以用户为中心的设计 |
|||
|
——给看客，正整理眼动方法的，和所有想看进阶篇的同学 写在前面： 眼动测试因其强大的功能，在互联网用户研究工作中应用颇丰。但此货本身较复杂，且周期不短，因此要用好还真是门学问。本系列（暂分1启蒙、2进阶、和3高级三部曲）将集中讨论测试设计和分析方法，由于我正经接触眼动时间也不长，所以本着讨论的宗旨，抛砖引玉。鉴于各公司选用的眼动仪可能差异较大，不会展开讨论操作细则。 《启蒙篇》要解决的问题简单，但哲学——为什么？是什么？ 特别感谢：萍姐再次大图主演，溢哥栗子倾情出演
第一个大问题： 为什么要追踪眼睛的运动呢？这里我们要先回到出发点——注意，然后顺着理清注意à眼动à注视追踪这条脉络。
注意——出发点： 网站或客户端产品的重要目的是传达信息、引导用户操作，所以能否让用户快速方便地注意到、并理解页面上重要的内容，无疑是评价产品界面好坏的一个重要指标。我们不停地问自己：这个网页/软件的页面布局合理吗，符合我们的目标吗？此处，借用杨溢哥的一个经典栗子： 如果页面上只有一个元素，很简单，用户注意的焦点无疑就是这个元素（图1）：
图1
但事实上，页面上元素常常很丰富（图2），这时又该如何知道用户都注意了什么呢？
图2
注视——注意的外显特征： 遇到上面的问题时，你可能会想到通过考察用户视线的落点（POR，Point of Regard），来判断其注意的焦点。但并非视线每次落下都能算一次有意识的注意。研究显示，一个人注意并获取信息，主要是通过眼睛的“注视”（fixation）来实现的，即将眼睛的中央窝对准某一物体的时间超过100毫秒，在此期间，被注视的物体成像在中央窝上，才能获得比较充分的加工，形成清晰的像。因此，考察用户注视的对象也就知道其注意的内容了。 除注视外，眼睛还有两种基本的运动方式：“眼跳”（saccade）和“追随运动”（smooth pursuit）。眼跳，指的是注视点或者注视方向突然发生改变，这个过程中个体可以获得时间和空间信息，但是几乎不能形成比较清晰的像，也就不能获得清晰的信息或进行认知加工。而追随则是说，当被观察物体与个体的眼睛存在相对运动时，个体会为了保证对这个物体的注视，眼球追随其进行移动。三种眼动方式经常交错在一起，目的均在于选择信息，将要注意的刺激物置于像与中央窝区域，以形成清晰的像。有些地方还提到另外一种状态，就是“眨眼”（blink）。
眼动追踪——接近自然的观测手段： 但，怎么才能知道用户注视了哪儿呢？最直接的办法无疑是——问。比如我问：你现在看什么？你回答：正在看你写的这段话呢！搞定。但如果我想每时每刻都知道你在看什么，一直问恐怕不是一个好主意。我们需要一个没那么烦人、且更真实的监测方式。 这就要用到“视线追踪”（eye tracking）技术，也就是借用一些高科技手段，实时追踪用户的视线，从而了解用户每时每刻都在看哪儿了。运用这一技术进行测试，自然就叫眼动测试了。
至此，有关“为什么”的问题成功解决。
第二个大问题： 眼动测试是什么呢？这里我们要关注的关键词是：概念，原理，数据指标，应用情境。
概念： 眼动测试，就是通过视线追踪技术，监测用户在看特定目标时的眼睛运动和注视方向，并进行相关分析的过程。过程中需要用到眼动仪和相关软件。
原理： 如果你刚开始了解眼动，且不是很需要了解眼动的原理，建议这个小标题中只看下面的第一段即可。但如果你想追究下，且对简单的解剖学和简单的光学物理不抵触，建议都看，一起杀几个脑细胞玩。 目前热门的视线追踪技术，主要是基于眼睛视频分析（VOG，Video oculographic）的“非侵入式”技术，即用摄像机将眼睛运动录下来再通过图像分析判断视线落点，且传感器与用户没有直接接触。有些采用此类技术的仪器可以允许用户自由活动，如Tobii的X60/120和T60/120系列的裸机（图3左），但有时也会通过一些方式限定用户的活动范围，比如要求用户把下巴放在固定的支架上，以获得更准确的数据（图3右）。
图3
我们知道，用户的视线在移，眼球也在转动，所以要推算出用户的视线方向，就得在眼睛图像中找到某种在眼球转动时也保持不变的特征，并计算其与瞳孔中心（其中心线即视线方向）间的向量关系。 视线追踪技术中广泛运用的方法叫做“瞳孔—角膜反射方法”（the pupil center cornea reflection technique），其所利用的眼动过程中保持不变的特征，是眼球角膜外表面上的普尔钦斑（Purkinje image）——眼球角膜上的一个亮光点，由进入瞳孔的光线在角膜外表面上反射（corneal reflection）而产生（图4）。
图4
由于摄像机的位置固定、屏幕（光源）的位置固定、眼球中心位置不变（假设眼球为球状，且头部不动），普尔钦斑的绝对位置并不随眼球的转动而变化（其实，头部的小幅度运动也能通过角膜反射计算出来）。但其相对于瞳孔和眼球的位置则是在不断变化的——比如，当你盯着摄像头时，普尔钦斑就在你瞳孔之间；而当你抬起头时，普尔钦斑就在你的瞳孔下方。这样一来，只要实时定位眼睛图像上的瞳孔、和普尔钦斑的位置，计算出角膜反射向量，便能利用几何模型，估算得到用户的视线方向（图5）。再基于前期定标过程（即让用户注视电脑屏幕上特定的点）中所建立的用户眼睛特征与电脑屏幕呈现内容之间的关系，仪器就能判断出用户究竟在看屏幕上的什么内容了（图6）。
图5
图6
定位瞳孔中心的位置是视线追踪技术中的关键一步，但一个问题是，相比于虹膜与眼白之间的极其明显的分界线来说，瞳孔和虹膜之间的分界线并没那么清晰，特别是咱黑眼睛黄皮肤。因此，研究者为了提高这一步的精准度，又设计了“亮、暗瞳差分方案”，即：交替用不同方位的光源向人眼发出近红外线，然后在每两帧相邻的图像中，分别获取用户明亮的瞳孔（bright pupil，亮瞳）和暗淡的瞳孔（dark pupil，暗瞳），进行叠加差分，从而更清晰地“抠”出瞳孔，再计算瞳孔的质心和形状等参数（图7）。 图7
究竟拍到的是“亮瞳”还是“暗瞳”，这取决于摄像头是否与光源共线。如果摄像头与光源在同一条线上，则摄像头拍到的瞳孔是被光照亮的，也就是“亮瞳”。这和拍照时，相机闪光灯直对着拍摄对象时照片上会出现“红眼”的原理是类似的（忍不住想提一下，百科说红眼是因为闪光灯使瞳孔暂时变大，其实有点扯，首先不相关，其次瞳孔在强光下会变小，不然岂不被闪瞎了眼）。如果二者不共线，则拍到的就是正常的“暗瞳”了。所以，支持亮暗瞳追踪的眼动仪上都有两套位置不同的近红外光源。 之所以要用近红外线，是因为人眼无法察觉到，不至于晃眼，影响用户。这些光束很弱，只要研究者按照眼动仪说明书上指示的距离安排用户就坐（比如离眼动仪60cm以上），用户即便在工作的眼动仪前待8个小时也不会有放射性危险。
与上述“非侵入式”技术相对应的视线追踪技术，则需要用户与测试设备上的传感器直接接触。比如早期的眼动测试会在测试者的眼睛里塞进一个类似硬质隐形眼镜的东西，监测随着眼睛运动而不断变化的磁场，从而知道你在看什么地方，或者在测试者的眼睛周围贴上电极，监测电位变化。这些方法听着有点慑人，操作起来也麻烦，但获取的数据比较准确。 那么，普通的商用眼动测试究竟能有多精确呢？这就得看测试用眼动仪的具体参数了。分空间和时间两个维度：空间上的相关参数有精确度、漂移和屏幕尺寸，时间上的参数是采样率（延时）。比如：Tobii X120的精确度是0.5度，随时间的漂移在0.3度内，如果以用户距离屏幕60cm计算的话，则偏移量约在0.13mm；其采样率为120Hz，则延时在17ms，因为每隔两帧才能算一次瞳孔。但有研究者发现，实际测试中的位置偏差要比这里算出来的值大很多，可能与用户移动头部、或定标问题有关。如果用tobii这一系列做阅读测试的话，很可能无法准确定位用户到底在看界面上的哪一行字。因此在作分析时，要避免太相信结果中所给出的注视点。
同时在做测试时，也应尽量遵守实验规范。现在的商用眼动仪一般都能对头动进行补偿计算，但是，即便眼动仪允许用户自由活动，也有一个规定的头动范围，比如Tobii X60和T60型号的头动范围在44×22×30cm（长宽高），而X120和T120的频率高、允许的头动范围更小，为30×22×30cm（长宽高），测试时应保证用户的头动幅度在此范围内。而在定标时，则应允许用户在规定范围内的移动头部，在定标阶段将头动纳入考虑。
数据指标：
做完一次眼动测试后，我们会得到什么呢？ 测试后输出的数据中包括用户在界面上的各个注视点的空间和时间信息，以及用户的瞳孔尺寸变化信息（表征用户的唤醒程度）。同时，软件还会自动生成眼动热点图（heatmap）、视线轨迹图（gazeplot）、集簇图（cluster）、蜂群回放（bee swarm）等等，提供直观的结果。前面说过，注视是将眼睛的中央窝对准某一物体的时间超过100毫秒，是评估用户注意情况的重要指标。 基本的注视点统计指标包括：注视时长（fixation duration）、和注视点数目（fixaiton count），均可以作为因变量来研究各个页面区域、或感兴趣区域（AOI，area of interest）、或实验条件的影响。同时，如果对用户的注视轨迹（gaze path）进行编码，也可以分析轨迹规律。 至于眼动测试的具体设计和数据分析方法，将在《进阶篇》中讨论。
应用情境： 眼动测试的应用范围很广，在互联网领域可用于为以下调研问题提供参考：
（未完待续，如果有错误，欢迎指正）
参考内容：
|
