但这究竟说明什么？——理解眼动结果（五）
原文链接：http://blog.eyetools.net/eyetools_research/2007/09/but-what-does-1.html
五、时间和热区图
在以前的帖子，我曾提到热区图没有时间成分。有人曾要求我更详细地讨论这个话题，下面我们就开始吧。
重点1：
热区图代表一组参试看到的内容。热区图有助于回答这些问题：“用户看了哪里？”和“用户没看哪里？”
重点2：
如果你正在分析热区图，你可能会说：“好吧，这一时刻我们不关心人们盯着物体看了多久，只想知道他们看了什么。”
热区图并不回答以下问题：
- 有人在我的网页或网页元素上看了多久？
- 用户转移目光或者回视了吗？
为了进一步澄清这些问题，这里有一个关于如何创建热区图的概述（点击插图查看大图）：
 |
单个用户查看一个网页。我们记录了她浏览网页时的眼动。这使我们获得了能在凝视点回放动画中重播的有用数据。
现在想象该动画是由一叠静态图片组成，就像一个手翻书（flip book）。我们眼睛追踪“手翻书”的每一页都包含单一注视点的X坐标、Y坐标和时间坐标。 |
 |
第2步：沿时间维度合并单个数据集（data sets） 继续想象我们的眼动追踪数据是一个手翻书（三维数据结构）。现在我们沿时间轴合并数据。这种计算的最基本形式是在网页上标出参试的每个注视点。通过合并时间维度，我们将其从所有进一步计算中剔除（噗！） 这意味着，有人盯着页面中心看100ms的结果与其他人盯着页面中心看更长时间的结果相同。 当然，做这种计算的算法要比我这里介绍的例子复杂的多。任何热点图的算法都应考虑到边缘视觉、微眼跳（microsaccades）、眨眼、注视时间、“坏数据”，视觉漂移，动态网页行为等，现在让我们继续简化例子。 步骤1和步骤2现在都完成了，嗯，总共用了15人。这让我们得到了15个人的注视点叠加图。 |
 |
第3步 ：计算每个网页像素的平均浏览值 同样地，实际用在本步的算法比这里的例子要复杂得多，但基本的思想是… 对网页上的每个像素来说，系统询问“有多少人看到了这个像素？”如果一组中有15人，其中10人看到这个像素，则算法会说：“ 66％的人看到了这个像素…在图上把它标为黄色。” |
 |
用这种平均算法生成的热区图显示参试看到每个页面元素的比例，并避免了任何单个数据导致整体热区图发生偏差。例如，设想有14人盯着页面中心看，有 1人看了整个页面。即使该参试看到了比别人多的面积（也许也花费了更多的时间），但她仍然只占15人小组的6.7％。由此热区图会显示，100％的人看了屏幕中心，而只有少于10％的人看了别处。 |
其他被提到的问题：
如果你只用前10秒观看的数据生成热区图，这样不会给它增加时间成分吗？
答案是否定的。无论时间采样多大，计算热区图的方法都是相同的。当你切分特定时间段时，你就选择了计算热区图所需的特定注视点集合。最终的热区图仍然没有时间成分。
特定时段热区图是不是比整个实验阶段热区图更有效？
我猜想这取决于你想从图表中得到什么信息。如果你想知道人们最初10秒看了哪里，时间切片的热区图是适当的。如果你正想了解页面元素的查看顺序，热区图可能是错误的分析工具。如果你想看看人们在整个实验阶段都在查看哪里，就需要整个时段的热区图。
这是《但这究竟说明什么？》系列的最后计划部分。但是，讨论并未结束，因此如果任何人有兴趣讨论其他问题，请告诉我。
据我所知现在的热区图可以根据两种算法来创建：
一种是基于注视点数量（就是本文中所提到的方法），另一种是基于注视总时间。作者这里讲的实际上是第一种算法。但如果用第二种算法创建的热区图，虽然热区图仍然不带有注视如何随时间流逝而变化的信息，不过也并不会出现“有人盯着页面中心看100ms的结果与其他人盯着页面中心看更长时间的结果相同。”的情况。