Il motivo per cui quella scoperta è ancora vera è perché si basa sul comportamento umano di base. Anche se i massicci cambiamenti tecnologici hanno cambiato alcuni comportamenti, il nostro cervello continua a dettare le sue leggi.

La metodologia del tracciamento oculare

Le apparecchiature di tracciamento oculare registrano lo sguardo di un utente mentre utilizza un’interfaccia. Questo tipo di ricerca è utile per molti scopi (inclusa la valutazione del visual design), ma è particolarmente utile per studiare ciò che le persone leggono (… e non leggono) online.

La maggior parte degli studi contiene sia una parte quantitativa che qualitativa. Negli studi di tracciamento oculare quantitativo, i ricercatori aggregano il comportamento visivo di un gran numero di partecipanti. I risultati includono mappe di calore e metriche dello sguardo (ad esempio, il numero medio di fissazioni su un particolare elemento di interesse nell’interfaccia).
Negli studi di eyetracking. qualitativo, i ricercatori analizzano i comportamenti di visualizzazione dei singoli utenti attraverso gazeplot e replay dello sguardo. Il gazeplot è un metodo che evidenzia la scaletta con cui un consumatore visualizza le cose. Tramite questa tecnica di eyetracking. è possibile interpretare quali prodotti hanno maggior visibilità e priorità basandosi su dati schematizzati sotto forma di cerchi.

In molti casi è stato chiesto ai partecipanti all’indagine di portare i propri compiti (per il lavoro, la scuola o la vita personale) da svolgere per questa parte della sessione che ha coinvolto oltre 500 partecipanti e più di 750 ore di eyetracking.

Ultimamente un piccolo studio è stato condotto in due sedi molto lontane fra loro, non solo in senso chilometrico, ma soprattutto in senso culturale: Raleigh, North Carolina, USA (48 partecipanti) e Pechino, Cina (12 partecipanti). Basti pensare alla completa differenza di esposizione dei concetti costituita dall’alfabeto occidentale in un caso e dagli ideogrammi nell’altro.

Si scoperto che i modelli comportamentali, inclusi i modelli di lettura, sono molto simili tra lingue e culture, perché si basano sul comportamento umano: anche quando alla base troviamo differenze culturali, come quelle notevolmente presenti quando confrontiamo le culture americane o europee con le culture asiatiche. La parte qualitativa dello studio condotto a Pechino mirava a identificare l’eventuale influenza delle differenze culturali nell’elaborazione visiva dei contenuti online, se esistevano. Macché: gli occhi si muovevano allo stesso modo.

Che cosa è cambiato in trent’anni?

Negli ultimi anni la diffusione esponenziale degli smartphone ha stravolto il layout di lettura da orizzontale a verticale rispetto ai primi anni in cui era stata condotta l’analisi. Dal 2006, i modi in cui si presentano testi e immagini sono cambiati. Design reattivo significa che il contenuto può essere visualizzato in modo flessibile a seconda della larghezza della finestra o delle dimensioni del dispositivo. Di conseguenza, alcuni aspetti creativi validi precedentemente per catturare l’attenzione del lettore non vanno più bene. Ad esempio, nei primi anni si raccomandava ai redattori di utilizzare un “layout liquido” invece di un “layout fisso” per il testo. Sebbene quella raccomandazione fosse utile all’epoca, l’affermazione del responsive design ha reso così ovvio quell’approccio, che non abbiamo più bisogno di raccomandarlo.

Inoltre, l’aumento della popolarità delle tabelle di confronto e dei layout a zigzag (dove testo e immagini si alternano in ogni riga della pagina) ha coinciso con lo sviluppo di un nuovo comportamento nello sguardo del lettore. Nelle pagine con celle di contenuto distinte, le persone spesso elaborano quelle celle in uno schema che viene definito “a tosaerba”: iniziano nella cella in alto a sinistra, si spostano a destra fino alla fine della riga, quindi scendono alla riga successiva, si spostano a sinistra fino alla fine della riga, scendono nella riga successiva e così via. (Il nome di questo modello è ispirato al modo in cui un tosaerba va avanti e indietro in un prato: non torna mai a capo, ma ottimizza metodicamente il suo percorso).

La gaze estimation

Si tratta della stima di come si muove lo sguardo basata sul deep learning: il tema è sottoposto a continua revisione allo scopo di stabilire anche un benchmark di comportamento. Uno degli studi più interessanti è quello realizzato dai cinesi Yihua Cheng, Haofei Wang, Yiwei Bao, Feng Lu che prevede quattro prospettive: estrazione profonda delle funzionalità, progettazione dell’architettura della rete neurale profonda, calibrazione personale, nonché dispositivo e piattaforma. I metodi implementati e i codici di elaborazione dei dati sono disponibili a questo URL (… è in cinese, ma fortunatamente basta farlo tradurre da Google).

La stima dello sguardo umano svolge un ruolo importante in molte applicazioni nell’interazione uomo-computer e nella visione artificiale identificando il punto di interesse degli utenti. Gli sviluppi rivoluzionari del deep learning hanno catturato un’attenzione significativa nella letteratura sulla stima dello sguardo. Le tecniche di stima dello sguardo sono progredite da ambienti vincolati per utente singolo ad ambienti non vincolati multiutente con l’applicabilità delle tecniche di deep learning in ambienti complessi non vincolati con ampie variazioni. Gli approcci all’avanguardia sono quelli basati su architetture di modelli di deep learning, sistemi di coordinate, vincoli ambientali, set di dati e metriche di valutazione delle prestazioni.