从一系列注视计算首次注视时间、首次注视持续时间和访问持续时间（眼动追踪；R）

Question

我希望每个人都做得很好。

我目前正在使用眼动追踪数据集。我已经使用 R 包“gazepath”处理了注视。这为我提供了对 x/y 平面上特定坐标的注视输出。

我的目标是计算：与每个试验的 x-y 坐标范围相对应的一系列感兴趣区域的首次注视持续时间、首次注视时间和总访问持续时间。

对于这项研究，我有两个主要的兴趣领域 - 眼睛和嘴巴。 例如，眼睛位于 x1 – .200 到 x2 – .300 和 y1 – .500 到 y1 – .600 面部的位置从 x1 – .100 到 x2 – .500 和 y1 .100 到 y2 .800。

所以在下面的示例中，对于查看面部的试验 1，它应该输出如下内容： 首次固定时间 = 1；第一次注视持续时间=250；总注视时间 = 2116.667

我希望对每个试验和每个 AOI 都执行此操作。帮助为一系列主题文件创建循环并保存每个主题的输出也将不胜感激。

感谢您的时间和考虑！保重，卡罗琳

df1 <- data.frame(Participant = c('A', 'A', 'A', 'A', 'A', 'A', 'A', 'A', 'A', 'A' ), 
Trial = c(1,1,1,1,2, 2,2,2,2,2), 
FixationDuration = c(250, 950, 250, 666.6666667, 216.6666667, 383.3333333, 433.3333333, 500, 383.3333333, 550),
StartTimeforFixation= c(1, 301, 1284, 1584, 2301, 2567, 3001, 3484, 4034, 4451), 
EndTimeforFixation = c(250, 1250, 1533, 2250, 2516, 2950, 3433, 3983, 4416, 5000),
mean_x = c(0.464453,  0.499141, 0.491302, 0.496063, 0.491435, 0.494063, 0.498093, 0.487845, 0.492093, 0.497614),
mean_y = c(0.638584, 0.515769, 0.604171, 0.685817, 0.546331, 0.70222,0.528106, 0.615643, 0.551993, 0.661424),
POGsdSacAmp = c(4.84E-05, 0.000103, 6.69E-05, 0.000111, 0.000118, 0.000108, 
7.15E-05, 7.31E-05, 6.76E-05, 7.10E-05),
RMS = c(6.61E-05, 0.000128, 7.89E-05, 8.27E-05, 0.000156, 0.000151, 7.85E-05, 6.91E-05,  8.86E-05, 9.17E-05))

Answer 1

使用dplyr，这可以很容易地通过分组来实现。

library(tidyverse)
df1 <- tibble(Participant = c('A', 'A', 'A', 'A', 'A', 'A', 'A', 'A', 'A', 'A' ), 
                  Trial = c(1,1,1,1,2, 2,2,2,2,2), 
                  FixationDuration = c(250, 950, 250, 666.6666667, 216.6666667, 383.3333333, 433.3333333, 500, 383.3333333, 550),
                  StartTimeforFixation= c(1, 301, 1284, 1584, 2301, 2567, 3001, 3484, 4034, 4451), 
                  EndTimeforFixation = c(250, 1250, 1533, 2250, 2516, 2950, 3433, 3983, 4416, 5000),
                  mean_x = c(0.464453,  0.499141, 0.491302, 0.496063, 0.491435, 0.494063, 0.498093, 0.487845, 0.492093, 0.497614),
                  mean_y = c(0.638584, 0.515769, 0.604171, 0.685817, 0.546331, 0.70222,0.528106, 0.615643, 0.551993, 0.661424),
                  POGsdSacAmp = c(4.84E-05, 0.000103, 6.69E-05, 0.000111, 0.000118, 0.000108, 
                                  7.15E-05, 7.31E-05, 6.76E-05, 7.10E-05),
                  RMS = c(6.61E-05, 0.000128, 7.89E-05, 8.27E-05, 0.000156, 0.000151, 7.85E-05, 6.91E-05,  8.86E-05, 9.17E-05))

首先，我们需要计算各个持续时间：

df1 %>%
  mutate(fix_time = EndTimeforFixation - StartTimeforFixation)
# A tibble: 10 x 10
#   Participant Trial FixationDuration StartTimeforFixat~ EndTimeforFixati~ mean_x mean_y POGsdSacAmp     RMS fix_time
#   <chr>       <dbl>            <dbl>              <dbl>             <dbl>  <dbl>  <dbl>       <dbl>   <dbl>    <dbl>
# 1 A               1             250                   1               250  0.464  0.639   0.0000484 6.61e-5      249
# 2 A               1             950                 301              1250  0.499  0.516   0.000103  1.28e-4      949
# 3 A               1             250                1284              1533  0.491  0.604   0.0000669 7.89e-5      249
# 4 A               1             667.               1584              2250  0.496  0.686   0.000111  8.27e-5      666
...

请注意，当您有 250 毫秒时，我得到的第一个是 249 毫秒。

然后你可以定义组，这里的参与者和试验应该是相关的组。然后，您可以在每个组中计算您想要的任何统计数据：

df1 %>%
  mutate(fix_time = EndTimeforFixation - StartTimeforFixation) %>%
  group_by(Participant, Trial) %>%
  summarize(tot_duration = sum(fix_time))
# A tibble: 2 x 3
# Groups:   Participant [1]
#  Participant Trial tot_duration
#  <chr>       <dbl>        <dbl>
#1 A               1         2113
#2 A               2         2460

当然，在summarize 语句中，您还可以计算mean()、var()、sd() 或您感兴趣的任何其他内容。

现在，您应该怎么做才能只计算正确区域的试验统计数据？计算前可以使用filter：

df1 %>%
  mutate(fix_time = EndTimeforFixation - StartTimeforFixation,
         AOI_face = (mean_x >= .100 & mean_x <= .500 & mean_y >= .100 & mean_y <= .800),
         AOI_eyes = (mean_x >= .200 & mean_x <= .300 & mean_y >= .500 & mean_y <= .600)) %>%
  filter(AOI_face) %>%
  group_by(Participant, Trial) %>%
  summarize(tot_duration = sum(fix_time))

这里我假设一个试验可以在多个 AOI 中进行。如果您改为为每个试验分配一个 AOI，您可能希望创建一个带有值“face”、“eyes”、...和 ​​group_by(Participant, Trial, AOI) 的单个 AOI 列来计算每个试验的平均值。

最后，要将结果保存到磁盘，我推荐write_csv()。