Cartographie du regard vs zones d'intérêt automatiques (AutoAOI) : comment choisir le meilleur outil d'analyse de l'oculométrie

Les zones d’intérêt (AOI) constituent l’outil essentiel pour l’analyse quantitative par eye tracking. La création manuelle d’AOI pour des stimuli dynamiques tels que les vidéos, les données issues de lunettes d’eye tracking et celles provenant d’environnements de réalité virtuelle peut s’avérer très peu efficace et manquer de cohérence. La cartographie du regard et les AOI automatisées facilitent l’extraction d’informations quantitatives à partir de stimuli dynamiques. 

Les zones d’intérêt (AOI) constituent le cœur de l’analyse de l’oculométrie. Les AOI sont des formes dessinées sur les stimuli d’une étude afin de pouvoir classer les données en fonction de leur emplacement à l’écran. Les indicateurs d’oculométrie tels que le temps de fixation, le temps jusqu’à la première fixation et les retours sur les ZNI sont issus de ces zones. Si les cartes thermiques et les trajectoires du regard sont d’excellents outils qui nous aident à comprendre la configuration de l’étude et à visualiser certains résultats, les ZNI nous permettent d’analyser l’attention de manière quantitative. 

Trois façons de créer des zones d’intérêt

Placez les zones d’intérêt (AOI) manuellement. Cela vous permet de déterminer précisément l’emplacement et la forme de l’AOI. Pour les images fixes, c’est très simple : il suffit de tracer un contour autour de l’objet pour lequel vous souhaitez recueillir des données d’oculométrie. 

Pour les vidéos comportant des zones spécifiques où un élément apparaît et disparaît (par exemple, les cartes et les tableaux de bord dans les jeux vidéo ou les sous-titres au bas d’un film), les zones d’intérêt (AOI) peuvent être activées ou désactivées afin qu’elles ne s’affichent que lorsque l’objet est présent. 

Le problème lié à la création de zones d’intérêt (AOI) sur des vidéos réside dans la liberté de mouvement (que ce soit celle du participant à l’étude, de l’objet, ou des deux). Lorsque les mouvements peuvent se produire dans n’importe quelle direction, les AOI doivent être ajustées image par image pour suivre l’objet. Cela peut s’avérer fastidieux. La cartographie du regard et les AOI automatiques facilitent la création de ces zones d’intérêt. 

Cartographie du regard (blog) Lors de l’analyse des enregistrements d’oculométrie, les participants sont en mouvement et peuvent observer un objet sous différents angles. Cela signifie que lorsque le chercheur visionne l’enregistrement, l’objet d’intérêt peut se déplacer d’une partie de l’écran à une autre. De ce fait, l’objet se déplace et le placement manuel des zones d’intérêt (AOI) devient fastidieux. La cartographie du regard « cartographie » les points de regard issus des données d’oculométrie sur une image de référence, ce qui simplifie considérablement le placement manuel des AOI, car celles-ci se trouvent sur une image fixe.

Zones d’intérêt automatisées : ces outils créent un masque autour des objets en mouvement sélectionnés, qui reflète avec précision leur forme et leur emplacement. À chaque image, une zone d’intérêt est automatiquement créée pour épouser le masque, de sorte que la zone d’intérêt se déplace et s’adapte au mouvement de l’objet. 

La cartographie du regard et les zones d’intérêt automatiques (AutoAOI) sont des outils d’analyse permettant de gérer les mouvements lors de l’oculométrie, ce qui réduit la charge de travail liée à l’analyse image par image et facilite l’analyse des zones d’intérêt. Le problème lié aux mouvements est que, pour obtenir des informations quantitatives, les chercheurs doivent créer manuellement des AOI, ce qui demande beaucoup de travail. Cela les oblige souvent à « parcourir » des centaines, voire des milliers d’images pour placer les AOI. Pour les lunettes d’oculométrie, les études en réalité virtuelle et les enregistrements d’écran, chaque participant doit être analysé séparément. 

Pour compliquer encore davantage les choses, la définition de ces zones d’intérêt (AOI) pour une seule étude demande souvent beaucoup de temps à plusieurs chercheurs. Cela pose des problèmes supplémentaires, car il est peu probable que tous les chercheurs définissent leurs AOI de la même manière ou leur attribuent la même taille et la même forme. La formation et des protocoles stricts sont utiles, mais ils prennent également du temps et restent sujets à des erreurs. La cartographie du regard et les AOI automatiques contribuent à réduire la charge de travail et les erreurs liées à la définition manuelle des AOI image par image. 

Alors, comment savoir lequel choisir ?

Commencez par repérer le mouvement

Qu’est-ce qui bouge ?

La cartographie du regard a été mise au point pour tenir compte des mouvements des participants équipés de lunettes d’oculométrie lorsqu’ils se déplacent à proximité d’un objet d’intérêt immobile. Qu’ils se déplacent dans un laboratoire ou un magasin, qu’ils explorent un environnement virtuel ou qu’ils conduisent un véhicule, les participants à l’étude observeront l’objet sous différents angles à mesure qu’ils s’en approchent et s’en éloignent, ce qui rend fastidieux le tracé des zones d’intérêt (AOI). 

Les zones d’intérêt automatiques (AutoAOI) ont été mises au point pour tenir compte des mouvements d’objets dans des stimuli dynamiques tels que les publicités vidéo, les bandes-annonces de films ou les jeux vidéo. Tout comme pour la cartographie du regard, il est fastidieux de tracer ces zones d’intérêt image par image dans ces contextes. Les AutoAOI sont utilisées pour suivre les personnages ou les éléments en mouvement dans les vidéos visionnées par les participants à l’étude. 

Pour choisir l’outil à utiliser, il est judicieux, dans le cadre d’études simples, de commencer par se demander ce qui varie ; mais ne vous arrêtez pas là ! Il existe de nombreuses exceptions. 

Avec autant d’études sur le terrain et d’expériences en réalité virtuelle, quelle méthode choisir lorsque le participant et l’objet sont tous deux en mouvement ? Cela dépend !

Si le mouvement peut constituer un bon point de départ pour déterminer quand utiliser la cartographie du regard plutôt que les zones d’intérêt automatiques (AutoAOI), il est plus fiable de se baser sur la conception de l’étude et la question de recherche. Nous allons passer en revue deux éléments essentiels pour vous aider à déterminer si la cartographie du regard ou les zones d’intérêt automatiques (AutoAOI) conviennent le mieux à votre étude.

Assurez-vous que tout soit parfait

Cet objet ferait-il une bonne image de référence ? 

La cartographie du regard consiste à superposer des points de données sur une image de référence ; elle est donc particulièrement efficace avec des objets qui peuvent être bien représentés sur une seule image (même si celle-ci est de grande taille). En d’autres termes, la cartographie du regard fonctionne bien pour les éléments que l’on pourrait qualifier de « plats ». On peut citer comme exemples les rayons de magasin, les tableaux de bord, les sites web, les panneaux de commande, les murs d’exposition et les panneaux d’affichage. Bien que certains de ces éléments soient des objets en 3D, l’étude se concentre souvent sur une seule face de l’objet. 

Tout-en-un – Capturez l’instant

Vous intéressez-vous à l’objet dans son ensemble ou à certaines de ses caractéristiques ?

Dans certains cas, vous pouvez utiliser soit les zones d’intérêt automatiques (AutoAOI), soit la cartographie du regard, et le choix le plus approprié dépend de l’objet de votre recherche. 

Si vous souhaitez recueillir des données d’oculométrie sur des objets dans leur ensemble, vous pouvez utiliser les zones d’intérêt automatiques (AutoAOI). Dans le cadre d’une expérience de conduite, vous pourriez par exemple vouloir savoir si le conducteur a remarqué un panneau publicitaire en particulier. Dans un jeu vidéo, le personnage jouable peut passer devant un panneau de commande ou interagir avec celui-ci, et vous pouvez mesurer le temps que le joueur a passé à regarder ce panneau. Dans un musée, nous pourrions vouloir savoir combien de personnes ont remarqué un panneau ou une image accrochée au mur d’une galerie. Les panneaux d’affichage, les panneaux de commande et les images peuvent tous être des AutoAOI.  

Exemple : promotion d’un livre

Nous nous intéressons au marketing du livre et souhaitons déterminer

• ce que les gens remarquent sur notre affiche lorsqu'ils entrent dans le bâtiment
• comment le regard des gens parcourt notre étagère soigneusement aménagée 
• sur quelle partie de la couverture (recto ou verso) ils se concentrent lorsqu'ils tiennent le livre.

Dans la première partie de notre étude, les participants se promènent librement dans une librairie ou une bibliothèque. À l’entrée, nous avons installé une affiche promotionnelle pour notre livre, ainsi qu’un présentoir contenant notre ouvrage. Il serait possible de prendre une photo du présentoir et une autre de l’affiche promotionnelle.

Dans la deuxième partie de l’étude, les participants reçoivent le livre afin de l’examiner librement. Des photos de référence de la couverture et du dos du livre ont pu être prises afin de déterminer quels éléments (texte ou images) retenaient le plus longtemps leur attention.

Si l’utilisation de plusieurs images de référence fonctionne, c’est parce que toutes ces images (les étagères, l’affiche, ainsi que la couverture et le dos du livre) représentent des objets relativement plats et dotés d’une surface bien définie pouvant servir de référence. Il est important de noter que chacun de ces objets n’apparaît pas sur les autres images de référence.

Toutefois, si la réponse à votre question de recherche repose sur l’analyse des données d’oculométrie relatives aux caractéristiques d’un objet, il pourrait être utile d’envisager la cartographie du regard. Les panneaux d’affichage peuvent comporter une image du produit, un slogan et un logo ou un nom de marque. Les panneaux de commande comportent des boutons, des commutateurs, des jauges ou des écrans.

Un mur d’exposition peut comporter plusieurs œuvres d’art ainsi que des panneaux fournissant des informations sur celles-ci. Même un seul tableau peut comporter plusieurs éléments que l’on souhaite examiner. Tous ces objets sont relativement plats (ce qui en fait de bonnes images de référence) et présentent des composants ou des caractéristiques pouvant être étudiés à l’aide de zones d’intérêt (AOI), ce qui fait de la cartographie du regard un excellent choix. 

Vous n’êtes pas obligé de choisir entre l’une ou l’autre méthode, vous pouvez utiliser les deux ! Assurez-vous simplement que votre question de recherche et vos hypothèses correspondent à la stratégie d’analyse. 

Reprenons notre étude sur les enseignes des librairies et des bibliothèques que nous avons menée précédemment : 

Conclusion

Le Gaze Mapping et les zones d’intérêt automatiques (AutoAOI) permettent tous deux aux chercheurs de gagner du temps lors de l’analyse des données en évitant de définir les zones d’intérêt image par image. Pour choisir la technique à utiliser, tenez compte de votre question de recherche (l’objet tout entier constitue-t-il une zone d’intérêt ou y a-t-il plusieurs zones d’intérêt sur l’objet ?) et de la conception de votre étude (qu’est-ce qui bouge ? Votre objet est-il plat ?). Il se peut que votre recherche nécessite d’utiliser les deux techniques. 

Lorsque vous concevez votre étude d’oculométrie, définissez votre stratégie d’analyse avant de collecter les données (celle-ci pourra être affinée lors d’une étude pilote). C’est le moment idéal pour décider si vous allez utiliser la cartographie du regard, les zones d’intérêt automatiques (AutoAOI) ou les deux, et pour vous assurer que vous collectez des données permettant de répondre à votre question de recherche.