{"id":911,"date":"2024-11-17T13:25:25","date_gmt":"2024-11-17T12:25:25","guid":{"rendered":"https:\/\/www.umana-analytics.com\/?p=911"},"modified":"2024-11-17T13:25:29","modified_gmt":"2024-11-17T12:25:29","slug":"eye-tracker-cosa-succede-quando-i-partecipanti-sono-in-movimento","status":"publish","type":"post","link":"https:\/\/www.umana-analytics.com\/en\/eye-tracker-cosa-succede-quando-i-partecipanti-sono-in-movimento\/","title":{"rendered":"Quanto \u00e8 affidabile l\u2019eye-tracker quando i partecipanti sono in movimento?"},"content":{"rendered":"

In questo articolo:<\/strong><\/h2>\n\n\n\n

1. Un\u2019introduzione all\u2019eye-tracking
<\/a>2. Dall\u2019eye tracker fisso a quello mobile<\/a><\/p>\n\n\n\n

3. Quali sono le metriche di accuratezza e precisione dell\u2019eye tracker?<\/a><\/p>\n\n\n\n

4. Lo studio sull\u2019attendibilit\u00e0 dell\u2019eye tracker con soggetti in movimento<\/a>
5. A ogni studio la sua metrica<\/a><\/p>\n\n\n\n

1. Un\u2019introduzione all\u2019eye-tracking<\/strong><\/h2>\n\n\n\n

I moderni eye-tracker indossabili<\/strong> permettono di effettuare delle raccolte dati che prevedono il movimento libero dei partecipanti in contesti ecologici. Dalla catena di produzione di un\u2019azienda metalmeccanica all\u2019equipe medica in sala operatoria, da un atleta concentrato a scalare una parete da arrampicata a un pilota professionista durante una simulazione di guida. Grazie all\u2019eye tracker indossabile, o  \u201cwearable<\/em>\u201d, tutte queste esperienze possono essere osservate in prima persona senza grandi difficolt\u00e0 in termini di usabilit\u00e0 degli spazi o invasivit\u00e0 dello strumento. <\/p>\n\n\n\n

Questo, ovviamente, offre un grande vantaggio in termini di ecologia dei risultati: trovandoci in scenari reali, la valutazione delle performance \u2013 lavorative, sportive ecc\u2026 \u2013 non avviene pi\u00f9 in un contesto di laboratorio. Non \u00e8 pi\u00f9 necessario sintetizzare il compito, o task, affinch\u00e9 sia fruibile da un partecipante fermo o quasi: il compito viene svolto nella sua interezza, prevedendo l\u2019interazione reale con le altre persone coinvolte e all\u2019interno del vero ambiente di lavoro.<\/a> <\/p>\n\n\n\n

Quello che otteniamo \u00e8 un risultato che non \u00e8 pi\u00f9 una semplificazione o una ricostruzione artificiale, ma una vera e propria osservazione  del  comportamento e di quello che succede ogni giorno nella realt\u00e0, con degli ovvi vantaggi per quanto riguarda l\u2019accuratezza dei risultati.
Ma qui nasce una nuova domanda: in che misura i moderni eye tracker indossabili sono sensibili ed in grado di gestire il movimento della testa e del corpo? Consentire ai partecipanti di muoversi ci d\u00e0 dei risultati meno attendibili in termini di accuratezza e precisione o riusciamo a raggiungere un trade-off accettabile tra l\u2019ecologia del movimento e l\u2019accuratezza della misurazione?<\/p>\n\n\n\n

Per rispondere a questa domanda, un gruppo di ricercatori<\/a> ha chiesto a quattro partecipanti di stare fermi, camminare, saltare sul posto e saltare in avanti mentre indossavano sei diversi (e diffusi) marchi di eye tracker.  I partecipanti venivano invitati a fissare un bersaglio statico durante l\u2019esecuzione dei movimenti.<\/p>\n\n\n\n

Nonostante il movimento, tutti gli eye tracker sono stati in grado di registrare accuratamente lo sguardo, anche durante le attivit\u00e0 pi\u00f9 dinamiche (salto sul posto e slancio in avanti). Sebbene in alcuni casi l\u2019accuratezza diminuisca all\u2019aumentare del movimento del partecipante, la maggior parte degli errori (definiti come la deviazione mediana assoluta della distanza tra il bersaglio e la direzione dello sguardo, espressa in gradi) erano comunque inferiori alla soglia di tolleranza, tanto da garantire l\u2019affidabilit\u00e0 del risultato. Non entreremo nel dettaglio tecnico delle metriche ma, nello studio specifico, la soglia di errore di 3 gradi permette di garantire l\u2019affidabilit\u00e0 della misurazione con un soggetto a circa un metro e mezzo di distanza dall\u2019obiettivo di dimensioni di circa 10 cm.<\/p>\n\n\n\n

In questo articolo vi parleremo delle implicazioni pratiche di questa diminuzione di accuratezza all\u2019interno di diversi scenari di ricerca ipotetici. Come sempre, non c\u2019\u00e8 una risposta definitiva a tutte le domande di ricerca. Solo un consulente esperto sapr\u00e0 consigliarvi il giusto trade-off per il vostro intervento specifico, e questo bilanciamento dipende da molti fattori, come vedremo: la dimensione  e la distanza del target, la ricchezza dell\u2019ambiente circostante, la magnitudo del movimento previsto da parte del partecipante. Proveremo quindi a fare degli esempi che chiariscano quand\u2019\u00e8 che conviene svolgere l\u2019esperimento in contesti reali (con soggetti in movimento anche a discapito di qualche punto in meno di accuratezza) e quando invece \u00e8 necessario puntare su una maggior accuratezza, rinunciando al fattore \u201cmovimento<\/em>\u201d.<\/p>\n\n\n\n

2. Dall\u2019eye tracker fisso a quello mobile<\/strong><\/h2>\n\n\n\n

Dai lavori pionieristici degli anni novanta (es. Land, Mennie e Rusted, 1999; Ballard, Hayhoe e Pelz, 1995; e Vickers1996a), la ricerca che utilizza la tecnologia di eye-tracking indossabile ha fatto dei passi da gigante. A differenza del tracciamento oculare fisso \u2013 che prevede un soggetto fermo di fronte ad uno stimolo, come ad esempio una persona seduta di fronte ad uno schermo sul quale viene mostrata o ricreata una scena artificiale che riproduce la situazione reale d\u2019interesse \u2013 con la tecnologia di tracciamento oculare indossabile, l\u2019osservatore non deve pi\u00f9 sedersi a un tavolo n\u00e9 appoggiare la testa su una mentoniera. Pu\u00f2 camminare liberamente, muovere e girare la testa in tutte le direzioni, insomma, pu\u00f2 comportarsi come farebbe nella vita reale. <\/p>\n\n\n\n

Questo sviluppo ha reso possibile studiare il comportamento visivo durante lo svolgimento di tantissime attivit\u00e0 quotidiane, lavorative e non. Gli eye tracker indossabili sono stati utilizzati, ad esempio, per studiare la preparazione di un panino (Hayhoe, Shrivastava, Mruczek, & Pelz, 2003), la cottura di una torta (Macdonald & Tatler, 2018), le partite di squash (Abernethy, 1990), il lancio della palla da basket (Vickers, 1996b), il montaggio di una tenda da campeggio (Sullivan, Ludwig, Damen, MayolCuevas, & Gilchrist, 2021), l\u2019affaticamento del guidatore (Gao, Zhang, Zheng, & Lu, 2015), il processo decisionale del consumatore al supermercato (Gidl\u00f6f, Wallin, Dewhurst, & Holmqvist, 2013; Gidl\u00f6f, Anikin, Lingonblad, & Wallin, 2017), i percorsi oculari dei medici che osservano una colonoscopia (Dik, Hooge, van Oijen, & Siersema, 2016), il modo in cui le persone si orientano all\u2019interno di uno spazio affollato (Hessels, van Doorn, Benjamins, Holleman, & Hooge, 2020) e il modo in cui le persone avviano azioni sociali (Hessels et al. , 2020). <\/p>\n\n\n\n

Insomma, le potenzialit\u00e0 sono davvero infinite, in particolare se consideriamo che la tecnologia di eye-tracking indossabile pu\u00f2 essere utilizzata insieme ad altri dispositivi \u2013 come ad esempio dispositivi di sicurezza \u2013 nonch\u00e9 insieme alle cuffie per la realt\u00e0 virtuale (Clay, K\u00f6nig, & K\u00f6nig, 2019) o per la realt\u00e0 aumentata (Caruso et al., 2021).<\/p>\n\n\n\n

3. Quali sono le metriche di accuratezza e precisione dell\u2019eye tracker?<\/strong><\/h2>\n\n\n\n

L\u2019eye-tracker mobile diventa sempre pi\u00f9 diffuso ed accurato, non solo per la sua versatilit\u00e0 ma anche perch\u00e9 i prezzi del dispositivo diventano sempre pi\u00f9 accessibili ed economici.
In previsione della diffusione di questo strumento su larga scala, anche al di fuori di contesti scientifici e con operatori che non hanno un background di ricerca tale da permettere loro di calibrare lo strumento con zelo scientifico, sta diventando sempre pi\u00f9 necessario sapere in anticipo se l\u2019eye tracker scelto \u00e8 adatto per condurre lo studio specifico nel contesto in cui ci si trova. I criteri sono tanti. Si passa, ad esempio, dalla portata del segnale di tracciamento alla durata del funzionamento dello strumento; dal trade-off tra qualit\u00e0 e profondit\u00e0 dei dati del tracciamento oculare al prezzo dello strumento; dalla risoluzione della telecamera alla capacit\u00e0 dello strumento di operare in contesti che prevedono la massima luce solare. <\/p>\n\n\n\n

Ma come si valuta la qualit\u00e0 del dato?<\/strong>
Le risposte sono tante. In generale, la qualit\u00e0 dei dati di eye-tracking si misura in accuratezza, precisione e perdita di informazioni (es. Holmqvist et al., 2012; Holmqvist 2015; Dalrymple et al., 2018; De Kloe et al., 2022; McConkie 1981; Holmqvist et al.,2022).<\/p>\n\n\n\n

a) Con accuratezza<\/strong> intendiamo la distanza tra la posizione dello sguardo registrata dallo strumento e quella effettiva. Viene operazionalizzata come la differenza tra la posizione dello sguardo registrata dalle telecamere ad infrarossi dello strumento e quindi visualizzata dal ricercatore su schermo \u2013 e la posizione effettiva dello sguardo su un bersaglio su cui il partecipante \u00e8 stato invitato a concentrarsi;<\/p>\n\n\n\n

b) Con precisione<\/strong>, invece, ci riferiamo alla vicinanza di una serie di misurazioni ripetute della stessa osservazione. La precisione ci d\u00e0 un\u2019idea di quanto rumore<\/a> \u00e8 presente all\u2019interno delle nostre misurazioni. Per semplificare, possiamo dire che la precisione deriva da una serie di verifiche di accuratezza consecutive (Niehorster et al., 2020). Pensiamo a un tiro a bersaglio dove la fissazione del nostro sguardo, registrata tramite eye-tracker, corrisponde ai punti effettivi in cui arrivano i dardi. L\u2019obiettivo del bersaglio, invece, \u00e8 lo stimolo che l\u2019occhio sta effettivamente guardando in quel momento: minore \u00e8 la differenza tra le distanze di ogni osservazione e il bersaglio effettivo, maggiore \u00e8 la precisione dello strumento, proprio come nel caso di un arciere che mira al suo bersaglio.<\/p>\n\n\n\n

\"eye
Un esempio di accuratezza (a) e precisione (b) proposta da Pastel et al. (2021) e basata sugli studi di Nystr\u00f6m et al. (2013). I punti indicano l\u2019effettiva direzione dello sguardo mentre le croci indicano lo stimolo target. Nei box bianchi potete vedere la differenza tra alta\/bassa accuratezza e alta\/bassa precisione. Ovviamente, per una migliore esemplificazione del fenomeno, sono stati utilizzati dei valori molto esagerati ed estremi.<\/figcaption><\/figure>\n\n\n\n

c) <\/strong>La perdita di dati <\/strong>si riferisce invece al rapporto tra il numero di campioni validi forniti da un eye tracker e il numero di misurazioni effettuate (Niehorster et al., 2020). A volte, infatti, un eye tracker potrebbe non essere in grado di stimare la direzione o il punto dello sguardo e produce un campione vuoto nel flusso di dati. Ad esempio, la perdita di dati si verifica se il partecipante chiude gli occhi o guarda al di fuori del campo di misurazione dell\u2019eye tracker. Se l\u2019eye tracker non produce un numero sufficiente di campioni validi, i dati del tracciamento oculare possono diventare inutilizzabili, con costi in termini di tempo e di denaro.<\/p>\n\n\n\n

Come sempre, non esiste uno strumento che sia accurato, preciso e che garantisca la minor perdita di dati possibile in tutti i contesti ed in tutte le condizioni. Come sottolinea McConkie (1981): \u201clo standard su quali siano i dati accettabili varia a seconda della natura delle questioni studiate\u201d. Alcuni esperimenti richiedono un alto grado di accuratezza (ad esempio in una procedura di sicurezza, se si vuole sapere se un punto specifico di una check-list \u00e8 stato osservato o meno). In altri tipi di ricerca, pu\u00f2 essere sufficiente un\u2019accuratezza minore perch\u00e9 ci interessa semplicemente che lo sguardo dell\u2019osservatore entri all\u2019interno di un\u2019area di interesse (AOI, Area of interest), senza un punto di fissazione specifico. <\/p>\n\n\n\n

Quello che avviene con eye-tracker commerciali, \u00e8 che le metriche di qualit\u00e0 dei dati restituite dal prodotto vanno considerate come \u201cil limite superiore della qualit\u00e0<\/em>\u201d, la prestazione massima raggiungibile dello strumento. Questo perch\u00e9 i produttori  stimano la qualit\u00e0 dei dati in condizioni ideali. Le condizioni ideali possono includere, ad esempio, l\u2019uso di un supporto per il mento e la fronte, l\u2019utilizzo di partecipanti non problematici in movimento (ad esempio, adulti seduti che non indossano mascara) e con condizioni di luce ottimali.<\/p>\n\n\n\n

Ma se volessimo avere informazioni sulla qualit\u00e0 dei dati dei tracciatori oculari indossabili proprio in contesti non ottimali<\/strong>, come avviene con l\u2019eye-tracker indossabile? Possiamo trovare alcune informazioni a riguardo nella letteratura sul tracciamento oculare indossabile nello sport. Tuttavia, la maggior parte degli studi scientifici riporta solo misure di accuratezza, alcuni studi riportano la precisione e l\u2019accuratezza ma quasi nessuno degli studi riporta la perdita di dati.<\/p>\n\n\n\n

Per questo, i ricercatori si sono concentrati su una variabile cruciale: il movimento.
La qualit\u00e0 dei dati di eye-tracking \u2013 misurata in termini di accuratezza, precisione e perdita di dati \u2013 cambia in base ai movimenti della testa e del corpo dei partecipanti.<\/p>\n\n\n\n

Questo permette di rispondere ad una domanda chiave: l\u2019eye tracker mobile \u00e8 in grado di fornire dati accurati anche quando il partecipante sta svolgendo una serie di movimenti, pi\u00f9 o meno ampi?<\/p>\n\n\n\n

4. Lo studio sull\u2019attendibilit\u00e0 dell\u2019eye tracker con soggetti in movimento<\/strong><\/h2>\n\n\n\n

La qualit\u00e0 dei dati provenienti da sei eye tracker indossabili \u00e8 stata valutata in cinque condizioni: (1) statica (l\u2019osservatore sta fermo il pi\u00f9 possibile), (2) movimenti lievi (camminare), (3) movimenti consistenti (saltare sul posto) e (4) movimenti estremi (saltare in avanti), e un ritorno alla prima condizione. Durante questi movimenti, agli osservatori viene chiesto di fissare un bersaglio statico posizionato nello spazio attorno a loro.<\/p>\n\n\n\n

\"eye
Fonte: Hooge, I. T., Niehorster, D. C., Hessels, R. S., Benjamins, J. S., & Nystr\u00f6m, M. (2022). How robust are wearable eye trackers to slow and fast head and body movements?. Behavior Research Methods, 1-15.<\/figcaption><\/figure>\n\n\n\n

Tutti gli eye tracker sono stati in grado di registrare lo sguardo durante gli episodi pi\u00f9 dinamici (salto e balzo). L\u2019accuratezza \u00e8 stata peggiore nel secondo episodio di immobilit\u00e0 rispetto al primo, indicando che il movimento che avviene nel mezzo pu\u00f2 provocare uno spostamento dello strumento e quindi una minor accuratezza rispetto alla prima fase, che generalmente segue quella di calibrazione (la calibrazione \u00e8 il momento in cui l\u2019operatore setta lo strumento sul viso del partecipante, assicurandosi che ci sia convergenza tra il punto effettivamente osservato e quello riportato su schermo).

Nonostante questa diminuzione di accuratezza e precisione sia presente, nella maggior parte delle registrazioni l\u2019errore \u00e8 stato inferiore a 3\u00b0 e la maggior parte degli eye tracker non ha subito perdite di dati, neppure durante gli episodi pi\u00f9 impegnativi (salto sul posto e slancio in avanti).<\/p>\n\n\n\n

Come abbiamo gi\u00e0 detto, un errore di misurazione \u2013 che si tratti di accuratezza o di precisione \u2013 non \u00e8 mai accettabile o non accettabile in assoluto: tutto dipende dallo studio che stiamo effettuando e dal fenomeno che stiamo osservando, in relazione al suo contesto.<\/p>\n\n\n\n

L\u2019errore di 3\u00b0 \u2013 in questo caso specifico \u2013 \u00e8 risultato accettabile perch\u00e9 \u00e8 traducibile in una distanza tra sguardo e bersaglio di circa 10 cm. Considerato che il bersaglio era posizionato all\u2019interno di un cerchio di circa 8.3 cm di diametro e che il partecipante si trovava a circa un metro e sessanta da esso, 10 cm di margine d\u2019errore possono essere considerati accettabili per affermare che il soggetto stesse osservando lo stimolo desiderato, e che il margine d\u2019errore fosse dovuto da una registrazione meno accurata a causa del movimento.<\/p>\n\n\n\n

In questi contesti, \u00e8 quindi fondamentale l\u2019intervento di un esperto che faccia una serie di valutazioni contestuali. Ad esempio, in questo studio specifico, non essendoci altri bersagli nelle vicinanze e trattandosi di un ambiente molto rado, non c\u2019\u00e8 rischio che il partecipante stesse osservando un target diverso dal nostro.<\/p>\n\n\n\n

5. A ogni studio la sua metrica<\/strong><\/h2>\n\n\n\n

Per chiarire cosa intendiamo per valutazioni studio-specifiche, gli autori forniscono alcuni esempi pratici con degli scenari di fantasia il pi\u00f9 vari possibile. Questi esempi ci aiutano a comprendere meglio come la definizione delle soglie normative in assoluto \u00e8 impossibile, ma ogni singolo caso specifico richiede un\u2019attenta valutazione da parte degli sperimentatori.<\/p>\n\n\n\n

1. Pattinaggio su ghiaccio: <\/strong>Vogliamo verificare se i pattinatori su ghiaccio stabiliscono o meno un contatto visivo con il proprio partner di ballo quando sono vicini. Questo, per testare l\u2019ipotesi che una maggior intesa e complicit\u00e0 tra ballerini possa portare a delle esibizioni migliori. Entrambi i performer sono dotati di eye-tracker indossabile. Il contatto visivo viene definito come una fissazione delle pupille reciproca (es. Jongerius et al., 2020) e l\u2019area d\u2019interesse (AOI) \u00e8 un cerchio con raggio di 2,5 cm attorno alla pupilla del rispettivo partner di ballo, ad una distanza di 50 cm. A questa distanza, un eye tracker con accuratezza di 2,9\u00b0 \u2013 e quindi minore dell\u2019errore medio di 3\u00b0 rilevato negli eye-tracker indossabili utilizzati nello studio di Hooge e colleghi (2022) \u00e8 sufficiente per garantire l\u2019attendibilit\u00e0 del risultato;<\/p>\n\n\n\n

2. Giocare a scacchi. <\/strong>Vogliamo studiare quali pezzi vengono fissati durante una partita a scacchi per poter prevedere il comportamento visivo dei giocatori migliori. Supponiamo che i pezzi siano distanti 4 cm l\u2019uno dall\u2019altro e che la testa degli scacchisti si trovi a una distanza di 80 cm dai pezzi. L\u2019accuratezza dell\u2019eye tracker \u2013 in un contesto in cui l\u2019area d\u2019interesse \u00e8 molto piccola dovrebbe corrispondere a circa 1,4\u00b0. In questo caso, si tratta di un valore molto inferiore rispetto alla soglia d\u2019errore di 3\u00b0 garantita dagli eye tracker testati nello studio. Cosa fare, quindi? Riteniamo che gli eye tracker non siano in grado di supportarci in questo compito? Non proprio: non dobbiamo dimenticare che questi 3\u00b0 di errore venivano rilevati solo<\/strong> nelle fasi di salto sul posto e salto in avanti, movimenti che difficilmente metteremo in atto durante una partita di scacchi! In questo contesto, decisamente molto statico, possiamo affidarci ai limiti superiori di qualit\u00e0 dichiarati dai produttori dello strumenti perch\u00e9 molte delle condizioni ottimali d\u2019utilizzo saranno rispettate (partecipanti seduti e fermi, luce ottimale);<\/p>\n\n\n\n

3. Attraversamento della strada. <\/strong>A scopo educativo, vogliamo vedere se le persone affette da neglect \u2013 un disturbo attentivo \u2013 guardano a destra e a sinistra prima di attraversare la strada. In questo caso, l\u2019accuratezza dell\u2019eye tracker indossabile non ha molta importanza, purch\u00e9 sia chiaro dal video di sovrapposizione dello sguardo se i partecipanti stavano guardando effettivamente prima a destra e poi a sinistra (o viceversa) prima di attraversare la strada. In questo caso, inoltre, non ci interessa sapere se sono stati fissati obiettivi specifici, per cui \u00e8 facilmente intuibile che l\u2019accuratezza del dato non \u00e8 una metrica di grande interesse;<\/p>\n\n\n\n

4. Il processo decisionale al supermercato<\/strong>. Vi abbiamo detto spesso che nei supermercati possiamo studiare<\/a> molti aspetti interessanti grazie all\u2019eye tracker indossabile. Un fattore di difficolt\u00e0 nel supermercato \u00e8 dato dal fatto che l\u2019eye tracker pu\u00f2 essere usato per verificare se i clienti hanno ispezionato informazioni molto specifiche a breve distanza (quante sono le calorie di queste barrette ai cereali e cioccolato?) o se i clienti hanno usato informazioni meno specifiche ma a grande distanza (es. sul percorso per trovare lo scaffale delle bevande gassate). In entrambi i casi, \u00e8 necessario un eye tracker con un\u2019ottima precisione. Quando l\u2019ambiente visivo \u00e8 ricco come un\u2019ala di un supermercato (al contrario di quello rado, come nel caso dell\u2019esperimento presentato poco fa), \u00e8 necessario un eye tracker molto accurato per poter sapere cosa viene fissato, anche se si tratta di un\u2019area di interesse pi\u00f9 grande di una semplice etichetta, come ad esempio il cartello che indica il reparto delle bevande. Sappiamo bene che i supermercati hanno tante informazioni e una cartellonistica densissima che viene osservata anche da grandi distanze: in questo caso c\u2019\u00e8 il rischio che un margine d\u2019errore troppo ampio in termini di accuratezza non ci permetta di comprendere davvero qual \u00e8 stato il target visivo osservato.<\/p>\n\n\n\n

6. Conclusione<\/strong><\/h2>\n\n\n\n

Gli studi scientifici stanno dimostrando che l\u2019accuratezza delle metriche in movimento ( lo studio in questione si \u00e8 concentrato su sei marchi di eye tracker diffusi sul mercato internazionale) \u00e8 soddisfacente anche quando i partecipanti sono in movimento (camminano, saltano sul posto o saltano con uno slancio in avanti). Come ci saremmo aspettati, l\u2019accuratezza solitamente tende a peggiorare con l\u2019aumento della magnitudo del movimento, anche se viene utilizzata una fascia per fissare meglio l\u2019eye tracker alla testa. Tuttavia, l\u2019entit\u00e0 dell\u2019errore riportato va contestualizzato all\u2019interno dello specifico scenario di ricerca: in molti studi, l\u2019accuratezza della misura \u00e8 in ogni caso abbastanza soddisfacente da poter garantire un risultato verosimile: fornisce quindi un ottimo trade-off tra mobilit\u00e0 del partecipante (e quindi ecologia dell\u2019osservazione) e accuratezza.<\/p>\n\n\n\n

Bibliografia<\/strong><\/h2>\n\n\n\n

Hooge, I. T., Niehorster, D. C., Hessels, R. S., Benjamins, J. S., & Nystr\u00f6m, M. (2022). How robust are wearable eye trackers to slow and fast head and body movements?<\/a>. Behavior Research Methods, 1-15.<\/p>\n\n\n\n

Land, M.F., Mennie, N., & Rusted, J. (1999). The roles of vision and eye movements in the control of activities of daily living.<\/a> Perception. Perception, 28(11), 1311\u20131328.<\/p>\n\n\n\n

Ballard, D.H., Hayhoe, M.M., & Pelz, J.B. (1995). Memory representations in natural tasks.<\/a> Journal of Cognitive Neuroscience, 7(1), 66\u201380. <\/p>\n\n\n\n

Vickers, J.N. (1996a). Control of visual attention during the basketball free throw.<\/a> American Journal of Sports Medicine, 3, 93\u201397.<\/p>\n\n\n\n

Hayhoe, M.M., Shrivastava, A., Mruczek, R., & Pelz, J.B. (2003). Visual memory and motor planning in a natural task.<\/a> Journal of Vision, 3, 49\u201363.<\/p>\n\n\n\n

Macdonald, R.G., & Tatler, B.W. (2018). Gaze in a real-world social interaction: A dual eye-tracking study.<\/a> Quarterly Journal of Experimental Psychology, 71, 2162\u20132173.<\/p>\n\n\n\n

Abernethy, B. (1990). Expertise, visual search, and information pick-up in squash.<\/a> Perception, 19, 63\u201377.<\/p>\n\n\n\n

Vickers, J.N. (1996b). Visual control when aiming at a far target.<\/a> Journal of Experimental Psychology, 22, 342\u2013354.<\/p>\n\n\n\n

Sullivan, B., Ludwig, C.J.H., Damen, D., MayolCuevas, W., & Gilchrist, I. (2021). Look-ahead fixations during visuomotor behavior: Evidence from assembling a camping tent.<\/a> Journal of Visual, 21(3), 13.<\/p>\n\n\n\n

Gao, X.-Y., Zhang, Y.-F., Zheng, W.-L., & Lu, B.-L. (2015). Evaluating driving fatigue detection algorithms using eye tracking glasses.<\/a> In 7th International IEEE\/EMBS Conference on Neural Engineering (pp. 767\u2013770): IEEE.<\/p>\n\n\n\n

Gidl\u00f6f, K., Anikin, A., Lingonblad, M., & Wallin, A. (2017). Looking is buying. How visual attention and choice are affected by consumer preferences and properties of the supermarket shelf<\/a>. Appetite, 116, 29\u201338.<\/p>\n\n\n\n

Gidl\u00f6f, K., Wallin, A., Dewhurst, R., & Holmqvist, K. (2013). Using eye tracking to trace a cognitive process: Gaze behaviour during decision making in a natural environment.<\/a> Journal of Eye Movement Research, 6(1), 1\u201314.<\/p>\n\n\n\n

Dik, V.K., Hooge, I.T., van Oijen, M.G., & Siersema, P.D. (2016). Measuring gaze patterns during colonoscopy: A useful tool to evaluate colon inspection?<\/a> European Journal of Gastroenterology and Hepatology, 28 (12), 1400\u20131406.<\/p>\n\n\n\n

Hessels, R. S., Andersson, R., Hooge, I. T. C., Nystr\u00f6m, M., & Kemner, C. (2015). Consequences of eye color, positioning, and head movement for eyetracking data quality in infant research<\/a>. Infancy, 20(6), 601\u2013633.<\/p>\n\n\n\n

Hessels, R.S., Benjamins, J.S., van Doorn, A.J., Koenderink, J.J., Holleman, G.A., & Hooge, I.T.C. (2020). Looking behavior and potential human interactions during locomotion.<\/a> Journal of Vision, 5 (10), 1\u201325.<\/p>\n\n\n\n

Clay, V., K\u00f6nig, P., & K\u00f6nig, S. (2019). Eye tracking in virtual reality<\/a>. Journal of Eye Movement Research, 12(1), 3.<\/p>\n\n\n\n

Caruso, T., Hess, O., Roy, K., Wang, E., Rodriguez, S., Palivathukal, C., & Haber, N. (2021). Integrated eye tracking on magic leap one during augmented reality medical simulation: A technical report.<\/a> BMJ Simulation & Technology Enhanced Learning, 7, 431\u2013434.<\/p>\n\n\n\n

Holmqvist, K., Nystr\u00f6m, M., & Mulvey, F. (2012). Eye tracker data quality: What it is and how to measure it.<\/a> In Proceedings of the Symposium on Eye Tracking Research and Applications (pp. 45\u201352).<\/p>\n\n\n\n

Holmqvist, K., Nystr\u00f6m, M., & Mulvey, F. (2012). Eye tracker data quality: What it is and how to measure it.<\/a> In Proceedings of the Symposium on Eye Tracking Research and Applications (pp. 45\u201352).<\/p>\n\n\n\n

Holmqvist, K., \u00d6rbom, S.L., Hooge, I.T.C., Niehorster, D.C., Alexander, R.G., Andersson, R., & Hessels, R.S. (2022). Eye tracking: empirical foundations for a minimal reporting guideline.<\/a> Behavior Research Methods.<\/p>\n\n\n\n

De Kloe, Y.J.R., Hooge, I.T.C., Kemner, C., Niehorster, D.C., Nystr\u00f6m, M., & Hessels, R.S. (2022). Replacing eye trackers in ongoing studies: A comparison of eye-tracking data quality between the Tobii Pro tx300 and the Tobii Pro spectrum.<\/a> Infancy, 25\u201345.<\/p>\n\n\n\n

McConkie, G.W. (1981). Evaluating and reporting data quality in eye movement research.<\/a> Behavior Research Methods & Instrumentation, 13(2), 97\u2013106.<\/p>\n\n\n\n

Niehorster, D. C., Santini, T., Hessels, R. S., Hooge, I. T. C., Kasneci, E., & Nystr\u00f6m, M. (2020). The impact of slippage on the data quality of headworn eye trackers.<\/a> Behavior Research Methods, 52, 1140\u20131160.<\/p>\n\n\n\n

Pastel, S., Chen, C.-H., Martin, L., Naujoks, M., Petri, K., & Witte, K. (2021). Comparison of gaze accuracy and precision in real-world and virtual reality.<\/a> Virtual Reality, 25, 175\u2013189.<\/p>\n\n\n\n

Nystr\u00f6m M, Andersson R, Holmqvist K, van de Weijer J (2013) The influence of calibration method and eye physiology on eyetracking data quality.<\/a> Behav Res Methods 45(1):272\u2013288<\/p>\n\n\n\n

Jongerius, C., Hessels, R.S., Romijn, J.A., Smets, E., & Hillen, M.A. (2020). The measurement of eye contact in human interactions: a scoping review.<\/a> Journal of Nonverbal Behavior, 44(3), 363\u2013389.<\/p>\n\n\n\n

Questo articolo \u00e8 stato riadattato dall\u2019articolo originale \u201cHow robust are wearable eye trackers to slow and fast head and body movements?\u201d<\/a><\/em> da Serena Iacobucci, dottoressa di ricerca in Economia Comportamentale per il Business, ricercatrice post-doc presso l\u2019Universit\u00e0 di Chieti-Pescara e responsabile della comunicazione di Umana-Analytics.<\/p>","protected":false},"excerpt":{"rendered":"

In questo articolo: 1. Un\u2019introduzione all\u2019eye-tracking2. Dall\u2019eye tracker fisso a quello mobile 3. Quali sono le metriche di accuratezza e precisione dell\u2019eye tracker? 4. Lo studio sull\u2019attendibilit\u00e0 dell\u2019eye tracker con soggetti in movimento5. A ogni studio la sua metrica 1. Un\u2019introduzione all\u2019eye-tracking I moderni eye-tracker indossabili permettono di effettuare delle raccolte dati che prevedono il movimento libero […]<\/p>\n","protected":false},"author":4,"featured_media":912,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"content-type":"","footnotes":""},"categories":[8],"tags":[],"class_list":["post-911","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-blog"],"yoast_head":"\nEye-tracker: cosa succede quando i partecipanti sono in movimento - Umana Analytics<\/title>\n<meta name=\"description\" content=\"Eye-tracking: scopri come accuratezza e precisione cambiano con partecipanti in movimento e quali metriche usare per ogni studio.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/www.umana-analytics.com\/en\/eye-tracker-cosa-succede-quando-i-partecipanti-sono-in-movimento\/\" \/>\n<meta property=\"og:locale\" content=\"en_US\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Eye-tracker: cosa succede quando i partecipanti sono in movimento - Umana Analytics\" \/>\n<meta property=\"og:description\" content=\"Eye-tracking: scopri come accuratezza e precisione cambiano con partecipanti in movimento e quali metriche usare per ogni studio.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/www.umana-analytics.com\/en\/eye-tracker-cosa-succede-quando-i-partecipanti-sono-in-movimento\/\" \/>\n<meta property=\"og:site_name\" content=\"Umana Analytics\" \/>\n<meta property=\"article:published_time\" content=\"2024-11-17T12:25:25+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2024-11-17T12:25:29+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/www.umana-analytics.com\/wp-content\/uploads\/2024\/11\/Quanto-e-affidabile-leye-tracker.jpg\" \/>\n\t<meta property=\"og:image:width\" content=\"1920\" \/>\n\t<meta property=\"og:image:height\" content=\"1080\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/jpeg\" \/>\n<meta name=\"author\" content=\"federica\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Written by\" \/>\n\t<meta name=\"twitter:data1\" content=\"federica\" \/>\n\t<meta name=\"twitter:label2\" content=\"Est. reading time\" \/>\n\t<meta name=\"twitter:data2\" content=\"21 minutes\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\\\/\\\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\\\/\\\/www.umana-analytics.com\\\/eye-tracker-cosa-succede-quando-i-partecipanti-sono-in-movimento\\\/#article\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/www.umana-analytics.com\\\/eye-tracker-cosa-succede-quando-i-partecipanti-sono-in-movimento\\\/\"},\"author\":{\"name\":\"federica\",\"@id\":\"https:\\\/\\\/www.umana-analytics.com\\\/#\\\/schema\\\/person\\\/d010d5eafad4bf6b07ccdb24b5dcfe8b\"},\"headline\":\"Quanto \u00e8 affidabile l\u2019eye-tracker quando i partecipanti sono in movimento?\",\"datePublished\":\"2024-11-17T12:25:25+00:00\",\"dateModified\":\"2024-11-17T12:25:29+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\\\/\\\/www.umana-analytics.com\\\/eye-tracker-cosa-succede-quando-i-partecipanti-sono-in-movimento\\\/\"},\"wordCount\":3895,\"commentCount\":0,\"publisher\":{\"@id\":\"https:\\\/\\\/www.umana-analytics.com\\\/#organization\"},\"image\":{\"@id\":\"https:\\\/\\\/www.umana-analytics.com\\\/eye-tracker-cosa-succede-quando-i-partecipanti-sono-in-movimento\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/www.umana-analytics.com\\\/wp-content\\\/uploads\\\/2024\\\/11\\\/Quanto-e-affidabile-leye-tracker.jpg\",\"articleSection\":[\"blog\"],\"inLanguage\":\"en-US\",\"potentialAction\":[{\"@type\":\"CommentAction\",\"name\":\"Comment\",\"target\":[\"https:\\\/\\\/www.umana-analytics.com\\\/eye-tracker-cosa-succede-quando-i-partecipanti-sono-in-movimento\\\/#respond\"]}]},{\"@type\":\"WebPage\",\"@id\":\"https:\\\/\\\/www.umana-analytics.com\\\/eye-tracker-cosa-succede-quando-i-partecipanti-sono-in-movimento\\\/\",\"url\":\"https:\\\/\\\/www.umana-analytics.com\\\/eye-tracker-cosa-succede-quando-i-partecipanti-sono-in-movimento\\\/\",\"name\":\"Eye-tracker: cosa succede quando i partecipanti sono in movimento - Umana Analytics\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/www.umana-analytics.com\\\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\\\/\\\/www.umana-analytics.com\\\/eye-tracker-cosa-succede-quando-i-partecipanti-sono-in-movimento\\\/#primaryimage\"},\"image\":{\"@id\":\"https:\\\/\\\/www.umana-analytics.com\\\/eye-tracker-cosa-succede-quando-i-partecipanti-sono-in-movimento\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/www.umana-analytics.com\\\/wp-content\\\/uploads\\\/2024\\\/11\\\/Quanto-e-affidabile-leye-tracker.jpg\",\"datePublished\":\"2024-11-17T12:25:25+00:00\",\"dateModified\":\"2024-11-17T12:25:29+00:00\",\"description\":\"Eye-tracking: scopri come accuratezza e precisione cambiano con partecipanti in movimento e quali metriche usare per ogni studio.\",\"breadcrumb\":{\"@id\":\"https:\\\/\\\/www.umana-analytics.com\\\/eye-tracker-cosa-succede-quando-i-partecipanti-sono-in-movimento\\\/#breadcrumb\"},\"inLanguage\":\"en-US\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\\\/\\\/www.umana-analytics.com\\\/eye-tracker-cosa-succede-quando-i-partecipanti-sono-in-movimento\\\/\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"en-US\",\"@id\":\"https:\\\/\\\/www.umana-analytics.com\\\/eye-tracker-cosa-succede-quando-i-partecipanti-sono-in-movimento\\\/#primaryimage\",\"url\":\"https:\\\/\\\/www.umana-analytics.com\\\/wp-content\\\/uploads\\\/2024\\\/11\\\/Quanto-e-affidabile-leye-tracker.jpg\",\"contentUrl\":\"https:\\\/\\\/www.umana-analytics.com\\\/wp-content\\\/uploads\\\/2024\\\/11\\\/Quanto-e-affidabile-leye-tracker.jpg\",\"width\":1920,\"height\":1080},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\\\/\\\/www.umana-analytics.com\\\/eye-tracker-cosa-succede-quando-i-partecipanti-sono-in-movimento\\\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\\\/\\\/www.umana-analytics.com\\\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Quanto \u00e8 affidabile l\u2019eye-tracker quando i partecipanti sono in movimento?\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\\\/\\\/www.umana-analytics.com\\\/#website\",\"url\":\"https:\\\/\\\/www.umana-analytics.com\\\/\",\"name\":\"Umana Analytics\",\"description\":\"\",\"publisher\":{\"@id\":\"https:\\\/\\\/www.umana-analytics.com\\\/#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\\\/\\\/www.umana-analytics.com\\\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"en-US\"},{\"@type\":\"Organization\",\"@id\":\"https:\\\/\\\/www.umana-analytics.com\\\/#organization\",\"name\":\"Umana Analytics\",\"url\":\"https:\\\/\\\/www.umana-analytics.com\\\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"en-US\",\"@id\":\"https:\\\/\\\/www.umana-analytics.com\\\/#\\\/schema\\\/logo\\\/image\\\/\",\"url\":\"https:\\\/\\\/www.umana-analytics.com\\\/wp-content\\\/uploads\\\/2024\\\/07\\\/logo.svg\",\"contentUrl\":\"https:\\\/\\\/www.umana-analytics.com\\\/wp-content\\\/uploads\\\/2024\\\/07\\\/logo.svg\",\"width\":1,\"height\":1,\"caption\":\"Umana Analytics\"},\"image\":{\"@id\":\"https:\\\/\\\/www.umana-analytics.com\\\/#\\\/schema\\\/logo\\\/image\\\/\"},\"sameAs\":[\"https:\\\/\\\/www.instagram.com\\\/umanaanalytics\\\/\",\"https:\\\/\\\/www.linkedin.com\\\/company\\\/umana-analytics\\\/posts\\\/?feedView=all\"]},{\"@type\":\"Person\",\"@id\":\"https:\\\/\\\/www.umana-analytics.com\\\/#\\\/schema\\\/person\\\/d010d5eafad4bf6b07ccdb24b5dcfe8b\",\"name\":\"federica\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"en-US\",\"@id\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/f69b29ce302a6a376cc96bd8173736ba8a334c78ac6ffb23018935e4306b3371?s=96&d=mm&r=g\",\"url\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/f69b29ce302a6a376cc96bd8173736ba8a334c78ac6ffb23018935e4306b3371?s=96&d=mm&r=g\",\"contentUrl\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/f69b29ce302a6a376cc96bd8173736ba8a334c78ac6ffb23018935e4306b3371?s=96&d=mm&r=g\",\"caption\":\"federica\"},\"url\":\"https:\\\/\\\/www.umana-analytics.com\\\/en\\\/author\\\/federica\\\/\"}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Eye-tracker: cosa succede quando i partecipanti sono in movimento - Umana Analytics","description":"Eye-tracking: scopri come accuratezza e precisione cambiano con partecipanti in movimento e quali metriche usare per ogni studio.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/www.umana-analytics.com\/en\/eye-tracker-cosa-succede-quando-i-partecipanti-sono-in-movimento\/","og_locale":"en_US","og_type":"article","og_title":"Eye-tracker: cosa succede quando i partecipanti sono in movimento - Umana Analytics","og_description":"Eye-tracking: scopri come accuratezza e precisione cambiano con partecipanti in movimento e quali metriche usare per ogni studio.","og_url":"https:\/\/www.umana-analytics.com\/en\/eye-tracker-cosa-succede-quando-i-partecipanti-sono-in-movimento\/","og_site_name":"Umana Analytics","article_published_time":"2024-11-17T12:25:25+00:00","article_modified_time":"2024-11-17T12:25:29+00:00","og_image":[{"width":1920,"height":1080,"url":"https:\/\/www.umana-analytics.com\/wp-content\/uploads\/2024\/11\/Quanto-e-affidabile-leye-tracker.jpg","type":"image\/jpeg"}],"author":"federica","twitter_card":"summary_large_image","twitter_misc":{"Written by":"federica","Est. reading time":"21 minutes"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/www.umana-analytics.com\/eye-tracker-cosa-succede-quando-i-partecipanti-sono-in-movimento\/#article","isPartOf":{"@id":"https:\/\/www.umana-analytics.com\/eye-tracker-cosa-succede-quando-i-partecipanti-sono-in-movimento\/"},"author":{"name":"federica","@id":"https:\/\/www.umana-analytics.com\/#\/schema\/person\/d010d5eafad4bf6b07ccdb24b5dcfe8b"},"headline":"Quanto \u00e8 affidabile l\u2019eye-tracker quando i partecipanti sono in movimento?","datePublished":"2024-11-17T12:25:25+00:00","dateModified":"2024-11-17T12:25:29+00:00","mainEntityOfPage":{"@id":"https:\/\/www.umana-analytics.com\/eye-tracker-cosa-succede-quando-i-partecipanti-sono-in-movimento\/"},"wordCount":3895,"commentCount":0,"publisher":{"@id":"https:\/\/www.umana-analytics.com\/#organization"},"image":{"@id":"https:\/\/www.umana-analytics.com\/eye-tracker-cosa-succede-quando-i-partecipanti-sono-in-movimento\/#primaryimage"},"thumbnailUrl":"https:\/\/www.umana-analytics.com\/wp-content\/uploads\/2024\/11\/Quanto-e-affidabile-leye-tracker.jpg","articleSection":["blog"],"inLanguage":"en-US","potentialAction":[{"@type":"CommentAction","name":"Comment","target":["https:\/\/www.umana-analytics.com\/eye-tracker-cosa-succede-quando-i-partecipanti-sono-in-movimento\/#respond"]}]},{"@type":"WebPage","@id":"https:\/\/www.umana-analytics.com\/eye-tracker-cosa-succede-quando-i-partecipanti-sono-in-movimento\/","url":"https:\/\/www.umana-analytics.com\/eye-tracker-cosa-succede-quando-i-partecipanti-sono-in-movimento\/","name":"Eye-tracker: cosa succede quando i partecipanti sono in movimento - Umana Analytics","isPartOf":{"@id":"https:\/\/www.umana-analytics.com\/#website"},"primaryImageOfPage":{"@id":"https:\/\/www.umana-analytics.com\/eye-tracker-cosa-succede-quando-i-partecipanti-sono-in-movimento\/#primaryimage"},"image":{"@id":"https:\/\/www.umana-analytics.com\/eye-tracker-cosa-succede-quando-i-partecipanti-sono-in-movimento\/#primaryimage"},"thumbnailUrl":"https:\/\/www.umana-analytics.com\/wp-content\/uploads\/2024\/11\/Quanto-e-affidabile-leye-tracker.jpg","datePublished":"2024-11-17T12:25:25+00:00","dateModified":"2024-11-17T12:25:29+00:00","description":"Eye-tracking: scopri come accuratezza e precisione cambiano con partecipanti in movimento e quali metriche usare per ogni studio.","breadcrumb":{"@id":"https:\/\/www.umana-analytics.com\/eye-tracker-cosa-succede-quando-i-partecipanti-sono-in-movimento\/#breadcrumb"},"inLanguage":"en-US","potentialAction":[{"@type":"ReadAction","target":["https:\/\/www.umana-analytics.com\/eye-tracker-cosa-succede-quando-i-partecipanti-sono-in-movimento\/"]}]},{"@type":"ImageObject","inLanguage":"en-US","@id":"https:\/\/www.umana-analytics.com\/eye-tracker-cosa-succede-quando-i-partecipanti-sono-in-movimento\/#primaryimage","url":"https:\/\/www.umana-analytics.com\/wp-content\/uploads\/2024\/11\/Quanto-e-affidabile-leye-tracker.jpg","contentUrl":"https:\/\/www.umana-analytics.com\/wp-content\/uploads\/2024\/11\/Quanto-e-affidabile-leye-tracker.jpg","width":1920,"height":1080},{"@type":"BreadcrumbList","@id":"https:\/\/www.umana-analytics.com\/eye-tracker-cosa-succede-quando-i-partecipanti-sono-in-movimento\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/www.umana-analytics.com\/"},{"@type":"ListItem","position":2,"name":"Quanto \u00e8 affidabile l\u2019eye-tracker quando i partecipanti sono in movimento?"}]},{"@type":"WebSite","@id":"https:\/\/www.umana-analytics.com\/#website","url":"https:\/\/www.umana-analytics.com\/","name":"Umana Analytics","description":"","publisher":{"@id":"https:\/\/www.umana-analytics.com\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/www.umana-analytics.com\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"en-US"},{"@type":"Organization","@id":"https:\/\/www.umana-analytics.com\/#organization","name":"Umana Analytics","url":"https:\/\/www.umana-analytics.com\/","logo":{"@type":"ImageObject","inLanguage":"en-US","@id":"https:\/\/www.umana-analytics.com\/#\/schema\/logo\/image\/","url":"https:\/\/www.umana-analytics.com\/wp-content\/uploads\/2024\/07\/logo.svg","contentUrl":"https:\/\/www.umana-analytics.com\/wp-content\/uploads\/2024\/07\/logo.svg","width":1,"height":1,"caption":"Umana Analytics"},"image":{"@id":"https:\/\/www.umana-analytics.com\/#\/schema\/logo\/image\/"},"sameAs":["https:\/\/www.instagram.com\/umanaanalytics\/","https:\/\/www.linkedin.com\/company\/umana-analytics\/posts\/?feedView=all"]},{"@type":"Person","@id":"https:\/\/www.umana-analytics.com\/#\/schema\/person\/d010d5eafad4bf6b07ccdb24b5dcfe8b","name":"federica","image":{"@type":"ImageObject","inLanguage":"en-US","@id":"https:\/\/secure.gravatar.com\/avatar\/f69b29ce302a6a376cc96bd8173736ba8a334c78ac6ffb23018935e4306b3371?s=96&d=mm&r=g","url":"https:\/\/secure.gravatar.com\/avatar\/f69b29ce302a6a376cc96bd8173736ba8a334c78ac6ffb23018935e4306b3371?s=96&d=mm&r=g","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/f69b29ce302a6a376cc96bd8173736ba8a334c78ac6ffb23018935e4306b3371?s=96&d=mm&r=g","caption":"federica"},"url":"https:\/\/www.umana-analytics.com\/en\/author\/federica\/"}]}},"_links":{"self":[{"href":"https:\/\/www.umana-analytics.com\/en\/wp-json\/wp\/v2\/posts\/911","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.umana-analytics.com\/en\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.umana-analytics.com\/en\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.umana-analytics.com\/en\/wp-json\/wp\/v2\/users\/4"}],"replies":[{"embeddable":true,"href":"https:\/\/www.umana-analytics.com\/en\/wp-json\/wp\/v2\/comments?post=911"}],"version-history":[{"count":1,"href":"https:\/\/www.umana-analytics.com\/en\/wp-json\/wp\/v2\/posts\/911\/revisions"}],"predecessor-version":[{"id":913,"href":"https:\/\/www.umana-analytics.com\/en\/wp-json\/wp\/v2\/posts\/911\/revisions\/913"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.umana-analytics.com\/en\/wp-json\/wp\/v2\/media\/912"}],"wp:attachment":[{"href":"https:\/\/www.umana-analytics.com\/en\/wp-json\/wp\/v2\/media?parent=911"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.umana-analytics.com\/en\/wp-json\/wp\/v2\/categories?post=911"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.umana-analytics.com\/en\/wp-json\/wp\/v2\/tags?post=911"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}