Создана библиотека на Python для анализа данных глазных движений.

В современных исследованиях активно применяются машинное обучение и искусственный интеллект для анализа больших объемов данных о движениях глаз. Несмотря на значительные достижения в этой области, существуют проблемы, которые снижают эффективность таких методов. Одной из таких проблем является ограниченная гибкость существующих программных решений. Они часто предлагают лишь узкий набор настроек параметров, что затрудняет адаптацию к специфическим задачам исследования. Кроме того, интеграция этих инструментов с другими специализированными программами остается слабым местом.

Библиотека EyeFeatures для Python, разработанная в Лаборатории социальной и когнитивной информатики ВШЭ в Санкт-Петербурге, решает эти проблемы, предоставляя удобный набор инструментов для работы с данными о движениях глаз. Она включает модули для обработки и анализа информации, полученной с помощью айтрекеров — устройств, фиксирующих движение глаз при выполнении различных заданий.

Обработка данных о движениях глаз представляет собой сложный процесс, состоящий из нескольких этапов. Поскольку зрачки движутся не плавно, а скачкообразно, фокусируясь на определенных точках, первый этап обработки включает в себя определение областей фиксации. На втором этапе рассчитываются такие показатели, как средняя длительность фиксации взгляда и среднее расстояние между точками, что позволяет создавать первые простые предсказательные или диагностические модели.

Все этапы обработки данных могут быть выполнены с использованием различных модулей библиотеки EyeFeatures. Гибкий и модульный подход позволяет легко интегрировать обработку данных о движениях глаз в существующие исследовательские и коммерческие проекты, начиная с сырых данных и заканчивая готовыми предиктивными или объяснительными моделями. Например, использование библиотеки в маркетинговых исследованиях поможет оценить реакцию потребителей на рекламу. Анализ движений глаз покажет, какие именно элементы привлекают наибольшее внимание аудитории.

Антон Сурков, руководитель проекта и младший научный сотрудник Лаборатории социальной и когнитивной информатики НИУ ВШЭ в Санкт-Петербурге, делится: «Библиотека может быть полезна исследователям, так как предоставляет возможность не только повторять доступные в других программах функции, но и применять новые алгоритмы для создания более мощных моделей в таких областях, как маркетинг, диагностика когнитивных процессов, разработка пользовательских интерфейсов и нейроинтерфейсов (где управление и взаимодействие с программой осуществляется посредством движения глаз). Это позволяет комбинировать компоненты для получения новых результатов и улучшения методологии».

Разработка упрощает анализ данных и ускоряет создание предсказательных моделей, что особенно актуально в медицинской диагностике, маркетинге и при изучении когнитивных процессов. Библиотека уже была использована в исследованиях стратегического проекта «ИИ-технологии для человека» и была представлена на международной конференции ECEM 2024 в Ирландии.

Проект реализован в рамках стратегического проекта «ИИ-технологии для человека» («Приоритет-2030»).