从市场营销到用户体验和人机交互设计，关注用户的注意力指标都至关重要。

了解用户的注意力有助于评估广告的效果。例如，密切关注广告的人更有可能对品牌产生好感并重复购买。在用户体验研究中，追踪注意力有助于了解用户关注什么以及他们如何参与内容。这类数据可以帮助设计师更好地进行界面设计。

本文向您介绍如何在FaceReader中使用自定义表达式来测量注意力。

使用 FaceReader 轻松实现注视追踪

传统的注意力测量方法是使用眼动仪。这种方法有效但需要购买额外的设备与软件，还需要进行额外的校准步骤。这可能既昂贵又耗时。

相比之下，像诺达思的面部表情分析系统（FaceReader） 这样的面部表情分析工具只需要一个网络摄像头，十分易用高效。

为了确保 FaceReader 能够有效地测量注意力，来自VicarVision的研究团队对创建的几种自定义表情进行了验证。

构建注意力数据库

为了创建一个强大的数据库来验证注意力检测，研究者采用了两种方法：

• 从过往研究中挑选被试；

• 招募更多的被试，并指导他们改变注意力，比如看别处或看手机。

通过这种方法获得了一个由 101 名被试组成的数据库，每人平均提供 1.5 分钟的视频片段。

随后根据预先确定的协议对视频进行人工标记，分析评分者之间的一致性高达 99%。人工标记需要逐帧查看视频，对行为进行分类。这需要做大量的工作，但这为后续实验中对自定义表达方式进行比较打下了可靠的基础。

如何更好地检测注意力？

注意力是一个复杂的过程。它既涉及个体的内部认知焦点，也涉及更明显的注意力外部表现。

在本研究中，研究者主要通过头部朝向和注视方向等外部可见的行为线索来评估注意力。这种类型的测量结果可能与被试自我报告的注意力不同，后者通常涉及内部的主观因素。这就是为什么同时测量隐性（视觉）和显性（自我报告）注意力测量结果如此重要的原因。它有助于更全面地理解注意力发生的全过程。

研究创建了几种自定义表情，以找到有效的注意力检测组合。其中，主要关注注视方向和头部朝向，并对于每种自定义表情均进行了以下测量：

• 灵敏度：检测注意力的准确性

• 特异性：检测注意力缺失的准确性

当被试遇到了如光线不足或部分可见的情况，可能会影响结果。为了避免此类异常值的影响，研究使用了中位数进行分析。

探索注意力的最佳自定义表达

FaceReader 中的自定义表情由不同的输入值组成，如面部动作单元和头部朝向。动作单元（AU, Action Unit）模块中的自定义表情功能允许研究者进行多种简单或复杂的操作。

仅使用头部朝向（偏转和俯仰）测量的结果是灵敏度高，但特异性低。换句话说，这些测量方法能准确检测出注意力，但不能检测出注意力缺失的情况。如果将注视方向也包括在内时，特异性显著提高，使注意力分类更加可靠。总之，这是一种经过充分验证的自定义表达方式，平均准确率高达 0.87，灵敏度（0.88）和特异性（0.85）均达到最佳水平。

此外，有些具有挑战性的情况会使注意力检测变得复杂。例如，在被试转头但眼睛始终盯着屏幕的情况下，需要使用更复杂的自定义表达式来保持准确性。增加额外的计算能够更好地处理这些具有挑战性的情况。这种方法虽然增加了复杂性，但却使注意力检测更加可靠。

FaceReader 的注意力检测提供了一种可靠的方法来了解用户的注意力集中在哪里。具体来说，本研究表明，将注视方向和头部朝向测量结合起来，可以获得最高的注意力检测准确率。

应用注意力指标改进您的研究

有兴趣在您自己的研究中使用注意力检测指标吗？ 

如果您已经使用 FaceReader并拥有动作单元模块，就可以立即开始使用附带的注意力自定义表达式对注意力进行分析。此外，诺达思还提供其他已有的自定义表达式，如果您感兴趣，请随时联系我们！

而对于需要在线工具的研究来说，在线面部表情分析系统（FaceReader Online）则是一个不错的选择。它专为广告、市场研究和用户体验等领域的专业人士设计。使用 FaceReader Online，您可以评估哪类内容吸引用户，从而更容易做出数据驱动型决策。

总之，无论是用于市场营销、用户体验还是心理学研究，FaceReader 都能帮助您对用户的参与情况有更深入的了解。

关注诺达思公众号，联系我们获取更多产品信息及学术文章！