誠實測量瀏覽器視訊眼動追蹤：基於擷取時鐘的方法與開源參考實作
arXiv - Human-Computer InteractionChi-Sheng Chen, Gabriel A. Brat
本文提出一種透過瀏覽器 API 獲取真實影像擷取時間的新方法，以解決現行眼動追蹤延遲測量不準確的問題。
AI 幫你先抓重點
AI 重點 1
重新定義「延遲」的測量標準：從數據輸出轉向影像擷取。
滑鼠懸停看 AI 判斷理由
這項洞察對於開發高精確度教育工具至關重要。如果研究者誤以為延遲極低，可能會在需要即時回饋的學習情境（如自適應學習系統）中做出錯誤的設計決策，導致教學干預與學生行為脫節。
AI 重點 2
透過開源工具實現技術透明度與可驗證性。
滑鼠懸停看 AI 判斷理由
在教育科技研究中，數據的可靠性是建立科學證據的基礎。提供可驗證的下限測量方法，能讓研究者在進行大規模群眾規模（crowd-scale）數據收集時，更具信心地評估其技術效能。
核心研究發現
- 1
指出目前瀏覽器眼動追蹤常見的錯誤測量方式：僅記錄數據發出的時間而非影像擷取時間，導致延遲數據虛假地趨近於 0 毫秒。
- 2
開發出一種利用 rVFC API（如 captureTime 或 presentationTime）來恢復每幀影像擷取時鐘的新技術，能精確配對來源幀與推論結果。
- 3
透過開源的 TypeScript 實作與基準測試工具，在 WebGazer 與新型 FaceMesh+KRR 引擎上驗證了該方法能提供真實的延遲下限。
對教育工作者的啟發
對於開發「基於眼動追蹤的自適應學習系統」的開發者而言，這項研究提醒我們必須關注技術底層的真實延遲。在設計需要即時反應的教學干預（例如：當學生眼神游離時立即給予提醒）時，若系統延遲未被正確評估，可能會導致干預時機錯誤，進而影響學習成效。建議開發者在評估 Web 端眼動追蹤工具時，應採用本文提出的「擷取時鐘」方法，而非僅依賴軟體回報的輸出延遲，以確保教學數據的精準度與系統的實用性。
原始文獻資訊
- 英文標題：
- Measuring Browser Webcam Gaze Honestly: A Capture-Clock Methodology and Open Reference Implementation
- 作者：
- Chi-Sheng Chen, Gabriel A. Brat
- 來源：
- arXiv - Human-Computer Interaction
- AI 摘要模型：
- /models/gemma-4-26B-A4B-it
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。