当社の最新ソフトウェア「iMotions 8.0」は、iMotionsソフトウェアの改善に向けた1年以上にわたる取り組みと献身の結晶です。この機会に、iMotions 8.0の新機能や改良点について詳しくご紹介するとともに、この最新バージョンで実現可能になった機能について、より詳細な概要をお伝えしたいと思います。

Rによる新しい分析オプション

Rは、統計解析を行うための統計ソフトウェア言語および環境です。これは強力かつ柔軟なプラットフォームであり、ユーザーはコード化して作成できるほぼあらゆる分析を実行することができます（また、公開されている既成の分析手法を編集、設定、利用することも可能です）。

統計プラットフォームとして高く評価される一方で、しばしば軽蔑の対象にもなっています。その活用の可能性は計り知れませんが、習得にはかなりの時間がかかります。Rの使い方を習得するという最初のハードルを乗り越えるのは困難を伴いますが、その見返りは大きいのです。

iMotionsソフトウェアにはさまざまなデータ処理・分析機能が搭載されていますが（アイトラッキングで利用可能な機能についてはこちらのブログ記事をご覧ください）、私たちは、研究完了後のプロセスを円滑に進めるための手法をさらに提供していきたいと考えています。

iMotions 8.0にRを統合することで、ユーザーに統計的検定のコーディング作業を負担させることなく、Rが提供する分析機能を活用できるようになりました。iMotions内でRを利用したデータ処理機能として、まず導入されるのは以下のものです：

EEGデータのパワースペクトル密度
EEGデータにおける前頭部の非対称性の算出
EDA／GSRピーク検出

パワースペクトル密度は、本質的に、特定の周波数帯域内で収集された脳波データの量を表す指標です。例えば、各電極からどの程度のアルファ波帯（7～12 Hz）の活動が記録されたかを示すことができます。これにより、脳の各部位における活動レベル（あるいは、それらをまとめて分析すれば、脳全体の活動レベル）を要約する手段となります。

前頭部の非対称性（以前のブログ記事でも取り上げたテーマです）とは、左右の大脳半球間で前頭部の脳活動にどの程度の違いがあるかを示す指標です。これは通常、F3とF4、あるいはF7とF8の電極間の脳波（EEG）データを比較することで測定されます。

これらの領域間の非対称性の程度は、刺激への接近または回避の動機付けの増強と関連していることが示されている[1, 2]。具体的には、左半球（右半球と比較して）におけるアルファ波帯の活動増強が接近動機と関連しており（その逆も同様である）。

EDA／GSRのピークは、ベースライン／基底レベルを上回る皮膚電気伝導度の著しい上昇を示しています。皮膚からは常に信号が発信されており、生理的または感情的な覚醒が高まると、その信号が増加することがあります。したがって、データ上のピークは、刺激によって感情的な覚醒がどの程度変化したかを明らかにすることで、被験者の刺激に対する反応に関する重要な情報を提供します。

これらの測定項目は現在、iMotionsで利用可能となっており、解析画面内の「信号処理」をクリックし、該当するデバイスとアルゴリズムを選択するだけで簡単に計算できます。結果はグラフで表示できるほか、必要に応じてエクスポートしてさらに詳細な検証を行うことも可能です。

Varjoとの連携

Varjo社は、アイトラッキング機能を内蔵したVRヘッドセット「Varjo VR-1」を製造している企業です。VRデバイスの中でも、人間の目の解像度に匹敵する性能を備えている点で際立っています。このヘッドセットの解像度は1度あたり60ピクセルであり、現在市販されている他のどのVRヘッドセットよりも10倍高い解像度を実現しています。

Varjoのデバイスは、アウディ、サーブ、シーメンスといったテクノロジー企業や、建築事務所のアシンプトート・アーキテクチャーなどによって採用されています。その活用事例は、自動車開発、建築計画、医療シミュレーション、パイロット訓練など、デザインやトレーニングのさまざまな分野に及んでいます。

内蔵のアイトラッキングデータは、EDA（皮膚電気活動）、EMG（筋電図）、ECG（心電図）、EEG（脳波）などの生体センサーからの信号と、リアルタイムでシームレスに同期させることができます。iMotionsプラットフォームでマルチモーダルな生体センサーデータを活用することで、ユーザーが仮想環境を体験している際の感情的・生理的状態に関する知見を得ることができます。

新しく改良された連携機能

iMotions 8.0のリリースに伴い、複数のパートナー企業との連携機能が新たに追加・強化されました。Smart Eye Auroraアイトラッカー向けのSDKが更新され、2台のコンピュータを使用したセットアップが可能になったほか、左右の目の位置に関する個別のデータ取得も可能となり、より詳細なデータの収集が可能になりました。また、視線キャリブレーションのワークフローに検証ステップが追加され、実験において最適なデータ品質が確保されるようになりました。

さらに、Emotiv Cortex SDKとの新たな連携機能も追加され、EmotivのEEGデバイスを通じて取得されるさまざまなデータにアクセスできるようになりました。これには、生のEEGデータ、加速度センサーデータ、および「ストレス」「リラクゼーション」「エンゲージメント」「フォーカス」「興奮」「関心」といったEmotivのメトリクスデータが含まれます（各メトリクスの詳細については、こちらのページをご覧ください）。

これらの指標は、参加者の認知状態の概要を示し、個人が刺激にどのように反応するかを簡潔に分析します。これらの指標は、さまざまな研究[例：3]において検証されています（詳細はこちらのリンクをご覧ください）。

さらに、EyeTechとの連携において、キャリブレーションや設定機能に加え、参加者とアイトラッカーとの距離を記録する機能など、さまざまな改善が施されました。

新しい視線追跡機能

「視線マッピング」は、iMotionsの機能の一つであり、参加者が刺激をどのように見ているかが異なっていても、それぞれの動的な視点を同一の画像に変換することができます。

この機能は、アイトラッキング用メガネを装着して実際のシーンを観察する場合だけでなく、ウェブサイトを閲覧し、さまざまな方法でページをスクロールする場合にも利用できます。いずれのケースにおいても、参加者は基本的に同じ刺激を、異なる方法で観察することになります。

視線マッピングとは、シーンを単一の画像に変換する手法です。例えば、複数の人がスーパーマーケットの棚をそれぞれ異なる角度から眺めている場合、それぞれの視線を、その棚の参考写真に重ね合わせることができます。ウェブサイトの場合、これはウェブページ全体を構築し、異なる視点を同じページ全体に重ね合わせることを意味します。

これは、同じ環境を閲覧しながらも、それぞれ異なる方法でそれに関与する複数の参加者の視線を評価・理解するための強力なツールです。多くの場合、この手法は有効ですが、視線を自動的に変換するアルゴリズムには課題があります。例えば、特に急な角度からの接近（例えば、誰かがスーパーマーケットの棚に横から近づく場合など）では、アルゴリズムが視線ポイントを変換するための基準となる単一の画像と、実際に視認されているシーンとの共通点を特定できない可能性があります。

iMotions 8.0では、こうした技術的な課題に対する解決策が提供されています。アイトラッキング用メガネを装着した実写シーンにおいて、視線マッピングが完了しなかった領域を編集することが可能です。参照画像の四隅を、参加者の視界と手動で対応させることができます。これを入力すると、視線マッピングアルゴリズムが以降のフレームを自動的に処理し続けます。必要に応じてこの操作を繰り返すことで、視線マッピングを完了させることができます。

ウェブページにおいても同様の問題が生じますが、ここでは視線の方向そのものが問題なのではありません。多くのウェブページには動画や動画コンテンツが含まれており、これらが視線マッピングアルゴリズムによるシーンの処理にノイズを引き起こす可能性があります。現在では、分析から除外すべき領域を定義することが可能となっており、アルゴリズムが視線を正確にマッピングするためのクリーンな環境を提供できるようになりました。

これら2つの改良により、特に困難な状況下でもアイトラッキングデータを収集できるようになり、実地調査とウェブサイトベースの調査の両方において柔軟性が高まりました。

結論

iMotions 8.0 には、上記で触れていないその他の改善点も含まれています。例えば、データストリームの同期機能の改良や、データエクスポートオプションの拡充などです。詳細については、リリースページ、または完全なリリースノート（既存のお客様のみ）をご覧ください。

iMotionsソフトウェアが提供する機能について詳しく知りたい方は、以下のパンフレットをダウンロードしてください。

参考文献

[1] Coan, J. A., & Allen, J. J. (2004). 感情のモデレーターおよびメディエーターとしての前頭部脳波の非対称性. Biological Psychology, 67, 7–50.

[2] Harmon-Jones, E., & Allen, J. J. (1998). 怒りと前頭葉の脳活動：否定的感情価値にもかかわらず接近動機と一致するEEGの非対称性. Journal of Personality and Social Psychology, 74, 1310 –1316.

[3] Badcock, N. A., Mousikou, P., Mahajan, Y., de Lissa, P., Thie, J. および McArthur, G. (2013). 研究レベルの聴覚誘発電位（ERP）測定におけるEmotiv EPOC(®) EEGゲーミングシステムの妥当性検証, PeerJ, 1, e38.