Precisão em eye tracking: como se mede

A precisão é o parâmetro mais importante de qualquer estudo de eye tracking. Se o sistema não registra onde os participantes realmente olham, todo o resto dos dados fica sobre terreno instável. Como cada montagem é diferente — de monitores em laboratório a óculos de eye tracking em movimento —, existem várias formas de determinar a precisão de um sistema. Neste artigo revisamos os métodos mais usados para medi-la: cada um tem forças e limites, e entender esses compromissos ajuda a escolher a abordagem adequada para cada pesquisa.

Erro em pixels

O erro em pixels é uma das formas mais habituais de medir a precisão. Indica quão boa foi a calibração: quantifica-se como a quantidade média (ou máxima) de pixels em que o olhar medido se desvia dos pontos reais de calibração. É a diferença entre o ponto de calibração real (por exemplo, um ponto na tela) e o lugar onde o sistema acredita que a pessoa estava olhando.

• Um erro em pixels mais baixo significa uma calibração mais precisa.
• Por exemplo, se o ponto de calibração está em (500, 400) e o sistema detecta o olhar em (505, 398), o erro seria de uns 5 ou 6 pixels.

Apresentar a precisão em pixels pode gerar valores enganosamente altos em telas pequenas, ainda que os dados sejam bons. Isso se deve à diferente densidade de pixels (PPI) entre monitores de mesa e telefones ou tablets: quanto menor o dispositivo, maior o PPI. Como referência, um telefone moderno concentra uma resolução muito alta em uma tela pequena, enquanto um monitor de mesa distribui seus pixels por uma superfície muito maior. Ou seja, telefones e tablets costumam apresentar um erro em pixels maior que um monitor, simplesmente porque concentram os pixels em uma moldura menor com a mesma resolução.

Por que medir em pixels?

Nos sistemas de eye tracking de tela, reportar a precisão em pixels costuma ser o mais prático. Como o olhar do participante sempre se dirige a uma tela definida, o erro em pixels reflete diretamente quão longe o ponto de olhar medido está do alvo nessa mesma tela. Isso torna a interpretação direta: se o erro é de 20 pixels, sabe-se imediatamente o quanto a estimativa se desvia dentro do conteúdo digital — um site, um vídeo ou uma interface. Como as áreas de interesse (AOIs) também são definidas em pixels, o erro escala naturalmente com elas e dá uma noção direta de como impacta as análises por AOI.

Precisão em sistemas multicâmera

Se você trabalha com um sistema que constrói um modelo do ambiente com várias câmeras, já não está limitado à referência de uma tela plana. Nessas montagens, a precisão do olhar é definida em relação a objetos e distâncias no espaço físico: em vez de pixels, os desvios são expressos diretamente em unidades reais, como centímetros ou metros.

Erro angular

O erro angular é outra medida muito usada. Descreve a distância angular, em graus de ângulo visual, entre o lugar onde a pessoa realmente olhava (o alvo de calibração) e o ponto onde o sistema estimou seu olhar.

• Ao calibrar, o participante olha pontos específicos na tela ou no ambiente.
• O sistema estima a posição do olhar.
• O erro angular é a distância angular entre o ponto real (onde deveria olhar) e o ponto medido (onde o sistema acredita que olhou).

Por que medir em graus e não em pixels?

Se a precisão fosse reportada apenas em pixels, o resultado ficaria preso a uma resolução, um tamanho de tela e uma distância de visão específicos. O mesmo erro poderia parecer muito diferente conforme a pessoa esteja perto de um laptop pequeno ou longe de um monitor grande. Ao expressar a precisão em graus de ângulo visual, a medida se torna independente da montagem. Um erro angular de 1° representa o mesmo desvio para o olho do participante, não importa a tela. Na prática, 1° equivale a aproximadamente 1 cm a 57 cm de distância, ou uns 2 cm a 114 cm. Isso faz do erro angular um padrão consistente para comparar a precisão entre estudos. Valores típicos:

• Eye trackers de mesa de alta qualidade: cerca de 0,3° a 0,5° de erro angular.
• Sistemas móveis ou de óculos: frequentemente de 0,5° a 1,0°, ou mais.

O que pode afetar a precisão do eye tracking

Convém entender o que "precisão" realmente significa. Como se mencionou, em telas pequenas pode parecer que ela cai, mas isso é apenas um efeito de como o desvio em pixels se visualiza em telas pequenas: não significa que o sistema seja menos preciso. Dito isso, há fatores do mundo real que sim afetam quão bem um eye tracker mede o olhar. Os mais comuns:

• Óculos com grau forte ou lentes progressivas: distorcem a luz e dificultam a leitura correta do olhar.
• Óculos com revestimento que bloqueia infravermelho: como a maioria dos eye trackers usa luz infravermelha, essas lentes reduzem a precisão ou impedem o registro.
• Óculos sujos ou muito reflexivos: as manchas, a gordura ou o brilho intenso interferem nos sensores.
• Condições oculares: pessoas com nistagmo ou similares podem calibrar mal.
• Elementos que cobrem o rosto: usar boné e máscara ao mesmo tempo pode cobrir os olhos e afetar o registro.

Boas práticas para pesquisadores

Para obter os resultados mais precisos, convém seguir alguns passos práticos:

• Em telas pequenas: verifique manualmente a calibração antes de começar, pedindo ao participante que fixe o olhar em pontos específicos.
• Participantes com óculos: exclua quem usa lentes com bloqueio de infravermelho ou progressivas; os demais podem ser incluídos ou excluídos conforme a qualidade da calibração.
• Participantes com certas condições: quem passou por cirurgia ocular ou apresenta nistagmo costuma calibrar mal e, em geral, convém excluir.
• Iluminação do ambiente: use luz controlada que evite fontes de infravermelho. A luz zenital ou frontal é a melhor, mas evite o reflexo sobre os óculos.
• Ergonomia: use uma cadeira fixa para minimizar o movimento da cabeça, combinada com uma mesa de altura regulável que se adapte a cada participante.