Measuring visual attention to online videos with a mouse cursor window paradigm: considerations for large scale data collection
Notice bibliographique
Résumé
Previous research has allowed for large scale datasets to be created from mouse-based measures of attention to images (e.g., SALICON). However, there has not been a similar, easy-to-use solution for large scale data collection of attention to video stimuli. Here, we demonstrate our novel mouse-based measure of attention that can be used with videos in online experiments. Our results show similar performance between this paradigm and eye tracking in terms of the attended regions of interest in video. This paradigm tracks the user’s mouse location as they use their mouse to move a window of high resolution around an otherwise blurred screen. To view video content in more detail, the user moves their mouse window to that location. This results in a robust measure of visual attention that can be used to identify regions of video content participants find most salient or informative. Our research has compared eye movements from the DIEM dataset to mouse movements collected from online participants watching videos with a mouse-contingent bi-resolution display. To test the settings of the mouse-based method, participants experienced large, medium, and small window sizes and blur levels, in a 3x3 within-subjects factorial design. New results show that the motions made between these methodologies differ, but they result in visits to similar regions of interest in video. This suggests that mouse-based methods may not replicate effects that require the speed and ease of eye movements, but can replicate effects regarding attention to salient, informative, and preferred regions of content. These findings further support the validity of this method in large scale data collection on users’ attention to video stimuli–valuable to both experimental research, and the training and testing of video saliency models. With this presentation, we will discuss plans to make our methodology available for use with online experiment software.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».