可以一试的眼动数据分析工具包

关注“心仪脑”查看更多脑科学知识的分

关键词：数据分析、眼动

分析眼动数据的你，是否经常被数据质量问题所困扰？或者你是否想对数据进行进一步了解和优化？今天来介绍一个工具--R的一个包，gazepath，或许可以满足你的需求。它是一种用来解析眼动原始数据的工具，它可以像眼动设备配套的数据分析软件一样经过一系列加工导出有注视点和眼跳分类等信息的数据。注视点和眼跳的分类是通过速度阈值实现的，当眼睛的移动速度高于速度阈值时，则被归类为眼跳，当低于速度阈值时，则被归类为注视点，但是眼动仪厂家设定的阈值都是固定不变的，而不同的试次、刺激、任务或被试情绪会引起不同的阈值，这会带来一定的误差，从而影响分析结果。gazepath最大的特点则是阈值是会根据不同被试不同数据质量不断调整的。此外，它的操作简单，基本只需要点点点就能完成。下面通过几个测试来看看gazepath的表现：

测试一 - 自由观看任务下的眼动数据

被试：47个成人 & 62个婴儿

任务：自由观看28个真实世界场景，每个场景4秒

采集设备：eyelink，500HZ，5点校准

因变量：平均注视点个数 & 中位注视时间

Notes: 注视时间不用平均值是因为注视时间通常呈右偏态分布。

统计结果：1. 平均注视点个数：混合因素方差分析显示，组别（成人/婴儿）x 方法（gazepath/eyelink）交互作用显著，F (1, 107) = 29.23,p < 0.001. 在婴儿中注视点更少但未发现显著差异，但是在成人中，gazepath比eyelink解析出更多的注视点，F (1, 107) = 108.75,p < 0.001；2. 中位注视时间：交互作用不显著，成年和婴儿中gazepath解析的中位注视时间都要比eyelink短。

Gazepanth在成人数据中的具体表现：

经人工观察显示，在高质量的成人数据中，gazepath比eyelink更善于捕捉小的眼跳，如图1所示，“S”表示被gazepath捕捉到但被eyelink丢失的眼跳。

Notes: 通常由人类专家进行的分类是可用的最佳基准。