Araştırmalarınız

Reklamlarınız üzerinde göz takibi ve duygu analizi araştırmaları yürütün.

—

—

Bakış Isı Haritası

Renk skalası: mavi (az bakılan) → yeşil/sarı (orta) → kırmızı (en yoğun bakılan). Beyaz kesik çizgiler ilgi bölgelerini (AOI) gösterir.

İlgi Bölgeleri (AOI) — İsabet Oranı

Duygu Profili (Tüm Seans Ortalaması)

AOI Zamansal Metrikleri

Akademik göz takibi standart metrikleri. Tüm değerler katılımcı ortalamasıdır.

Zamana Göre Bakış Dağılımı

Her zaman penceresinde katılımcılar nereye baktı? "İlk saniyede" ve "sonraki saniyelerde" dikkat dağılımı nasıl değişti?

Bakış Sıralaması (Scanpath)

Tek bir katılımcının fixation sıralaması — hangi noktaya hangi sırayla baktığı. Numaralar bakış sırasını, daire büyüklüğü o noktada geçirilen süreyi gösterir.

Katılımcı seç: —

Demografi Dağılımı

📑

Bu Veriyi Akademik Çalışmada Kullanırken

İndirdiğiniz raporu veya verileri akademik bir çalışmada (tez, makale, bildiri vb.) kullanırken aşağıdaki atıfı kaynakçanıza ekleyiniz (APA 7 formatında):

—

1Bilgiler

2Reklam

3İlgi Bölgeleri

4Demografi

5Onay

Araştırma Adı

Bu ad yalnızca panelinizde görünür, katılımcılara gösterilmez.

Reklam Türü

🖼️

Görsel

PNG, JPG, WEBP

🎬

Video

MP4, WEBM

Gösterim Süresi: 8 saniye

Katılımcıya reklam bu süre boyunca gösterilir. Görseller için önerilen: 5–10 sn. Videolar için: video uzunluğu kadar.

Reklam Dosyası

Maksimum 50 MB. Görsel için PNG/JPG/WEBP, video için MP4/WEBM.

Reklam üzerinde fareyi sürükleyerek İlgi Bölgesi (AOI) dikdörtgenleri çiziniz. Her AOI için bir ad belirleyiniz (örn: Logo, Başlık, CTA Buton). Bu bölgelerin isabet oranı raporda otomatik hesaplanır.

Henüz ilgi bölgesi çizilmedi. (İsteğe bağlı — AOI olmadan da araştırma oluşturabilirsiniz.)

Katılımcılardan toplamak istediğiniz demografi sorularını işaretleyiniz. Yalnızca seçtiğiniz sorular katılımcıya sorulur.

⚠ KVKK Aydınlatma Yükümlülüğü
Seçtiğiniz sorular özel nitelikli kişisel veri içeriyor (KVKK m.6). Bu verilerin işlenmesi için aşağıdaki şartları sağlamanız gerekir:

Katılımcının açık rızası alınmalıdır.
Veri işleme amacı, saklama süresi ve aktarım koşulları aydınlatma metninde net olarak belirtilmelidir.
Sağlık verisi sadece sağlık hizmetleri sunan kurumlar veya yetkili profesyoneller tarafından işlenebilir.
Bu veriler anonimleştirilerek saklanmalı, kimliği belirleyebilecek başka verilerle birleştirilmemelidir.

Sistemimiz seansları zaten anonim olarak kaydeder; ancak topladığınız verilerin kullanım sorumluluğu araştırmacıya aittir.

Özel Soru (isteğe bağlı)

Bu alanı doldurursanız serbest metin sorusu olarak eklenir. Boş bırakırsanız eklenmez.

Araştırma Özeti

Not: Araştırma oluşturulduktan sonra reklam dosyası, AOI'lar ve demografi soruları değiştirilemez. Yalnızca araştırmayı kapatabilir veya silebilirsiniz.

Bu sistemin ürettiği verilerin akademik çalışmalarda kullanılması için aşağıdaki kütüphane, model ve yöntemlerin metodoloji bölümünde açıklanması önerilir.

🎯 Göz Takibi (Gaze Tracking)

Kütüphane: WebGazer.js v3.3.0
Geliştirici: Brown University Human-Computer Interaction Lab
Yöntem: Ridge regression + TensorFlow.js Facemesh tracker
Doğruluk: Tipik %4–5 viewport hatası (kalibrasyon sonrası)
Örnekleme hızı: ~30 Hz
Kalibrasyon: 9 noktalı (3×3) grid, her noktaya 3 tıklama
Lisans: GPLv3

😊 Yüz Tespit ve Duygu Analizi

Kütüphane: face-api.js v0.22.2 (Justus Schock)
Modeller:
- TinyFaceDetector — MobileNetV1 türevi yüz tespit (~190 KB)
- FaceExpressionNet — 7 temel duygu sınıflandırması (~315 KB)
Sınıflandırılan duygular: nötr, mutlu, üzgün, kızgın, şaşkın, korkmuş, tiksinmiş (Ekman'ın temel duyguları, 1992)
Çıktı: Her duygu için 0–1 arası skor, 10 Hz örnekleme
Çalışma yeri: Tarayıcı içi (TensorFlow.js v3.x runtime). Kamera görüntüsü sunucuya gönderilmez; yalnızca yerel sayısal sonuçlar saklanır.
Lisans: MIT

🔥 Yoğunluk Haritası (Heatmap)

Yöntem: İki aşamalı render — (1) alpha birikimi ile yoğunluk maskesi, (2) 256 girişli renk LUT eşlemesi
Renk paleti: Cool-to-warm gradient (mavi → cyan → yeşil → sarı → turuncu → kırmızı)
İlham: simpleheat.js (Vladimir Agafonkin, MIT)

📊 İstatistiksel Yöntemler

AOI isabet oranı: dikdörtgen sınırlı kutu içine düşen bakış noktalarının toplam içindeki oranı
Demografi: frekans tabanlı tanımlayıcı istatistik (sayısal sorularda ortalama, min, max)
Duygu ortalamaları: tüm seansların duygu skorlarının kare bazında aritmetik ortalaması

⏱ Temporal (Zamansal) Analiz

Fixation Detection: I-DT (Identification by Dispersion-Threshold) algoritması (Salvucci & Goldberg, 2000)
Dispersiyon eşiği: %5 viewport, minimum süre: 100 ms
AOI temporal metrikleri:
- Time-to-First-Fixation (TTFF)
- First Fixation Duration (FFD)
- Total Dwell Time
- Visit Count, Fixation Count
Zaman pencereleri: 0–1 sn / 1–3 sn / 3–5 sn / 5+ sn için ayrı ısı haritaları
Scanpath: seans bazında fixation sıralaması ve süre büyüklüğü

⚙️ Backend (Sunucu Tarafı)

Çerçeve: FastAPI (Python 3.11) — Sebastián Ramírez
Doğrulama: Pydantic v2 model validation
Saklama: JSONL append-only — anonim seans verileri
Kişisel veri tabanı: Yok

📝 Önerilen Atıflar (APA 7)

ASIL ATIF (bu araç)

Toraman, Y. (2026). Data Analysis Robot — Eye-Tracking Research Module (v1.1) [Web application]. https://plssem.com

ALTYAPI ATIFLARI

Papoutsaki, A., Sangkloy, P., Laskey, J., Daskalova, N., Huang, J., & Hays, J. (2016). WebGazer: Scalable webcam eye tracking using user interactions. Proceedings of the 25th International Joint Conference on Artificial Intelligence (IJCAI 2016), 3839–3845.

Schock, J. (2018). face-api.js: JavaScript API for face detection and face recognition [Computer software]. https://github.com/justadudewhohacks/face-api.js

Ekman, P. (1992). An argument for basic emotions. Cognition and Emotion, 6(3-4), 169–200. https://doi.org/10.1080/02699939208411068

Salvucci, D. D., & Goldberg, J. H. (2000). Identifying fixations and saccades in eye-tracking protocols. Proceedings of the 2000 Symposium on Eye Tracking Research & Applications (ETRA '00), 71–78. https://doi.org/10.1145/355017.355028

Ramírez, S. (2018). FastAPI [Computer software]. https://github.com/tiangolo/fastapi

Not: WebGazer'ın doğruluk sınırı, küçük AOI'lar (alan oranı <%10) için sonuçların güvenilirliğini düşürür. Akademik çalışmalarda yeterli istatistiksel güç için her araştırmada minimum 30 katılımcı önerilir. Webcam tabanlı göz takibi, profesyonel infrared eye-tracker'lara kıyasla doğruluk ve örnekleme hızı bakımından sınırlıdır; bulgular bu sınırlama ile birlikte raporlanmalıdır.