Исследовательская группа из Высшей школы экономики разработала Python-библиотеку EyeFeatures, предназначенную для анализа и моделирования данных движений глаз. Инструмент призван облегчить работу ученых и разработчиков, предоставляя им возможность эффективно обрабатывать сложные данные и строить предсказательные модели. Проект реализован в рамках стратегического проекта «ИИ-технологии для человека» («Приоритет-2030»). Об этом CNews сообщили представители ВШЭ.
Современные исследования активно используют машинное обучение и искусственный интеллект для анализа больших объемов данных движений глаз. Однако, несмотря на значительный прогресс в этой области, имеются проблемы, ограничивающие эффективность таких методов. Одна из них — недостаточная гибкость существующих программных решений. Они часто предлагают ограниченный набор настроек параметров, что затрудняет адаптацию к специфическим задачам исследования. Кроме того, слабым местом остается интеграция этих инструментов с другими специализированными программами.
Python-библиотека EyeFeatures, разработанная в Лаборатории социальной и когнитивной информатики ВШЭ в Санкт-Петербурге, решает эти проблемы и предлагает удобный набор инструментов для работы с данными движений глаз. Она включает модули для обработки и анализа данных, полученных с помощью айтрекеров — устройств, фиксирующих движение глаз при выполнении различных задач
Обработка данных о движении глаз — сложный процесс, который состоит из нескольких этапов. Поскольку зрачки глаз движутся не плавно, а скачкообразно, последовательно фокусируясь в определенных точках, первый этап обработки данных заключается в нахождении областей фиксации. На втором этапе производится расчет таких показателей, как средняя длительность фиксации взгляда и среднее расстояние между точками, которые позволяют создавать первые простые предсказательные или диагностические модели.
Все этапы обработки данных можно осуществлять с помощью различных модулей библиотеки EyeFeatures. Гибкий, модульный подход позволяет легко интегрировать обработку данных движений глаз в существующие исследовательские и коммерческие проекты, начиная с сырых данных и заканчивая готовой предиктивной или объяснительной моделью. Например, применение библиотеки в маркетинговых исследованиях позволит оценивать реакцию потребителей на рекламу. Анализ движения глаз покажет, какие именно элементы привлекают наибольшее внимание аудитории.
«Библиотека может быть полезна исследователям, так как позволяет не просто повторять то, что и так было доступно в другом софте, а применять новые алгоритмы и создавать более мощные модели для исследований в таких направлениях, как маркетинг, диагностика когнитивных процессов, разработка пользовательских интерфейсов и нейроинтерфейсов (когда само управление и взаимодействие с программой происходит посредством движения глаз), комбинировать компоненты таким образом, чтобы получать новые результаты и совершенствовать методологию», – сказал Антон Сурков, руководитель проекта, младший научный сотрудник Лаборатории социальной и когнитивной информатики НИУ ВШЭ в Санкт-Петербурге.
Разработка упрощает процесс анализа данных и ускоряет создание предсказательных моделей, что особенно полезно в медицинской диагностике, маркетинге и при изучении когнитивных процессов. Библиотека уже нашла применение в исследованиях стратегического проекта «ИИ-технологии для человека» и была представлена на международной конференции ECEM 2024 в Ирландии.
Поделиться