Registro y análisis de emociones a partir de datos obtenidos desde el eyetracking
Palabras clave:
Eyetracking, emociones, variables, diámetro pupilar, estímulos visualesResumen
DOI: https://doi.org/10.46296/ig.v8i15.0230
Resumen
Este estudio analiza las respuestas emocionales a estímulos visuales utilizando el dispositivo de seguimiento ocular eyetracking, que rastrea los movimientos oculares y mide la atención visual. Las emociones influyen en la percepción de la información visual, generando diferentes patrones de atención ante estímulos positivos y negativos. El objetivo general de este estudio es registrar y analizar las emociones a partir de datos obtenidos mediante eyetracking. La metodología se basa en la recopilación, análisis y procesamiento de datos. Se seleccionó un grupo de 40 participantes, quienes fueron expuestos a diferentes estímulos visuales, incluyendo imágenes tanto positivas como negativas. Se midieron cinco variables claves: Duración Total de las Fijaciones (DTF), Duración Promedio de las Fijaciones (DPF), Número Total de Fijaciones (NTF), Número de Sacadas (NS) y Diámetro Promedio de la Pupila durante las Fijaciones (DPPF). Los resultados indicaron que las imágenes negativas generaron un 15.3% más de duración promedio de fijación (DPF: 175.33 ms) en comparación con las imágenes positivas (DPF: 168.66 ms). En cuanto a la Duración Total de las Fijaciones (DTF), las imágenes positivas (117.61 ms) y negativas (116.07 ms) presentaron medias comparables, con una diferencia del 1.3%. El análisis del Diámetro Promedio de la Pupila durante las Fijaciones (DPPF) reveló que las imágenes positivas generaron un diámetro pupilar promedio de 3.10 mm, un 10.7% mayor que las imágenes negativas (2.80 mm). Estos hallazgos respaldan la teoría de que, si existen diferencias significativas, de que las emociones negativas provocan una atención más intensa y prolongada, mientras que las emociones positivas, aunque atractivas, no generan la misma necesidad de evaluación en muchos casos; mostrando que existen diferencias en las variables antes mencionadas al momento de presentar estímulos positivos y negativos. Este estudio contribuye al entendimiento del proceso emocional en respuesta a estímulos visuales y proporciona una base para futuras investigaciones sobre la relación entre emociones y percepción visual.
Palabras clave: Eyetracking, emociones, variables, diámetro pupilar, estímulos visuales.
Abstract
This study analyzes emotional responses to visual stimuli using the eyetracking device, which tracks eye movements and measures visual attention. Emotions influence the perception of visual information, generating different attention patterns to positive and negative stimuli. The general objective of this study is to record and analyze emotions from data obtained through eyetracking. The methodology is based on data collection, analysis and processing. A group of 40 participants was selected, who were exposed to different visual stimuli, including both positive and negative images. Five key variables were measured: Total Fixation Duration (TFD), Average Fixation Duration (ADF), Total Number of Fixations (TNF), Number of Saccades (NS) and Average Pupil Diameter during Fixations (APD). The results indicated that negative images generated a 15.3% longer average fixation duration (TPD: 175.33 ms) compared to positive images (TPD: 168.66 ms). Regarding Total Fixation Duration (TFD), positive (117.61 ms) and negative (116.07 ms) images presented comparable means, with a difference of 1.3%. The analysis of Average Pupil Diameter during Fixations (APD) revealed that positive images generated an average pupil diameter of 3.10 mm, 10.7% larger than negative images (2.80 mm). These findings support the theory that, if significant differences exist, negative emotions provoke more intense and prolonged attention, while positive emotions, although attractive, do not generate the same need for evaluation in many cases; showing that there are differences in the aforementioned variables when presenting positive and negative stimuli. This study contributes to the understanding of the emotional process in response to visual stimuli and provides a basis for future research on the relationship between emotions and visual perception.
Keywords: Eyetracking, emotions, variables, pupil diameter, visual stimuli.
Información del manuscrito:
Fecha de recepción: 12 de agosto de 2024.
Fecha de aceptación: 15 de octubre de 2024.
Fecha de publicación: 10 de enero de 2025.
Citas
Coppola, M. (2023). Qué es el Eye Tracking, cómo funciona y para qué sirve? Obtenido de Hubspot: https://blog.hubspot.es/website/eye-tracking
Corbin, J. A. (2016). Psicología emocional: principales teorías de la emoción. Obtenido de psicologiaymente: https://psicologiaymente.com/psicologia/psicologia-emocional
Hessels, R., & Hooge, I. (2019). Eye tracking in developmental cognitive neuroscience – The good, the bad and the ugly. Developmental Cognitive Neuroscience, págs. 2-11.
Imotions. (2023). Eye Tracking. Obtenido de Imotions: https://imotions.com/eye-tracking/
Lim, J. Z., Mountstephens, J., & Teo, J. (2020). Emotion Recognition Using Eye-Tracking: Taxonomy, Review and Current Challenges. Sensor, págs. 1-22.
Montañés, M. C. (2005). PSICOLOGÍA DE LA EMOCIÓN. Obtenido de https://www.uv.es/choliz/Proceso%20emocional.pdf
Morales, S. (2023). Qué son las emociones, cuántos tipos existen y cómo podemos aprender a gestionarlas. Obtenido de unobravo: https://www.unobravo.com/es/blog/emociones
Perez, J., Iturria, R., & Vila, J. (2019). El seguimiento ocular como una medida conductual de la atención empleando diapositivas del IAPS. Revista de Psicología y Ciencias del Comportamiento de la U.A.C.J.S, págs. 63-73.
Santos, D. (2023). Data cleansing: qué es la limpieza de datos y cómo realizarla. Obtenido de Hubspot: https://blog.hubspot.es/marketing/limpieza-de-datos
Sharma, P., Joshi, S., Gautam, S., Maharjan, S., Khanal, S. R., Cabral, M., . . . Filipe, V. M. (2023). Student Engagement Detection Using Emotion Analysis, Eye Tracking and Head Movement with Machine Learning. Technology and Innovation in Learning, Teaching and Education, págs. 52-68.
Skaramagkas, V., Ktistakis, E., Manousos, D., Kazantzaki, E., Tachos, N., Tripoliti, E., . . . Tsiknakis, M. (2023). eSEE-d: Emotional State Estimation Based on Eye-Tracking Dataset. MDPI, pág. 589.
Tarnowski, P., Kołodziej, M., Majkowski, n., & Rak, R. J. (2020). Eye-Tracking Analysis for Emotion Recognition. Computational Intelligence and Neuroscience, págs. 1-13.
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2025 Revista Científica INGENIAR: Ingeniería, Tecnología e Investigación. ISSN: 2737-6249.

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.