O contexto narrativo desloca o olhar da saliência visual para a saliência semântica

Por que nossos olhos não seguem apenas a coisa mais brilhante

Quando você olha para uma imagem, seus olhos saltam em movimentos rápidos, pousando brevemente em diferentes partes da cena. Pode parecer óbvio que seu olhar é atraído pelo que é mais colorido ou de maior contraste. Mas, na vida cotidiana, normalmente seguimos histórias—assistindo a um filme, lendo quadrinhos, rolando fotos—e tentando entender o que está acontecendo. Este estudo faz uma pergunta simples, porém poderosa: conforme uma história se desenrola, nossos olhos continuam perseguindo os trechos mais chamativos ou se deslocam para as partes que são mais relevantes para compreender a trama?

Observando histórias em quadrinhos sem palavras

Os pesquisadores convidaram adultos a verem curtas histórias visuais sem palavras sobre um menino e seus amigos animais. Cada história era composta por 24 imagens desenhadas à mão que, em sua ordem original, formavam um claro começo, meio e fim. Às vezes os participantes viam as imagens nessa sequência correta, permitindo que uma narrativa coerente fosse construída em suas mentes. Outras vezes, as mesmas imagens eram embaralhadas em uma ordem aleatória, bagunçando a trama enquanto mantinham idêntico o conteúdo visual. Durante todas as condições, as pessoas foram instruídas apenas a olhar livremente para as imagens enquanto seus movimentos oculares eram registrados por equipamentos de rastreamento de alta precisão.

Medindo o que é visualmente chamativo versus o que é significativo

Para entender quais aspectos de cada imagem atraíam os olhos, a equipe comparou dois tipos muito diferentes de “importância”. Primeiro, estimaram a saliência visual—o quanto um objeto se destaca puramente por propriedades da imagem, como contraste e bordas—usando modelos avançados de visão computacional que predizem onde as pessoas tendem a olhar em imagens isoladas. Segundo, estimaram a saliência semântica—o quão importante um objeto é para entender a história. Para isso, voluntários separados escreveram narrativas curtas descrevendo cada sequência de imagens em ordem coerente. Um grande modelo de linguagem (um sistema de IA moderno treinado em texto) foi então usado para calcular o quão surpreendente era cada palavra nessas narrativas, dado o contexto anterior, e essas pontuações de surpresa foram mapeadas para objetos específicos nas imagens (por exemplo, o sapo ciumento que de repente morde outro sapo).

Como a ordem da história muda onde e quando olhamos

Com essas medidas em mãos, os autores examinaram dois aspectos do olhar: com que frequência cada objeto foi fixado e quão rapidamente ele atraía o primeiro olhar. Em todas as condições, objetos com forte saliência visual foram, como era de se esperar, observados com mais frequência e mais cedo do que outras partes da imagem. Mas a descoberta chave emergiu ao comparar a ordem coerente com a embaralhada. Quando as imagens formavam uma sequência significativa, os observadores olhavam relativamente mais para objetos semanticamente importantes—aqueles que carregavam peso narrativo—do que quando as mesmas imagens estavam embaralhadas. Eles também tendiam a olhar para esses objetos significativos mais cedo dentro de cada período de visualização de cinco segundos. Em contraste, a vantagem dos objetos visualmente chamativos não aumentou em histórias coerentes; se alguma coisa, seu domínio inicial esmaeceu mais rapidamente quando uma narrativa sensata podia ser construída.

Curso temporal da mudança de atenção

O estudo também rastreou como esse equilíbrio mudava ao longo dos movimentos oculares sucessivos. As primeiras duas ou três fixações logo após cada nova imagem apareceram fortemente dirigidas pela saliência visual, independentemente do contexto: os olhos inicialmente se voltavam para as partes fisicamente proeminentes da cena. Mas à medida que a visualização continuava, especialmente depois de várias fixações, surgiu uma divergência. Em sequências embaralhadas, as pessoas continuaram favorecendo regiões visualmente salientes. Em sequências coerentes, seus olhos deslocaram-se cada vez mais para objetos semanticamente importantes que ajudavam a atualizar seu modelo interno da história em desenvolvimento. Esse padrão se manteve não apenas para o objeto mais saliente isolado, mas em todos os objetos da cena: em histórias coerentes, a importância semântica previu melhor tanto com que frequência quanto quão rapidamente os objetos eram fixados.

O que isso revela sobre como entendemos cenas

Esses resultados sugerem que nossos olhos não são meros escravos do brilho e do contraste. Em vez disso, eles servem à nossa curiosidade e compreensão. À primeira vista, amostramos as partes visualmente mais ruidosas de uma cena, mas dentro de uma fração de segundo, nosso senso interno de “o que está acontecendo aqui?” começa a guiar nosso olhar para as peças que importam para a história—mesmo que essas peças sejam visualmente discretas, como uma porta sem atrativos ou um sapo irritado. Ao combinar rastreamento ocular, modelos baseados em imagem e IA baseada em linguagem, o estudo mostra que o contexto narrativo remodela a maneira como exploramos imagens. Na vida cotidiana, isso significa que os movimentos oculares oferecem uma janela não apenas para o que vemos, mas para a história invisível que estamos construindo em nossas mentes.

Citação: Berlot, E., Schmitt, LM., Huber-Huber, C. et al. Narrative context shifts gaze from visual to semantic salience. Commun Psychol 4, 59 (2026). https://doi.org/10.1038/s44271-026-00426-7

Palavras-chave: movimentos oculares, atenção visual, percepção de histórias, saliência semântica, modelos de linguagem