1.眼动指标的具体使用以及解释(Metrics & Interpretation)

在我们论文的研究中,需要使用下面一些关于眼睛数据的指标

  • 扫视(Saccade)次数:反映了眼球在需要目标总的搜查时间的长短
  • 扫视(Saccade)幅度:反映了在注视点附近多远有意义的区域
  • 注视(Fixation)次数:某个位置的注视次数反映了该位置的意义程度
  • etc
    在这里插入图片描述
2.眼动数据的统计分析(Statistical analysis)
如果是Percentage类的数据可以使用下面的思路进行统计分析
  • Solution 1: arcsine transformation(反正弦的转换)
  • Solution 2: Wilcoxon rank tests and the Friedman test(Wilcoxon秩检验和Friedman检验)
  • Solution 3: beta regression (one-inflated and zero-inflated beta model)(beta回归)
注视次数(Fixation Count)类数据分析思路
  • Solution: Poisson regression (mixed-effect Poisson model)(泊松回归,混合效应泊松模型)
2.眼动数据的在驾驶领域的应用
Workload
  • a) PRC = fixations in road center/ total fixations (percent road center);
  • b) D = [max(x)-min(x)]+[max(y)-min(y)];
  • D(horizontal) = sd(x);
    D(vertical) = sd(y);
    D(combined) = sqrt (D2(horizontal) + D2(vertical)) ;
    这里的D代表的是位置的偏差
    在这里插入图片描述
    这个图的意思是在闹钟次任务和n-back的次任务下被试的视线在水平和垂直的方向下的偏差
    在这里插入图片描述
    这个图的意思在新手驾驶员和老司机之间,当他们在正常情况和愤怒的情况开车,眼球注视的位置里面信息变化的程度,分别从水平和竖直两个方向进行观察,显然在正常驾驶情况下,老司机能观察到的信息更加丰富,但是对于两种在愤怒情况下驾驶都是观察的信息数量下降,这是眼动的一些指标在驾驶领域下的一些使用
3.关于AOI的统计分析指标解释

在这里插入图片描述
在这里插入图片描述

Logo

腾讯云面向开发者汇聚海量精品云计算使用和开发经验,营造开放的云计算技术生态圈。

更多推荐