赶上iCatcher:基于训练有素的人类编码器和iCatcher+自动注视编码软件对婴儿眼睛跟踪的比较分析

科学领域:

• 发展心理学 发展心理学
• 认知科学 认知科学
• 人与计算机的交互

背景情况:

• 眼睛跟踪对于理解婴儿的认知,感知和社交行为至关重要.
• 传统的婴儿眼神分析是昂贵或劳动密集的.
• 需要自动化工具来使婴儿眼睛跟踪更容易获得.

研究的目的:

• 为了比较基于AI的自动注释工具iCatcher+的准确性,与受过训练的人类编码器进行比较.
• 评估iCatcher+的可行性,用于主流婴儿眼睛追踪研究.
• 评估iCatcher+对研究效率和成本的影响.

主要方法:

• 利用288个视频从一个词学习实验与12个月大的婴儿.
• 比较了iCatcher+生成的注释与受过训练的人类编码者的注释.
• 评估了协议率和两种注释系统识别的效应模式.

主要成果:

• 在iCatcher+和人类注释之间发现了很好的一致性 (88%),与编码器间一致性 (90%) 相比.
• 无论是iCatcher+还是人类注释系统都在数据中发现了相同的影响模式.
• 这些发现支持iCatcher+作为手动注释的可靠替代方案.

结论:

• iCatcher+是一个可行的,准确的工具,用于婴儿的眼神注释.
• 这种人工智能工具可以显著提高婴儿眼睛跟踪研究的效率并降低成本.
• iCatcher+有可能扩大婴儿研究的经验范围.