日常移动设备交互过程中用户视觉注意力的量化
眼动追踪与注视交互环境感知与上下文计算
我们首次提出了一个现实世界的移动设备用户现场视觉注意力数据集和定量评估,即在日常生活中使用设备时的注意力。理解用户注意力是移动人机交互的核心研究挑战,但以前的方法依赖于使用日志或自我报告,这些只是代理,因此既不能完全也不能准确地反映注意力。我们的评估基于日常生活移动视觉注意力(EMVA)——一个新的包含32名参与者的数据集,其中包含超过两周在现实生活中使用前置摄像头录制的约472小时的视频片段,以及相关的使用日志、交互事件和传感器数据。通过使用眼接触检测方法,我们首次量化了用户、移动应用程序和使用场景之间日常视觉注意力的高度动态特性。我们讨论了分析中的关键见解,这些见解突出了潜在的设计未来移动注意力用户界面的信息。
研究问题 / 现实痛点
这篇论文在当前问题库中对应的问题线索。
当前问题库还没有收录这篇论文的问题与痛点。
- 100%
多点触摸表面用户识别的统一模型。综述与元分析。
CHI '18· 眼动追踪与注视交互 +1
- 100%
基于交叉的移动目标选择中的终点不确定性建模
CHI '20· 眼动追踪与注视交互 +1
- 100%
使用基于音频的生态瞬时评估收集自我报告的身体活动和姿势数据
UbiComp '24· 眼动追踪与注视交互 +1
- 67%
你的眼睛说明了一切:利用平滑追踪评估认知工作负荷
CHI '18· 眼动追踪与注视交互 +2
- 67%
FaceOri: 使用耳塞上的超声测距追踪头部位置和方向
CHI '22· 眼动追踪与注视交互 +1
- 67%
通过用户视角手机遮挡选择真实世界对象
CHI '23· 手部手势识别 +2
- 67%
Gensors:利用多模态基础模型与推理构建个性化视觉传感器
IUI '25· 眼动追踪与注视交互 +2
基于研究子主题与职业分类的 Jaccard 相似度(≥60%)
快捷操作
广告推荐
学习 AI 编程到 CodeNow
open_in_new打开DOI链接
DOI: https://doi.org/10.1145/3313831.3376449
一眼看懂
fact_check论文快照
dataset
来源
CHI
calendar_month
年份
2020
emoji_events
奖项
未标记奖项
group
作者
3 位作者
sell
研究子方向
眼动追踪与注视交互、环境感知与上下文计算
work
职业/产业
—
article
内容状态
仅摘要
hub
相关论文
7 篇相关论文