Decodificación de la discriminabilidad del objetivo y la presión del tiempo utilizando características de movimiento...

Área de la Ciencia:

• Interacción hombre-ordenador
• Ciencias cognitivas
• Realidad virtual

Sus antecedentes:

• La toma de decisiones efectiva en las operaciones militares se basa en una búsqueda visual rápida.
• La realidad virtual (VR) ofrece un entorno controlado para estudiar comportamientos complejos de búsqueda visual.
• Los movimientos de los ojos y la cabeza son indicadores clave de las estrategias de atención y búsqueda.

Objetivo del estudio:

• Investigar cómo las métricas de movimiento de ojos y cabeza pueden inferir cambios en el comportamiento de búsqueda.
• Determinar la utilidad combinada de los datos de movimiento de ojos y cabeza en la clasificación de las condiciones de búsqueda.
• Explorar las contribuciones diferenciales de las métricas del ojo y la cabeza para comprender los cambios inducidos por la tarea.

Principales métodos:

• Treinta y un participantes realizaron una tarea de búsqueda visual en realidad virtual utilizando una pantalla montada en la cabeza (HMD) con seguimiento ocular.
• Los parámetros de la tarea incluían la discriminabilidad variable del objetivo (fácil/difícil) y la presión del tiempo (baja/alta).
• Los clasificadores de vectores de soporte fueron entrenados utilizando características de movimiento de ojos y cabeza para predecir las condiciones de la tarea.

Principales resultados:

• El aumento de la dificultad de discriminación y la presión de tiempo afectaron el rendimiento (tiempos de respuesta más lentos, reducción de la d-prime).
• Las características combinadas de movimiento de ojos y cabeza dieron la clasificación más precisa del comportamiento de búsqueda.
• Las características oculares (fijación) fueron fuertes para la discriminabilidad, mientras que las características de la cabeza (cinemática) fueron importantes para la presión del tiempo.

Conclusiones:

• Las métricas de movimiento de ojos y cabeza proporcionan información complementaria para comprender la búsqueda visual.
• La integración de los datos de movimiento de ojos y cabeza mejora la clasificación de los cambios inducidos por la tarea en el comportamiento de búsqueda.
• Esta investigación ofrece información sobre la optimización del entrenamiento y el rendimiento en entornos de búsqueda visual de alta presión.