Искусственный интеллект и машинное обучение становятся незаменимыми помощниками в изучении движений глаз, однако существующие программные решения часто не отвечают растущим потребностям исследователей. Ключевые проблемы включают недостаточную гибкость настроек и сложности при интеграции с другими специализированными инструментами. Именно эти вызовы успешно решает новая разработка.
Специалисты Лаборатории социальной и когнитивной информатики ВШЭ в Санкт-Петербурге представили инновационную Python-библиотеку EyeFeatures — многофункциональный инструмент для работы с данными айтрекинга. Эта передовая разработка предоставляет исследователям широкие возможности для обработки информации, получаемой с помощью устройств слежения за движением глаз.
Процесс анализа движений глаз представляет собой комплексную задачу, требующую многоступенчатого подхода. Учитывая особенности движения зрачков, которые перемещаются не плавно, а дискретными переходами между точками фиксации, первостепенной задачей становится определение этих ключевых зон концентрации взгляда. Следующий этап включает вычисление важнейших метрик, таких как продолжительность фиксации и дистанция между фокусными точками, что позволяет создавать эффективные прогностические и диагностические модели.
EyeFeatures предлагает комплексный набор модулей, позволяющих осуществлять полный цикл обработки данных. Благодаря гибкой архитектуре библиотека легко встраивается в существующие научные и коммерческие проекты, обеспечивая полноценную обработку данных — от первичной информации до готовых аналитических моделей. Особенно эффективно применение библиотеки в маркетинговых исследованиях, где анализ движения глаз пом
