata dal ricercatore su schermo – e la posizione effettiva dello sguardo su un bersaglio su cui il partecipante è stato invitato a concentrarsi;

 

b) Con precisione, invece, ci riferiamo alla vicinanza di una serie di misurazioni ripetute della stessa osservazione. La precisione ci dà un’idea di quanto rumore è presente all’interno delle nostre misurazioni. Per semplificare, possiamo dire che la precisione deriva da una serie di verifiche di accuratezza consecutive (Niehorster et al., 2020). Pensiamo a un tiro a bersaglio dove la fissazione del nostro sguardo, registrata tramite eye-tracker, corrisponde ai punti effettivi in cui arrivano i dardi. L’obiettivo del bersaglio, invece, è lo stimolo che l’occhio sta effettivamente guardando in quel momento: minore è la differenza tra le distanze di ogni osservazione e il bersaglio effettivo, maggiore è la precisione dello strumento, proprio come nel caso di un arciere che mira al suo bersaglio.

eye tracker
Un esempio di accuratezza (a) e precisione (b) proposta da Pastel et al. (2021) e basata sugli studi di Nyström et al. (2013). I punti indicano l’effettiva direzione dello sguardo mentre le croci indicano lo stimolo target. Nei box bianchi potete vedere la differenza tra alta/bassa accuratezza e alta/bassa precisione. Ovviamente, per una migliore esemplificazione del fenomeno, sono stati utilizzati dei valori molto esagerati ed estremi.

c) La perdita di dati si riferisce invece al rapporto tra il numero di campioni validi forniti da un eye tracker e il numero di misurazioni effettuate (Niehorster et al., 2020). A volte, infatti, un eye tracker potrebbe non essere in grado di stimare la direzione o il punto dello sguardo e produce un campione vuoto nel flusso di dati. Ad esempio, la perdita di dati si verifica se il partecipante chiude gli occhi o guarda al di fuori del campo di misurazione dell’eye tracker. Se l’eye tracker non produce un numero sufficiente di campioni validi, i dati del tracciamento oculare possono diventare inutilizzabili, con costi in termini di tempo e di denaro.

 

Come sempre, non esiste uno strumento che sia accurato, preciso e che garantisca la minor perdita di dati possibile in tutti i contesti ed in tutte le condizioni. Come sottolinea McConkie (1981): “lo standard su quali siano i dati accettabili varia a seconda della natura delle questioni studiate”. Alcuni esperimenti richiedono un alto grado di accuratezza (ad esempio in una procedura di sicurezza, se si vuole sapere se un punto specifico di una check-list è stato osservato o meno). In altri tipi di ricerca, può essere sufficiente un’accuratezza minore perché ci interessa semplicemente che lo sguardo dell’osservatore entri all’interno di un’area di interesse (AOI, Area of interest), senza un punto di fissazione specifico. 

 

Quello che avviene con eye-tracker commerciali, è che le metriche di qualità dei dati restituite dal prodotto vanno considerate come “il limite superiore della qualità”, la prestazione massima raggiungibile dello strumento. Questo perché i produttori  stimano la qualità dei dati in condizioni ideali. Le condizioni ideali possono includere, ad esempio, l’uso di un supporto per il mento e la fronte, l’utilizzo di partecipanti non problematici in movimento (ad esempio, adulti seduti che non indossano mascara) e con condizioni di luce ottimali.

 

Ma se volessimo avere informazioni sulla qualità dei dati dei tracciatori oculari indossabili proprio in contesti non ottimali, come avviene con l’eye-tracker indossabile? Possiamo trovare alcune informazioni a riguardo nella letteratura sul tracciamento oculare indossabile nello sport. Tuttavia, la maggior parte degli studi scientifici riporta solo misure di accuratezza, alcuni studi riportano la precisione e l’accuratezza ma quasi nessuno degli studi riporta la perdita di dati.

 

Per questo, i ricercatori si sono concentrati su una variabile cruciale: il movimento.
La qualità dei dati di eye-tracking – misurata in termini di accuratezza, precisione e perdita di dati – cambia in base ai movimenti della testa e del corpo dei partecipanti.

Questo permette di rispondere ad una domanda chiave: l’eye tracker mobile è in grado di fornire dati accurati anche quando il partecipante sta svolgendo una serie di movimenti, più o meno ampi?

4. Lo studio sull’attendibilità dell’eye tracker con soggetti in movimento

La qualità dei dati provenienti da sei eye tracker indossabili è stata valutata in cinque condizioni: (1) statica (l’osservatore sta fermo il più possibile), (2) movimenti lievi (camminare), (3) movimenti consistenti (saltare sul posto) e (4) movimenti estremi (saltare in avanti), e un ritorno alla prima condizione. Durante questi movimenti, agli osservatori viene chiesto di fissare un bersaglio statico posizionato nello spazio attorno a loro.

eye tracker 2
Fonte: Hooge, I. T., Niehorster, D. C., Hessels, R. S., Benjamins, J. S., & Nyström, M. (2022). How robust are wearable eye trackers to slow and fast head and body movements?. Behavior Research Methods, 1-15.

Tutti gli eye tracker sono stati in grado di registrare lo sguardo durante gli episodi più dinamici (salto e balzo). L’accuratezza è stata peggiore nel secondo episodio di immobilità rispetto al primo, indicando che il movimento che avviene nel mezzo può provocare uno spostamento dello strumento e quindi una minor accuratezza rispetto alla prima fase, che generalmente segue quella di calibrazione (la calibrazione è il momento in cui l’operatore setta lo strumento sul viso del partecipante, assicurandosi che ci sia convergenza tra il punto effettivamente osservato e quello riportato su schermo).

Nonostante questa diminuzione di accuratezza e precisione sia presente, nella maggior parte delle registrazioni l’errore è stato inferiore a 3° e la maggior parte degli eye tracker non ha subito perdite di dati, neppure durante gli episodi più impegnativi (salto sul posto e slancio in avanti).

 

Come abbiamo già detto, un errore di misurazione – che si tratti di accuratezza o di precisione – non è mai accettabile o non accettabile in assoluto: tutto dipende dallo studio che stiamo effettuando e dal fenomeno che stiamo osservando, in relazione al suo contesto.

L’errore di 3° – in questo caso specifico – è risultato accettabile perché è traducibile in una distanza tra sguardo e bersaglio di circa 10 cm. Considerato che il bersaglio era posizionato all’interno di un cerchio di circa 8.3 cm di diametro e che il partecipante si trovava a circa un metro e sessanta da esso, 10 cm di margine d’errore possono essere considerati accettabili per affermare che il soggetto stesse osservando lo stimolo desiderato, e che il margine d’errore fosse dovuto da una registrazione meno accurata a causa del movimento.

In questi contesti, è quindi fondamentale l’intervento di un esperto che faccia una serie di valutazioni contestuali. Ad esempio, in questo studio specifico, non essendoci altri bersagli nelle vicinanze e trattandosi di un ambiente molto rado, non c’è rischio che il partecipante stesse osservando un target diverso dal nostro.

5. A ogni studio la sua metrica

Per chiarire cosa intendiamo per valutazioni studio-specifiche, gli autori forniscono alcuni esempi pratici con degli scenari di fantasia il più vari possibile. Questi esempi ci aiutano a comprendere meglio come la definizione delle soglie normative in assoluto è impossibile, ma ogni singolo caso specifico richiede un’attenta valutazione da parte degli sperimentatori.

 

1. Pattinaggio su ghiaccio: Vogliamo verificare se i pattinatori su ghiaccio stabiliscono o meno un contatto visivo con il proprio partner di ballo quando sono vicini. Questo, per testare l’ipotesi che una maggior intesa e complicità tra ballerini possa portare a delle esibizioni migliori. Entrambi i performer sono dotati di eye-tracker indossabile. Il contatto visivo viene definito come una fissazione delle pupille reciproca (es. Jongerius et al., 2020) e l’area d’interesse (AOI) è un cerchio con raggio di 2,5 cm attorno alla pupilla del rispettivo partner di ballo, ad una distanza di 50 cm. A questa distanza, un eye tracker con accuratezza di 2,9° – e quindi minore dell’errore medio di 3° rilevato negli eye-tracker indossabili utilizzati nello studio di Hooge e colleghi (2022) è sufficiente per garantire l’attendibilità del risultato;

 

2. Giocare a scacchi. Vogliamo studiare quali pezzi vengono fissati durante una partita a scacchi per poter prevedere il comportamento visivo dei giocatori migliori. Supponiamo che i pezzi siano distanti 4 cm l’uno dall’altro e che la testa degli scacchisti si trovi a una distanza di 80 cm dai pezzi. L’accuratezza dell’eye tracker – in un contesto in cui l’area d’interesse è molto piccola dovrebbe corrispondere a circa 1,4°. In questo caso, si tratta di un valore molto inferiore rispetto alla soglia d’errore di 3° garantita dagli eye tracker testati nello studio. Cosa fare, quindi? Riteniamo che gli eye tracker non siano in grado di supportarci in questo compito? Non proprio: non dobbiamo dimenticare che questi 3° di errore venivano rilevati solo nelle fasi di salto sul posto e salto in avanti, movimenti che difficilmente metteremo in atto durante una partita di scacchi! In questo contesto, decisamente molto statico, possiamo affidarci ai limiti superiori di qualità dichiarati dai produttori dello strumenti perché molte delle condizioni ottimali d’utilizzo saranno rispettate (partecipanti seduti e fermi, luce ottimale);

 

 

3. Attraversamento della strada. A scopo educativo, vogliamo vedere se le persone affette da neglect – un disturbo attentivo – guardano a destra e a sinistra prima di attraversare la strada. In questo caso, l’accuratezza dell’eye tracker indossabile non ha molta importanza, purché sia chiaro dal video di sovrapposizione dello sguardo se i partecipanti stavano guardando effettivamente prima a destra e poi a sinistra (o viceversa) prima di attraversare la strada. In questo caso, inoltre, non ci interessa sapere se sono stati fissati obiettivi specifici, per cui è facilmente intuibile che l’accuratezza del dato non è una metrica di grande interesse;

 

 

4. Il processo decisionale al supermercato. Vi abbiamo detto spesso che nei supermercati possiamo studiare molti aspetti interessanti grazie all’eye tracker indossabile. Un fattore di difficoltà nel supermercato è dato dal fatto che l’eye tracker può essere usato per verificare se i clienti hanno ispezionato informazioni molto specifiche a breve distanza (quante sono le calorie di queste barrette ai cereali e cioccolato?) o se i clienti hanno usato informazioni meno specifiche ma a grande distanza (es. sul percorso per trovare lo scaffale delle bevande gassate). In entrambi i casi, è necessario un eye tracker con un’ottima precisione. Quando l’ambiente visivo è ricco come un’ala di un supermercato (al contrario di quello rado, come nel caso dell’esperimento presentato poco fa), è necessario un eye tracker molto accurato per poter sapere cosa viene fissato, anche se si tratta di un’area di interesse più grande di una semplice etichetta, come ad esempio il cartello che indica il reparto delle bevande. Sappiamo bene che i supermercati hanno tante informazioni e una cartellonistica densissima che viene osservata anche da grandi distanze: in questo caso c’è il rischio che un margine d’errore troppo ampio in termini di accuratezza non ci permetta di comprendere davvero qual è stato il target visivo osservato.

6. Conclusione

Gli studi scientifici stanno dimostrando che l’accuratezza delle metriche in movimento ( lo studio in questione si è concentrato su sei marchi di eye tracker diffusi sul mercato internazionale) è soddisfacente anche quando i partecipanti sono in movimento (camminano, saltano sul posto o saltano con uno slancio in avanti). Come ci saremmo aspettati, l’accuratezza solitamente tende a peggiorare con l’aumento della magnitudo del movimento, anche se viene utilizzata una fascia per fissare meglio l’eye tracker alla testa. Tuttavia, l’entità dell’errore riportato va contestualizzato all’interno dello specifico scenario di ricerca: in molti studi, l’accuratezza della misura è in ogni caso abbastanza soddisfacente da poter garantire un risultato verosimile: fornisce quindi un ottimo trade-off tra mobilità del partecipante (e quindi ecologia dell’osservazione) e accuratezza.

Bibliografia

Hooge, I. T., Niehorster, D. C., Hessels, R. S., Benjamins, J. S., & Nyström, M. (2022). How robust are wearable eye trackers to slow and fast head and body movements?. Behavior Research Methods, 1-15.

 

Land, M.F., Mennie, N., & Rusted, J. (1999). The roles of vision and eye movements in the control of activities of daily living. Perception. Perception, 28(11), 1311–1328.

 

Ballard, D.H., Hayhoe, M.M., & Pelz, J.B. (1995). Memory representations in natural tasks. Journal of Cognitive Neuroscience, 7(1), 66–80. 

 

Vickers, J.N. (1996a). Control of visual attention during the basketball free throw. American Journal of Sports Medicine, 3, 93–97.

 

Hayhoe, M.M., Shrivastava, A., Mruczek, R., & Pelz, J.B. (2003). Visual memory and motor planning in a natural task. Journal of Vision, 3, 49–63.

 

Macdonald, R.G., & Tatler, B.W. (2018). Gaze in a real-world social interaction: A dual eye-tracking study. Quarterly Journal of Experimental Psychology, 71, 2162–2173.

 

Abernethy, B. (1990). Expertise, visual search, and information pick-up in squash. Perception, 19, 63–77.

 

Vickers, J.N. (1996b). Visual control when aiming at a far target. Journal of Experimental Psychology, 22, 342–354.

 

Sullivan, B., Ludwig, C.J.H., Damen, D., MayolCuevas, W., & Gilchrist, I. (2021). Look-ahead fixations during visuomotor behavior: Evidence from assembling a camping tent. Journal of Visual, 21(3), 13.

 

Gao, X.-Y., Zhang, Y.-F., Zheng, W.-L., & Lu, B.-L. (2015). Evaluating driving fatigue detection algorithms using eye tracking glasses. In 7th International IEEE/EMBS Conference on Neural Engineering (pp. 767–770): IEEE.

 

Gidlöf, K., Anikin, A., Lingonblad, M., & Wallin, A. (2017). Looking is buying. How visual attention and choice are affected by consumer preferences and properties of the supermarket shelf. Appetite, 116, 29–38.

 

Gidlöf, K., Wallin, A., Dewhurst, R., & Holmqvist, K. (2013). Using eye tracking to trace a cognitive process: Gaze behaviour during decision making in a natural environment. Journal of Eye Movement Research, 6(1), 1–14.

 

Dik, V.K., Hooge, I.T., van Oijen, M.G., & Siersema, P.D. (2016). Measuring gaze patterns during colonoscopy: A useful tool to evaluate colon inspection? European Journal of Gastroenterology and Hepatology, 28 (12), 1400–1406.

 

Hessels, R. S., Andersson, R., Hooge, I. T. C., Nyström, M., & Kemner, C. (2015). Consequences of eye color, positioning, and head movement for eyetracking data quality in infant research. Infancy, 20(6), 601–633.

 

Hessels, R.S., Benjamins, J.S., van Doorn, A.J., Koenderink, J.J., Holleman, G.A., & Hooge, I.T.C. (2020). Looking behavior and potential human interactions during locomotion. Journal of Vision, 5 (10), 1–25.

 

Clay, V., König, P., & König, S. (2019). Eye tracking in virtual reality. Journal of Eye Movement Research, 12(1), 3.

 

Caruso, T., Hess, O., Roy, K., Wang, E., Rodriguez, S., Palivathukal, C., & Haber, N. (2021). Integrated eye tracking on magic leap one during augmented reality medical simulation: A technical report. BMJ Simulation & Technology Enhanced Learning, 7, 431–434.

 

Holmqvist, K., Nyström, M., & Mulvey, F. (2012). Eye tracker data quality: What it is and how to measure it. In Proceedings of the Symposium on Eye Tracking Research and Applications (pp. 45–52).

 

Holmqvist, K., Nyström, M., & Mulvey, F. (2012). Eye tracker data quality: What it is and how to measure it. In Proceedings of the Symposium on Eye Tracking Research and Applications (pp. 45–52).

 

Holmqvist, K., Örbom, S.L., Hooge, I.T.C., Niehorster, D.C., Alexander, R.G., Andersson, R., & Hessels, R.S. (2022). Eye tracking: empirical foundations for a minimal reporting guideline. Behavior Research Methods.

 

De Kloe, Y.J.R., Hooge, I.T.C., Kemner, C., Niehorster, D.C., Nyström, M., & Hessels, R.S. (2022). Replacing eye trackers in ongoing studies: A comparison of eye-tracking data quality between the Tobii Pro tx300 and the Tobii Pro spectrum. Infancy, 25–45.

 

McConkie, G.W. (1981). Evaluating and reporting data quality in eye movement research. Behavior Research Methods & Instrumentation, 13(2), 97–106.

 

Niehorster, D. C., Santini, T., Hessels, R. S., Hooge, I. T. C., Kasneci, E., & Nyström, M. (2020). The impact of slippage on the data quality of headworn eye trackers. Behavior Research Methods, 52, 1140–1160.

 

Pastel, S., Chen, C.-H., Martin, L., Naujoks, M., Petri, K., & Witte, K. (2021). Comparison of gaze accuracy and precision in real-world and virtual reality. Virtual Reality, 25, 175–189.

 

Nyström M, Andersson R, Holmqvist K, van de Weijer J (2013) The influence of calibration method and eye physiology on eyetracking data quality. Behav Res Methods 45(1):272–288

 

Jongerius, C., Hessels, R.S., Romijn, J.A., Smets, E., & Hillen, M.A. (2020). The measurement of eye contact in human interactions: a scoping review. Journal of Nonverbal Behavior, 44(3), 363–389.

Questo articolo è stato riadattato dall’articolo originale “How robust are wearable eye trackers to slow and fast head and body movements?” da Serena Iacobucci, dottoressa di ricerca in Economia Comportamentale per il Business, ricercatrice post-doc presso l’Università di Chieti-Pescara e responsabile della comunicazione di Umana-Analytics.

Condividi l'articolo

Leggi altri articoli

Vuoi saperne di più?

contattaci
Scroll to Top Skip to content