决定参与者数据质量的因素： crowdsourced webcam眼动跟踪AI访谈的范围性综述与案例研究
人机交互
2026-05-06 v1
摘要
基于摄像头的眼动跟踪是一种成本有效、可扩展的远程研究方法，能够有效到达更广泛的人群。然而，由于受控环境和硬件多样性，众包数据质量不一致。为评估当前实践，我们对2011-2025年的众包眼动跟踪进行了范围性综述。该综述确认了报告碎片化且缺乏 established quality基准。为弥补这种缺乏预测性洞察的不足，我们对使用RealEye平台进行AI公平性访谈（N=205）的案例研究进行了分析。对平台质量指标应用有序Logistic回归（OLR），我们发现行为因素和技术因素显著预测数据质量。具体而言，在RealEye平台上， fixation次数更多、会话较短、操作系统选择得更高，都显著导致更高的质量等级。基于本综述和平台特定的预测性见解，我们提供了 actionable建议，以增强未来众包webcam眼动跟踪在人机交互和行为科学中的可靠性、透明度和可复制性。
引用
@article{arxiv.2605.02898,
title = {What Shapes Participant Data Quality? A Scoping Review and Case Study of Crowdsourced Webcam Eye Tracking in AI Interviews},
author = {Ka Hei Carrie Lau and Enkelejda Kasneci},
journal= {arXiv preprint arXiv:2605.02898},
year = {2026}
}