Dataset completo di caratteristiche che descrivono la dinamica dello sguardo oculare attraverso più compiti

Come i nostri occhi rivelano ciò a cui prestiamo attenzione

Ogni sguardo che fai — dallo scorrere questa pagina al cercare un amico in mezzo alla folla — lascia una traccia nascosta nei piccoli salti e nelle pause degli occhi. Questo articolo presenta un'ampia e accuratamente predisposta raccolta di quelle tracce provenienti da centinaia di volontari. Condividendo aperto questo dataset, i ricercatori offrono a scienziati, ingegneri e persino studenti un modo potente per indagare come vediamo, ci concentriamo e cerchiamo, e per costruire strumenti futuri come interfacce utente migliori o tecnologie assistive per persone che non possono comunicare agevolmente.

Osservare gli occhi mentre osservano il mondo

Il team ha registrato i movimenti oculari di 251 partecipanti mentre completavano una serie di compiti semplici su schermo. Utilizzando un eye-tracker ad alta velocità e un monitor da gaming, hanno catturato dove ciascuna persona guardava, come le dimensioni delle pupille si espandevano o si riducevano e quando sbattevano le palpebre, migliaia di volte al secondo. Questi segnali grezzi sono stati quindi trasformati in tabelle pulite e organizzate che contrassegnano ogni momento come uno sguardo stabile (una fissazione), un rapido salto (una saccade) o un battito di ciglia. Poiché i dati sono anonimizzati e rispettano rigorose regole etiche norvegesi, possono essere condivisi in sicurezza con la comunità di ricerca più ampia.

Flash brevi, segnali rapidi e lampeggi ingannevoli

Diversi compiti hanno indagato ciò che le persone possono notare quando le cose cambiano molto rapidamente sullo schermo. Nel compito della “saccade che scompare”, un piccolo cerchio bianco lampeggiava per solo pochi millesimi di secondo a sinistra o a destra di una croce centrale, poi scompariva prima che gli occhi potessero muoversi. I partecipanti dovevano indovinare dove — se in qualche punto — era apparso. Confrontando la precisione a diverse durate del flash, il dataset cattura come la rilevazione diminuisca quando il segnale diventa quasi troppo breve per la consapevolezza. Un compito correlato di “saccade preceduta da cue” chiedeva se un tenue segnale molto breve potesse preparare le persone a reagire più velocemente a un bersaglio successivo che appare nello stesso punto, anche quando il cue era così rapido da poter sfuggire alla percezione cosciente. Un altro compito, la “croce lampeggiante”, ha esaminato il punto in cui una croce che lampeggia rapidamente smette di sembrare un lampeggio e appare invece stabile, rivelando i limiti temporali del nostro sistema visivo.

Quando movimento e significato confondono il cervello

Altri compiti hanno giocato con il modo in cui interpretiamo scene complesse o ambigue. Nel compito della “palla rotante”, un anello di punti vicino alla croce centrale poteva essere percepito come ruotante in un senso o nell'altro, anche se lo stimolo fisico non cambiava mai. I partecipanti prima riportavano la direzione che vedevano, poi cercavano di farla invertire volontariamente mantenendo gli occhi fissi. Il loro successo o insuccesso, catturato nei dati oculari, fa luce su come il cervello possa passare tra diverse interpretazioni dello stesso input. Il dataset include anche la visione libera di pattern casuali di pixel colorati — immagini senza oggetti o narrazione — dove i modelli di sguardo sono guidati soprattutto da contrasto e colore grezzi, e scene affollate in stile “Dov’è Wally?”, dove gli spettatori cercano consapevolmente personaggi e oggetti nascosti.

Dai segnali grezzi a tabelle pronte all'uso

Dietro le quinte, tutte le registrazioni dal formato proprietario dell'eye-tracker sono state elaborate da una pipeline automatizzata. Questo software converte i flussi grezzi di numeri in file standard separati da virgola, uno per persona e per compito, con nomi coerenti che codificano i dettagli chiave di ogni prova. Ogni riga di queste tabelle fornisce il tempo, le posizioni dell'occhio sinistro e destro, le dimensioni delle pupille e un codice semplice per ciò che gli occhi stavano facendo — battito di palpebra, fissazione o saccade. Marker di messaggi aggiuntivi indicano quando una prova è iniziata, quando è apparso uno stimolo o quando un'immagine è stata rimossa. Gli autori hanno verificato la qualità della calibrazione per assicurarsi che i punti di sguardo cadessero entro una piccola frazione di grado rispetto al luogo previsto, dando agli utilizzatori la certezza che le posizioni siano abbastanza accurate per analisi di dettaglio.

Perché questi dati oculari condivisi sono importanti

Per un non specialista, questo lavoro può sembrare un esercizio tecnico di conversione di file, ma il suo impatto è più ampio. La raccolta mette insieme registrazioni di movimenti oculari di alta qualità e tempistica precisa attraverso molti compiti psicologici classici e situazioni di visione più naturali. Poiché i dati sono aperti, standardizzati e ben documentati, i ricercatori possono testare nuove teorie dell'attenzione, costruire modelli di machine learning che predicono dove le persone guarderanno, o progettare strumenti controllati dallo sguardo per utenti con mobilità limitata, senza dover condurre grandi esperimenti da soli. In sostanza, l'articolo trasforma i movimenti oculari fugaci in una risorsa pubblica duratura che ci aiuta a comprendere meglio come vedere, focalizzare l'attenzione e prendere decisioni si svolgano momento dopo momento.

Citazione: Mathema, R., Nav, S.M., Bhandari, S. et al. Comprehensive dataset of features describing eye-gaze dynamics across multiple tasks. Sci Data 13, 376 (2026). https://doi.org/10.1038/s41597-026-06754-x

Parole chiave: tracciamento oculare, attenzione visiva, dinamica dello sguardo, scienze cognitive, dataset aperto