ĐẠI HỌC QUỐC GIA THÀNH PHỐ HỒ CHÍ MINH

TRƯỜNG ĐẠI HỌC BÁCH KHOA

KHOA KHOA HỌC ỨNG DỤNG
BỘ MÔN VẬT LÝ KỸ THUẬT Y SINH

ĐỒ ÁN CHUYÊN NGÀNH
NGHIÊN CỨU SỰ TẬP TRUNG CỦA SINH VIÊN THÔNG QUA
PHÂN TÍCH CHUYỂN ĐỘNG CỦA MẮT

GVHD : ThS. Lê Cao Đăng

SVTH : Nguyễn Phương Thảo – 2014524
Trần Hoàng Quốc Thịnh – 2014608

Thành phố Hồ Chí Minh – Tháng 12 năm 2023

 ĐẠI HỌC QUỐC GIA THÀNH PHỐ HỒ CHÍ MINH
TRƯỜNG ĐẠI HỌC BÁCH KHOA
KHOA KHOA HỌC ỨNG DỤNG
BỘ MÔN VẬT LÝ KỸ THUẬT Y SINH

ĐỒ ÁN CHUYÊN NGÀNH
NGHIÊN CỨU SỰ TẬP TRUNG CỦA SINH VIÊN THÔNG QUA
PHÂN TÍCH CHUYỂN ĐỘNG CỦA MẮT

GVHD : ThS. Lê Cao Đăng

SVTH : Nguyễn Phương Thảo – 2014524
Trần Hoàng Quốc Thịnh – 2014608

Thành phố Hồ Chí Minh – Tháng 12 năm 2023

 ĐẠI HỌC QUỐC GIA TP.HCM CỘNG HOÀ XÃ HỘI CHỦ NGHĨA VIỆT NAM
TRƯỜNG ĐẠI HỌC BÁCH KHOA Độc lập – Tự do – Hạnh phúc
KHOA KHOA HỌC ỨNG DỤNG
BỘ MÔN VẬT LÝ KỸ THUẬT Y SINH

Thành phố Hồ Chí Minh, ngày tháng năm 2023

NHIỆM VỤ ĐỒ ÁN CHUYÊN NGÀNH

HỌ VÀ TÊN: NGUYỄN PHƯƠNG THẢO MSSV: 2014524
TRẦN HOÀNG QUỐC THỊNH 2014608

NGÀNH: VẬT LÝ KỸ THUẬT LỚP: KU20VLY

1. Đầu đề đồ án chuyên ngành:

NGHIÊN CỨU SỰ TẬP TRUNG CỦA SINH VIÊN THÔNG QUA PHÂN TÍCH
CHUYỂN ĐỘNG CỦA MẮT
2. Nhiệm vụ:
- Tìm hiểu tổng quan về sự tập trung và các dạng chuyển động của mắt.
- Tìm hiểu các quy trình trong phân tích chuyển động của mắt nghiên cứu sự tập trung.
- Xây dựng quy trình hoàn chỉnh để thu dữ liệu dựa trên các bài nghiên cứu chuyên môn.
- Xử lý dữ liệu thu được, phân tích sự tương quan giữa chuyển động của mắt đối với sự tập
trung của sinh viên.
3. Ngày giao nhiệm vụ đồ án: 18/08/2023
4. Ngày hoàn thành nhiệm vụ: 29/12/2023
5. Họ và tên người hướng dẫn: ThS. Lê Cao Đăng
Tên đề tài và nội dung đồ án chuyên ngành đã được thông qua Bộ môn.
NGƯỜI HƯỚNG DẪN CHỦ NHIỆM BỘ MÔN
(Ký và ghi rõ họ tên) (Ký và ghi rõ họ tên)
 LỜI CẢM ƠN

Để có thể hoàn thành đồ án chuyên ngành này một cách thuận lợi và đạt được kết
quả tốt nhất, trước hết chúng tôi muốn bày tỏ lòng biết ơn sâu sắc và chân thành nhất đến
thầy Trần Trung Tín – người đã trực tiếp hướng dẫn và chia sẻ kiến thức, giúp chúng tôi
định hướng đề tài cũng như hướng dẫn, chỉ bảo trong suốt quá trình phát triển đề tài và
đồng hành cùng chúng tôi vượt qua những thách thức trong quá trình nghiên cứu. Chúng
tôi rất biết ơn sự tận tâm và hỗ trợ của thầy!

Đồng thời, chúng tôi cũng muốn bày tỏ lòng biết ơn đến thầy Lê Cao Đăng – Trưởng
phòng Thí nghiệm Vật lý Kỹ thuật Y sinh đã tạo mọi điều kiện và nhiệt tình hỗ trợ chúng
tôi về mặt kiến thức cũng như thiết bị trong quá trình thực hiện đề tài này để chúng tôi có
thể hoàn thành đề tài một cách suôn sẻ.

Tôi cũng muốn bày tỏ lòng biết ơn đến thầy Lê Nhật Tân và tất cả quý thầy cô khoa
Khoa học Ứng dụng của trường Đại học Bách khoa – ĐHQG-HCM đã tạo điều kiện thuận
lợi cho quá trình nghiên cứu, học tập của chúng tôi và luôn sẵn lòng truyền đạt các kiến
thức mà chúng tôi còn thiếu sót để chúng tôi có thể hoàn thành đề tài này.

Chúng tôi xin gửi lời cảm ơn đặc biệt đến các bạn sinh viên đã đồng ý tham gia thu
dữ liệu để chúng tôi có thể thực hiện được đề tài “Nghiên cứu sự tập trung của sinh viên
thông qua phân tích chuyển động của mắt” này.

Và không thể không nhắc đến sự giúp đỡ từ bạn bè và gia đình đã luôn ủng hộ, động
viên và chia sẻ niềm vui cũng như gánh nặng trong những khoảnh khắc khó khăn để chúng
tôi luôn vững vàng bước tiếp trên con đường học tập của mình.

Lời cảm ơn này không đủ lớn để bày tỏ lòng biết ơn của chúng tôi. Hy vọng rằng
công trình nghiên cứu này sẽ là đóng góp nhỏ bé nhưng ý nghĩa vào kho tàng kiến thức của
cộng đồng nghiên cứu. Xin chân thành cảm ơn!

i
 MỤC LỤC

LỜI CẢM ƠN ......................................................................................................................i

MỤC LỤC .......................................................................................................................... ii
DANH MỤC CÁC THUẬT NGỮ VIẾT TẮT ................................................................iv
DANH MỤC BẢNG BIỂU ................................................................................................ v
DANH MỤC HÌNH ẢNH .................................................................................................vi
CHƯƠNG 1 MỞ ĐẦU ...................................................................................................... 1
CHƯƠNG 2 TỔNG QUAN .............................................................................................. 2
2.1 Các khái niệm liên quan đến đề tài nghiên cứu ........................................................ 2
2.1.1 Tổng quan về tập trung .................................................................................... 2
2.1.2 Tổng quan về các chuyển động của mắt ......................................................... 3
2.1.3 Tổng quan về Công nghệ Eye Tracking .......................................................... 5
2.2 Các công trình nghiên cứu liên quan ......................................................................... 7
CHƯƠNG 3 PHƯƠNG PHÁP NGHIÊN CỨU ............................................................. 9
3.1 Thiết kế thí nghiệm ...................................................................................................... 9
3.1.1 Phạm vi lấy mẫu ................................................................................................ 9
3.1.2 Kích thích dùng trong nghiên cứu ................................................................... 9
3.1.3 Bài kiểm tra khả năng tập trung ................................................................... 10
3.1.4 Buồng tối .......................................................................................................... 13
3.1.5 Phần cứng ........................................................................................................ 14
3.1.6 Phần mềm và giải thuật .................................................................................. 18
3.2 Quy trình thu dữ liệu tập trung của sinh viên......................................................... 28
3.3 Phương pháp xử lý dữ liệu ........................................................................................ 28
CHƯƠNG 4 KẾT QUẢ VÀ BÀN LUẬN ..................................................................... 30
4.1 Kết quả mô hình thí nghiệm ..................................................................................... 30
4.1.1 Kết quả phần cứng .......................................................................................... 30
4.1.2 Kết quả phần mềm .......................................................................................... 30
4.2 Kết quả xử lý dữ liệu.................................................................................................. 32
CHƯƠNG 5 KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN .............................................. 38
5.1 Kết luận ....................................................................................................................... 38
ii
5.2 Hướng phát triển ........................................................................................................ 40
TÀI LIỆU THAM KHẢO................................................................................................ 42
PHỤ LỤC...........................................................................................................................47

iii
 DANH MỤC CÁC THUẬT NGỮ VIẾT TẮT

Từ viết tắt Tên đầy đủ tiếng Anh Tên đầy đủ tiếng Việt

ADHD Attention deficit hyperactivity disorder Rối loạn tăng động giảm chú ý

I-VT Threshold Identification Nhận dạng ngưỡng

VOG Video Oculography Quang nhãn video

EOG Electro-Oculography Quang điện nhãn cầu

TET5 Tobii Eye Tracker 5 Thiết bị theo dõi mắt Tobii 5

ET Eye Tracking Công nghệ theo dõi mắt

HFT Hidden Figure Test Bài kiểm tra hình ẩn

Nhóm tập trung

FI Field-Independent
(độc lập trong nhận thức)

Nhóm hỗn hợp

FM Field-Mixed
(không rõ ràng giữa hai nhóm)

Nhóm kém tập trung

FD Field-Dependent
(không độc lập trong nhận thức)

iv
 DANH MỤC BẢNG BIỂU

Bảng 3.1 Chuyển đổi toạ độ sang độ .................................................................................. 25

Bảng 4.1 Kết quả điểm nhiệm vụ và bài kiểm tra…........................................................... 31

Bảng 4.2 Kết quả xử lý dữ liệu ........................................................................................... 32

v
 DANH MỤC HÌNH ẢNH

Hình 3.1 Kích thích dùng trong nghiên cứu ....................................................................... 10

Hình 3.2 Minh hoạ nhiệm vụ 1 trong bài kiểm tra ............................................................. 11

Hình 3.3 Minh hoạ nhiệm vụ 2 trong bài kiểm tra ............................................................. 12

Hình 3.4 Minh hoạ nhiệm vụ 3 trong bài kiểm tra ............................................................. 12

Hình 3.5 Buồng tối ............................................................................................................. 13

Hình 3.6 Thiết bị Tobii Eye Tracker 5 ............................................................................... 14

Hình 3.7 Màn hình rời ViewSonic và thiết bị TET5 .......................................................... 16

Hình 3.8 Laptop Ideapad Gaming 3 ................................................................................... 17

Hình 3.9 Đèn và tai nghe .................................................................................................... 18

Hình 3.10 Giao diện chính phần mềm Tobii Experience ................................................... 19

Hình 3.11 Quá trình Calibration ......................................................................................... 20

Hình 3.12 Hiển thị vùng nhìn trên màn hình ...................................................................... 21

Hình 3.13 Giao diện trang Video Eye Tracking ................................................................. 22

Hình 3.14 Dữ liệu thu được từ Video Eye Tracking .......................................................... 23

Hình 3.15 Giao diện trang Image Eye Tracking................................................................. 23

Hình 3.16 Dữ liệu thu được từ Image Eye Tracking .......................................................... 24

Hình 3.17 Minh hoạ hệ toạ độ Oxy trong nghiên cứu ........................................................ 25

Hình 3.18 Lưu đồ thuật toán tính fixation, saccade và nhiễu ............................................. 27

Hình 4.1 Kết quả phần cứng............................................................................................... 30

Hình 4.2 Minh hoạ một dữ liệu Raw data.......................................................................... 32

Hình 4.3 Kết quả so sánh giữa điểm nhiệm vụ và số lượng fixation................................. 33

Hình 4.4 Kết quả so sánh giữa điểm nhiệm vụ và thời gian nhiễu.................................... 34
vi
Hình 4.5 Kết quả so sánh giữa điểm nhiệm vụ và thời gian fixation................................ 34

Hình 4.6 Kết quả so sánh giữa điểm bài kiểm tra và số lượng fixation............................ 35

Hình 4.7 Kết quả so sánh giữa điểm bài kiểm tra và thời gian nhiễu............................... 35

Hình 4.8 Kết quả so sánh giữa điểm bài kiểm tra và thời gian fixation............................ 36

vii
CHƯƠNG 1 MỞ ĐẦU

Đánh giá sự tập trung của sinh viên thông qua phân tích chuyển động mắt là một
chủ đề nghiên cứu mang lại nhiều lợi ích và thông tin quan trọng cho lĩnh vực giáo dục và
xã hội. Trong giáo dục, sự tập trung học tập có liên quan chặt chẽ đến chất lượng học tập
[1]. Việc phát hiện và theo dõi khả năng duy trì sự tập trung từ sinh viên có thể giúp các
giảng viên có thể đánh giá và cải thiện bài học nhằm kịp thời đảm bảo khả năng liên kết
của sinh viên đối với bài giảng và cải thiện chất lượng học tập, tối ưu hoá quá trình truyền
đạt kiến thức cho sinh viên [2]. Có thể đưa ra thông tin về cách môi trường học tập ảnh
hưởng đến khả năng tập trung của sinh viên, từ đó cải thiện, tối ưu hoá môi trường học tập.
Bên cạnh đó, sự tập trung cũng liên quan mật thiết đến sức khoẻ tinh thần, nghiên cứu về
vấn đề này còn có thể cung cấp thông tin về cách căng thẳng và áp lực có thể ảnh hưởng
đến khả năng tập trung, chú ý của sinh viên [3].

Sự tập trung của sinh viên có thể được phân tích thông qua đánh giá định lượng
trạng thái [4], đánh giá kết quả học tập, thực hiện các khảo sát thói quen trong học tập, các
bài kiểm tra kỹ năng tập trung và chú ý, đánh giá sử dụng kết quả tỉ lệ ngẩng đầu và nhận
dạng nét mặt [5], phân tích dữ liệu về khuôn mặt và mắt được thu thập từ cảm biến điện cơ
[6],… Tuy nhiên, các phương pháp kể trên còn tồn tại các nhược điểm như việc thu thập
câu trả lời từ người được khảo sát là khá chủ quan, việc thực hiện các bài kiểm tra có thể
sẽ ảnh hưởng đến hành vi tự nhiên của họ, làm giảm tính chân thực của dữ liệu, các cảm
biến được gắn trên mặt có thể sẽ che chắn tầm nhìn, gây ảnh hưởng đến sự tập trung của
người tham gia thử nghiệm. Để khắc phục những nhược điểm của các phương pháp kể trên,
đồ án chuyên ngành này đã sử dụng công nghệ Eye Tracking (ET) – một phương pháp
quang học không xâm lấn – để nghiên cứu nhằm tìm ra sự khác biệt trong hành vi chuyển
động mắt trong khi nghe giảng ở các nhóm sinh viên được phân chia theo mức độ tập dựa
vào điểm thực hiện các nhiệm vụ kiểm soát sự chú ý, kiểm tra hiệu suất liên tục và điểm
của bài kiểm tra liên quan đến kiến thức từ bài giảng mà sinh viên được xem trong quá
trình thu dữ liệu mắt.

1
CHƯƠNG 2 TỔNG QUAN

2.1 Các khái niệm liên quan đến đề tài nghiên cứu

2.1.1 Tổng quan về tập trung

Vào năm 1890, nhà tâm lý học và triết học người Mỹ William James đã phát biểu
rằng [7]: “Mọi người đều biết chú ý là gì. Đó là việc tâm trí nắm giữ một cách rõ ràng và
sống động một trong số những đối tượng hoặc dòng suy nghĩ có vẻ như cùng tồn tại đồng
thời. Sự cô đọng, sự duy trì tập trung của ý thức là bản chất của sự chú ý. Điều này ngụ ý
việc rút lui khỏi một số thứ để có thể xử lý hiệu quả với những thứ khác.”

Phát biểu trên giải thích rằng chú ý không chỉ là việc tâm trí chọn lọc và tập trung
vào một đối tượng hoặc ý nghĩ cụ thể từ nhiều lựa chọn có sẵn, mà còn là việc loại bỏ các
yếu tố không liên quan để có thể tập trung vào những gì quan trọng. Điều này đòi hỏi việc
tập trung một cách chọn lọc và có ý thức. Dấu hiệu đặc trưng của sự chú ý là sự tập trung
của thần kinh [8].

Sự tập trung là khả năng hạn chế nhận thức đến một phần nhỏ của thông tin có sẵn,
dù là thông tin cảm giác (như thị giác hoặc thính giác) hay suy nghĩ. Nó là một phần không
thể thiếu của việc xử lý thông tin và đưa ra quyết định. Sự tập trung giúp xử lý thông tin
một cách hiệu quả bằng cách chọn lọc thông tin không cần thiết và chỉ tập trung vào những
thông tin quan trọng. Trong môi trường ồn ào và có nhiều sự phân tâm, khả năng này giúp
con người có thể tách rời thông tin cần được tiếp thu, tập trung với bối cảnh xung quanh
một cách hiệu quả, tập trung vào nhiệm vụ mà không bị phân tâm bởi các kích thích không
liên quan. Sự tập trung có thể được phân loại thành hai loại là tập trung chủ động, khi có
chủ định chú ý đến một đối tượng, thông tin cụ thể và tập trung bị động là khi một cái gì
đó thu hút sự chú ý mà con người không có ý định trước.

Các chuyển động của mắt cung cấp các thông tin quan trọng về nơi mà người nhìn
đang tập trung, nhìn vào nơi nào đó có nghĩa là đang tập trung vào nó. Trong nghiên cứu,
công nghệ ET được sử dụng rộng rãi để nghiên cứu sự tập trung và xử lý thông tin. Nó cho

2
phép các nhà nghiên cứu xác định chính xác nơi và khi nào một người tập trung, cũng như
làm thế nào họ di chuyển sự chú ý của mình giữa các đối tượng khác nhau.

Hiểu rõ về sự tập trung và các chuyển động của mắt không chỉ quan trọng trong lĩnh
vực nghiên cứu nhận thức mà còn có ứng dụng trong lĩnh vực y tế, phát triển giao diện
người dùng, nghiên cứu tiếp thị, tiêu dùng và hơn thế nữa.

2.1.2 Tổng quan về các chuyển động của mắt

Các chuyển động của mắt có thể được ghi nhận và phân loại như sau: fixation,
saccade, microsaccade, drift, tremor, smooth pursuit, vergence, vestibular-ocular reflex và
blink.

- Fixation: là điểm nhìn của mắt trong một khoảng thời gian nhất định được gọi là
điểm cố định, thể hiện khả năng của mắt ngăn chặn sự dịch chuyển của mắt bằng
cách tập trung vào một điểm, tức là mục tiêu. Việc thu thập thông tin trực quan
chỉ có thể thực hiện được trong quá trình nhìn cố định một cách ổn định [9].
- Saccade: là sự chuyển động mắt nhanh chóng từ điểm cố định này sang điểm cố
định khác trong trường nhìn [10]. Saccade được đặc trưng bởi gia tốc lớn ở giai
đoạn ban đầu và gia tốc âm vào cuối giai đoạn [11]
- Microsaccade: chuyển động nhỏ, nhanh, đều.
- Drift: chuyển động mắt chậm, không đều, microsaccade và drift đều giúp duy trì
tầm nhìn ổn định trong quá trình cố định mắt.
- Tremor: rung nhãn cầu là những dao động của nhãn cầu có sự lặp đi lặp lại có
chu kỳ, không tự ý, theo nhịp hoặc không.
- Smooth pursuit: khi di chuyển giữa hai điểm cố định, mắt chuyển động chậm,
nhẹ nhàng, trơn tru.
- Vergence: chuyển động của mắt khi di chuyển hình ảnh ra xa hoặc gần lại.
- Vestibular-ocular reflex: phản xạ tiền-đình là phản xạ để ổn định tầm mắt trong
quá trình di chuyển đầu

3
 - Blink: chớp mắt là những chuyển động không chủ ý giúp cung cấp độ ẩm, bảo
vệ mắt.

Việc ghi nhận chuyển động của mắt có thể giúp chẩn đoán khách quan các bệnh,
chủ yếu là các bệnh về thần kinh, thể hiện qua ánh nhìn. Những em bé từ 2-6 tháng tuổi
không có khả năng thực hiện fixation được chẩn đoán là mắc chứng tự kỷ [12], Parkinson
dạng không điển hình có vận tốc saccade thấp [13], rối loạn tăng động giảm chú ý (ADHD)
với số lượng fixation thấp hơn, thời gian fixation dài hơn và thời gian saccade ngắn hơn
[14]. Ngoài ra, ghi nhận các chuyển động của mắt còn có thể được sử dụng trong chẩn
đoán một số bệnh khác như: chấn thương sọ não [15], tâm thần phân liệt [16], bệnh
Alzheimer [17], mất chức năng liên quan đến thoái hoá điểm vàng [18], bệnh Meniere
[19],… Do đó, việc ghi nhận và phân tích các chuyển động của mắt rất hữu ích trong chẩn
đoán các bệnh rối loạn tâm lý hoặc các vấn đề về thần kinh.

Có nhiều hệ thống được sử dụng để ghi nhận chuyển động mắt như các hệ thống
bao gồm các đèn hồng ngoại [20], các thiết bị gắn trên bàn, hình ảnh âm thanh nổi, sự kết
hợp giữa camera góc rộng và camera zoom. Bên cạnh đó, để phân loại chuyển động của
mắt có thể xác định phân bố vị trí mắt tại một số điểm nhất định, tức là thuật toán dựa trên
sự phân tán: nhận dạng ngưỡng phân tán (E-DT), nhận dạng dựa trên cây khung nhỏ nhất
(I-MST). Các chuyển động của mắt cũng có thể được xác định ở một số vùng nhất định
của mắt, tức là thuật toán dựa trên khu vực [21]. Tuy nhiên, phương pháp được sử dụng
phổ biến nhất là sử dụng vận tốc mắt, tức là thuật toán dựa trên vận tốc. Trong đó, vận tốc
được tính tương đối với các kích thích của mắt khi biết được khoảng cách giữa chủ thể và
kích thích: nhận dạng ngưỡng (I-VT) [21], nhận dạng mô hình Markov ẩn (I-HMM) [22],
ngưỡng hai mắt-ngưỡng riêng (BIT) [23], nhận dạng bộ lọc Kalman (I-KF) [24]. Tuỳ vào
phương pháp đã chọn, tiêu chí phân loại sẽ được chọn và các dữ liệu thu được sẽ được
phân loại thành fixation, saccade hoặc các chuyển động khác. Phương pháp I-VT là thuật
toán dựa trên vận tốc đơn giản nhất để phân loại chuyển động của mắt có tiêu chí dựa trên
sự biểu thị ngưỡng vận tốc [22].

4
2.1.3 Tổng quan về Công nghệ Eye Tracking

Các công nghệ theo dõi chuyển động của mắt – Eye Tracking (ET) hiện nay đã phát
triển mạnh mẽ, trở thành công cụ không thể thiếu trong nhiều lĩnh vực từ nghiên cứu học
thuật đến ứng dụng thực tiễn trong đời sống và y tế. Trong đó, phương pháp truyền thống
nhất là sự kiểm tra trực quan của bác sĩ. Bên cạnh đó, những phương pháp tiên tiến hơn có
thể kể đến như: Camera-based Eye Tracking, Video Oculography (VOG), Electro-
oculography (EOG), Infrared Eye Tracking, Corneal Reflection Eye Tracking, Scleral
Search Coil, 3D Eye Tracking,… Mỗi phương pháp đều có những ưu nhược điểm khác
nhau do đó người sử dụng cần xem xét điều kiện và mục đích sử dụng để có thể chọn được
phương pháp tối ưu cho vấn đề cần giải quyết.

- Camera-based Eye Tracking: là phương pháp tốn ít chi phí, phổ biến nhất và
được sử dụng rộng rãi trong nghiên cứu thị giác, tâm lý học, và thiết kế giao diện
người dùng. Camera-based Eye Tracking có thể sử dụng máy ảnh điện thoại,
laptop, máy ảnh chụp hình thương mại. Máy ảnh với tần số cao khoảng từ 60Hz
trở lên để ghi lại chuyển động của mắt dưới dạng video và sau đó sử dụng các
phần mềm như Matlab để phát hiện đồng tử, ghi lại toạ độ của đồng tử và phân
loại chuyển động của mắt [25].
- Video Oculography (VOG): là một biến thể cải tiến của Camera-based Eye
Tracking, VOG thường được sử dụng trong các nghiên cứu y khoa và tâm lý học
vì khả năng cung cấp dữ liệu chi tiết và chính xác về chuyển động của mắt. VOG
sử dụng các hệ thống camera chuyên dụng và thuật toán phức tạp để ghi lại và
phân tích chuyển động của mắt, đây là một công cụ mạnh mẽ cho việc nghiên
cứu hành vi nhìn. Trong VOG, mắt sẽ được chiếu sáng khuếch tán thường là
bằng đèn LED, tín hiệu thu được bằng cách trừ điện áp cảm ứng trong máy ảnh
chuyên dụng có cảm biến hình ảnh [26].
- Electro-Oculography (EOG): là một kỹ thuật đo điện sinh học, các điện cực được
đặt xung quanh mắt ghi lại hoạt động điện khi mắt di chuyển theo hai thành phần
ngang dọc với nguyên lý cơ bản là đo sự thay đổi điện thế của điện cực khi mắt
5
 chuyển động. Điện cực được kết nối với bộ khuếch đại tín hiệu dưới dạng cặp vi
sai sau đó được xuất ra thiết bị ghi nhận và phân tích. EOG không chính xác như
các phương pháp dựa trên camera nhưng hữu ích trong một số trường hợp cụ thể
như theo dõi mắt khi người dùng đang ngủ [26].
- Infrared Eye Tracking: sử dụng ánh sáng LED hồng ngoại để chiếu sáng mắt và
camera hồng ngoại để ghi lại hình ảnh. Sau đó, phần mềm phân tích phản xạ của
ánh sáng hồng ngoại từ củng mạc, giác mạc và đồng tử để xác định hướng nhìn.
Infrared Eye Tracking được ưa chuộng vì tính chính xác và đáng tin cậy, đặc
biệt trong điều kiện ánh sáng không ổn định, ít bị ảnh hưởng bởi ánh sáng môi
trường so với các phương pháp dựa trên ánh sáng thường. Bên cạnh đó, ánh sáng
hồng ngoại còn có ưu điểm là không cản trở tầm nhìn bình thường và có thể tăng
cường độ tương phản giữa đồng tử và mống mắt dành cho các đối tượng có tròng
mắt màu nâu và đen, giúp ước tính chính xác tâm của đồng tử [27].

Thiết bị được sử dụng trong nghiên cứu này là Tobii Eye Tracker 5 (TET5) với công
nghệ cốt lõi là Infrared Eye Tracking. Năm 2001, hãng Tobii Technology (Thuỵ Điển) cho
ra mắt thương mại sản phẩm công nghệ ET để phân tích ánh nhìn, cung cấp thông tin về
hành vi trong lĩnh vực nghiên cứu thị trường, tâm lý học và thể thao. Đến nay Tobii vẫn
duy trì vị thế đứng đầu trong lĩnh vực ET. TET5 nói riêng và các thiết bị Eye Tracker khác
nói chung có thể cung cấp các thông tin quan trọng trong chuyển động mắt như điểm nhìn
(gaze point), điểm cố định (fixation), thời lượng điểm cố định (fixation duration), độ giật
(saccade), kích thước đồng tử và cùng với đó là bản đồ nhiệt (heat map) thể hiện các khu
vực được quan tâm [28]. Sự tập trung hoặc cố gắng tập trung vào vùng quan tâm tương
quan với sự thay đổi của đồng tử mà thường được gọi là phép đo đồng tử. Phép đo đồng tử
đề cập đến sự giãn nở của kích thước đồng tử và sự di chuyển của đồng tử theo thời gian.
Các cơ mống mắt phản ứng với các kích thích giao cảm và phó giao cảm quyết định kích
thước và sự chuyển động của đồng tử [29], [30].

6
2.2 Các công trình nghiên cứu liên quan

E. A. Nisiforou and A. Laghos, “Do the eyes have it? Using eye tracking to assess
students cognitive dimensions,” Educational Media International, vol. 50, no. 4, pp. 247-
265, Dec 2013 [31]. Những người tham gia được chia thành 3 nhóm nhận thức dựa trên
điểm số của bài kiểm tra Hidden Figure Test (HFT), sắp xếp theo mức độ nhận thức từ cao
đến thấp: Field-Independent (FI), Field-Mixed (FM) và Field-Dependent (FD). Những
người được phân loại là FI thực hiện nhiệm vụ nhanh hơn và chính xác hơn so với nhóm
FM và FD. Nghiên cứu này thu được kết quả cho thấy có mối liên hệ đáng kể giữa điểm
số HFT – một bài kiểm tra tâm lý, được thiết kế để xác định khả năng nhận biết các hình
dạng hoặc đối tượng được ẩn trong một hình ảnh phức tạp hơn – và các chỉ số theo dõi mắt
của các nhóm, chủ yếu là biểu đồ nhiệt và đường quét của mắt. Kết quả cho thấy, biểu đồ
nhiệt của nhóm FI có ít các vùng màu đỏ hơn và mức độ phân tán thấp hơn so với nhóm
FM và FD, hai nhóm này có nhiều điểm màu đỏ và độ phân tán rộng thể hiện sự chậm trễ
trong phản hồi câu hỏi. Nghiên cứu này cho thấy tiềm năng của công nghệ ET trong việc
đánh giá đặc điểm nhận thức của người dùng.

S. Rafique, S. M. Rana, and M. M. Rahman, “A study of Eye-tracking properties

utilizing Tobii Eye Tracker 5,” Department of Electronics, Mathematics and Natural
Sciences, University of Gävle, 2022 [32]. Nghiên cứu này sử dụng TET5, tập trung vào
việc đo dữ liệu theo dõi mắt trực tiếp trên hình ảnh và xử lý dữ liệu nhìn để quan sát sự chú
ý của mắt người. Sử dụng phương pháp hướng nhìn tinh tế (Subtle Gaze Direction –SGD)
để đánh dấu điểm chú ý trên màn hình, nhằm thu hút sự chú ý của người xem và kết luận
cho thấy rằng SGD thực sự thu hút được ánh nhìn của người tham gia, chăm chú vào các
đối tượng cụ thể. Nghiên cứu này cung cấp cái nhìn sâu sắc về cách công nghệ ET có thể
được sử dụng để tạo ra các hình thức tương tác với máy tính không chạm (bằng mắt) và
cải thiện trải nghiệm của người dùng trong việc xem và tương tác với các nội dung số.

F. Ungureanu, R. G. Lupu, A. G. Cadar, and A. Prodan, “Neuromarketing and visual

attention study using eye tracking techniques,” in International Conference on System
Theory, Control and Computing (ICSTCC), Sinaia, 2017 [28]. Tác giả và cộng sự đã sử
7
dụng Eyetribe 101 – một thiết bị ET với tốc độ lấy mẫu là 30Hz để nghiên cứu về
Neuromarketing, một lĩnh vực nghiên cứu với sự kết hợp giữa neuro (thần kinh) và
marketing (tiếp thị), áp dụng các phương pháp và hiểu biết từ thần kinh học sử dụng công
nghệ ET để hiểu và cải thiện cách marketing ảnh hưởng đến hành vi tiêu dùng. Sau khi biết
được khu vực mà người dùng quan tâm, người bán hàng có thể tối ưu cách sắp xếp các mặt
hàng, bố cục trên các trang web tiếp thị để có thể thu hút được sự chú ý của khách hàng
một cách hiệu quả.

8
CHƯƠNG 3 PHƯƠNG PHÁP NGHIÊN CỨU

3.1 Thiết kế thí nghiệm

3.1.1 Phạm vi lấy mẫu

Trong đồ án chuyên ngành này, đối tượng để tiến hành khảo sát sự tập trung là sinh
viên đang học tại Khoa Khoa học Ứng dụng, Trường Đại học Bách khoa – Đại học Quốc
gia Thành phố Hồ Chí Minh với độ tuổi từ 20 đến 22 tuổi. Việc khảo sát được thực hiện
trong môi trường kín, ít ánh sáng xung quanh, hạn chế âm thanh từ bên ngoài với nhiệt độ
phòng thích hợp để hạn chế tối đa các yếu tố gây sao nhãng do môi trường bên ngoài gây
ra.

Bên cạnh đó, nhóm chúng tôi xin cam kết mọi dữ liệu thu được từ trong nghiên cứu
này là hoàn toàn bảo mật, kết quả thu được chỉ dùng cho mục đích nghiên cứu, hoàn thiện
đồ án.

3.1.2 Kích thích dùng trong nghiên cứu

Trong một số nghiên cứu về lĩnh vực giáo dục, các nhà nghiên cứu đã đưa ra kết
luận rằng mức độ chú ý của học sinh sinh viên sẽ bắt đầu giảm sau khoảng 15 phút học tập
[33] và sẽ bắt đầu xuất hiện hiện tượng day-dreaming – là một hiện tượng tâm thần phổ
biến, khi tâm trí của một người rơi vào trạng thái không tập trung vào môi trường xung
quanh mà thay vào đó, họ bắt đầu tưởng tượng, mơ mộng, hoặc nghĩ về những điều không
liên quan đến thực tế hiện tại [34]. Hiện tượng này được cho là hiếm khi xảy ra khi một
người đang ở trạng thái hoàn toàn tập trung [35]. Do đó, kích thích trong nghiên cứu được
sử dụng là một video bài giảng dài hơn 20 phút để có thể kích thích hiện tượng day-
dreaming, đặc biệt là ở các sinh viên thiếu sự tập trung, giúp tăng sự khác biệt trong dữ
liệu thu được giữa các đối tượng tập trung và thiếu tập trung. Bên cạnh đó điều này còn có
thể tái tạo một môi trường giả định tương tự tình huống học tập trong thực tế.

9
 Hình 3.1 Kích thích dùng trong nghiên cứu

3.1.3 Bài kiểm tra khả năng tập trung

Total Brain – một công ty khoa học thần kinh tích hợp với những bác sĩ chuyên gia
đầu ngành, chuyên cung cấp các đánh giá sức khỏe tâm thần đã được kiểm chứng lâm sàng
để khách hàng có thể luôn cập nhật tình trạng sức khỏe tinh thần của mình [36]. Một trong
số đó, công ty đã thiết kế một bài kiểm tra khả năng tập trung, chấm điểm, phân tích kết
quả phản hồi và đưa ra các đánh giá về mức độ tập trung của người tham gia.

Những người đạt điểm càng cao trong bài kiểm tra này được đánh giá càng giỏi
trong việc duy trì sự chú ý trong thời gian dài để hoàn thành một nhiệm vụ, ngay cả khi
nhiệm vụ đó tẻ nhạt và lặp đi lặp lại hoặc căng thẳng về mặt tinh thần. Họ giỏi kiểm soát
những gì họ chú ý đến và có kỹ năng bỏ qua những phiền nhiễu để thay vào đó tập trung
vào nhiệm vụ trước mắt. Bởi vì họ có thể duy trì sự tập trung và kỷ luật nên họ cũng có
nhiều khả năng hoàn thành những việc họ bắt đầu hơn. Những người có điểm thấp hơn có
thể gặp khó khăn trong việc kiểm soát những gì họ chú ý. Các nhiệm vụ dài hoặc lặp đi lặp
lại có thể khó khăn hơn đối với họ so với những nhiệm vụ khác. Họ có nhiều khả năng bị
10
phân tâm nhiều lần trong khi hoàn thành một nhiệm vụ và có thể phải mất một thời gian
ngắn để họ nhận ra rằng mình đã bị phân tâm và cần tập trung trở lại nhiệm vụ hiện tại
[37].

Nhiệm vụ 1 – Bài kiểm soát sự chú ý phần 1: Chọn câu trả lời có nội dung khớp với
nội dung của đề bài. Ví dụ như minh hoạ trong Hình 3.2, đề bài là chữ “Green” do đó cần
chọn đáp án là “Green”

Hình 3.2 Minh hoạ nhiệm vụ 1 trong bài kiểm tra

Nhiệm vụ 2 – Bài kiểm soát sự chú ý phần 2: Chọn câu trả lời có nội dung khớp với
màu chữ của đề bài. Ví dụ như minh hoạ trong Hình 3.3, đề bài là chữ “Green” nhưng được
viết bằng màu “Red” do đó cần chọn đáp án là “Red”.

11
 Hình 3.3 Minh hoạ nhiệm vụ 2 trong bài kiểm tra

Nhiệm vụ 3 – Bài kiểm tra hiệu suất liên tục: Nhấp “Match” khi thấy một chữ cái
xuất hiện hai lần liên tiếp.

Hình 3.4 Minh hoạ nhiệm vụ 3 trong bài kiểm tra

12
3.1.4 Buồng tối

Buồng tối, hay còn được biết đến với tên gọi “phòng học tập tối” hoặc “buồng tĩnh
lặng” là một loại phòng hoặc không gian được đặc biệt thiết kế để tối ưu hóa sự tập trung
và giảm thiểu sự phân tâm từ những yếu tố xung quanh. Mục tiêu chính của buồng tối là
tạo ra một môi trường tĩnh lặng và không gian kín đáo để người sử dụng có thể tập trung
cao độ vào công việc hoặc học tập. Buồng tối thường được xây dựng với vật liệu âm thanh
cách âm để giảm tiếng ồn từ bên ngoài và cung cấp một không gian yên tĩnh. Ánh sáng
cũng được kiểm soát một cách chặt chẽ, thường là bằng cách sử dụng ánh sáng dẫn hướng
hoặc ánh sáng mềm để không gian trở nên dễ chịu và không gây mệt mỏi cho mắt. Các
buồng tối thường được sử dụng trong các môi trường làm việc, nơi mà sự tập trung cao độ
là quan trọng. Nó có thể là nơi lý tưởng để thực hiện công việc cần sự tập trung sâu sắc,
nghiên cứu, hoặc thậm chí là để thư giãn và tái tạo năng lượng. Buồng tối không chỉ giúp
cải thiện hiệu suất làm việc mà còn tạo ra một không gian riêng tư và yên bình giúp người
sử dụng tránh xa sự sao nhãng của môi trường xung quanh.

Hình 3.5 Buồng tối

13
 Tuy nhiên, hiện tại buồng tối mà nhóm sử dụng chưa hoàn toàn thoả mãn các yêu
cầu của một buồng tối thực sự mà chỉ phần nào giảm thiểu sự phân tâm của môi trường
xung quanh bằng cách tạo ra không gian riêng từ các tấm vải tối màu, giúp giảm thiểu ánh
sáng và tiếng ồn xung quanh. Ánh sáng đèn bàn được sử dụng là đèn LED cho ánh sáng
liên tục, không nhấp nháy giúp bảo vệ thị lực và tránh gây khó chịu trong quá trình tiến
hành thí nghiệm. Bên cạnh đó, tai nghe chụp chống ồn cũng là thành phần giúp giảm thiểu
âm thanh gây nhiễu từ bên ngoài.

3.1.5 Phần cứng

Để ghi được dữ liệu, nhóm đã sử dụng thiết bị Tobii Eye Tracker 5 (TET5) của
hãng Tobii, màn hình 21.5 inches giúp sinh viên dễ dàng quan sát, laptop điều khiển, đèn
và tai nghe.

3.1.5.1 Tobii Eye Tracker 5 (TET5)

TET5 là một thiết bị theo dõi đồng bộ với mắt, được sản xuất bởi Tobii Technology,
một công ty chuyên về công nghệ theo dõi đối tượng bằng ánh sáng, đặc biệt là theo dõi
chuyển động của đôi mắt.

Hình 3.6 Thiết bị Tobii Eye Tracker 5

14
 Nhờ vào việc sử dụng cảm biến hồng ngoại gần IS5 với cảm biến Tobii NIR tùy
chỉnh (850 nm) giúp thiết bị có tốc độ lấy mẫu đạt khoảng 30 Hz, hỗ trợ với màn hình có
độ rộng từ 15 inches đến 27 inches, với tỉ lệ 16:9 hoặc 30 inches với tỉ lệ 21:9. Khoảng
cách để có thể thu được tín hiệu mắt một cách chính xác là 50-70 cm, tính từ mắt đến thiết
bị TET5. Muốn sử dụng thiết bị một cách tốt nhất thì máy tính, laptop được yêu cầu có
cấu hình như sau Intel Core thế hệ thứ 6 (i3/i5/i7-6xxx) trở lên hoặc bộ xử lý AMD 64 bit
tương đương. Tối thiểu 2GHz, RAM 8GB và cần phải có cổng USB [38].

Với kích thước nhỏ 15.94 x 1.77 x 3.27 inches, trọng lượng chỉ 0.097kg [38] tương
đối nhẹ, kết hợp với nam châm hút nên dễ dàng gắn thiết bị để cố định lên màn hình hoặc
đặt thiết bị lên bàn phím laptop một cách dễ dàng.

Có thể kết nối thiết bị này bằng 1 cáp USB kèm theo cổng USB của laptop đã cài
đặt phần mềm Tobii Experience là có thể sử dụng ngay lập tức. Phần mềm cũng cho phép
người dùng thực hiện quá trình Calibration để điều chỉnh vị trí mắt nằm trong phạm vi mà
thiết bị cho phép và thiết bị có thể nhận diện chính xác vị trí mắt của mỗi người dùng cụ
thể, đảm bảo hoạt động chính xác, hiệu quả, đồng thời tăng hiệu suất thiết bị.

3.1.5.2 Màn hình rời

Màn hình rời được sử dụng là màn hình ViewSonic series VA2261-2 với độ phân
giải mặc định là 1920x1080 với kích thước 22 inches (bao gồm viền) và vùng màn hình là
21,5 inches (không bao gồm viền). Màn hình được kết nối với laptop thông qua cổng HDMI
và chiếu trực tiếp các tài liệu, tư liệu thực hiện khảo sát để tiến hành quá trình lấy dữ liệu
từ các sinh viên.

Thiết bị TET5 được đặt ở cạnh dưới của màn hình rời bằng một nam châm hút từ
thiết bị để, đảm bảo quá trình lấy dữ liệu một cách thuận tiện và dễ dàng nhất.

15
 Hình 3.7 Màn hình rời ViewSonic và thiết bị TET5

3.1.5.3 Laptop điều khiển

Laptop Ideapad Gaming 3 của hãng Lenovo là thiết bị chính dùng để điều khiển các
quá trình phát, trình chiếu các tư liệu, tài liệu lên màn hình rời và để thu nhận dữ liệu thu
được từ thiết bị TET5. Laptop có độ phân giải 1920x1080 phù hợp với màn hình rời, bộ
xử lý AMD Ryzen 5 5600H with Radeon Graphics 64 bit, 3.30 GHz, 8.00 Gb RAM, có 2
cổng USB hoàn toàn phù hợp với các tiêu chí mà TET5 yêu cầu.

16
 Hình 3.8 Laptop Ideapad Gaming 3

3.1.5.4 Đèn và tai nghe

a. Đèn

Đèn LED để bàn hãng Rạng Đông với công suất 6 W, điện áp 220 V/50 Hz, chỉ số
hoàn màu 80, độ rọi trung bình 700 lux/W [39]. Bên cạnh các thông số về công suất và
điện áp thì chỉ số hoàn màu 80 cho thấy đèn có khả năng tái tạo màu sắc tốt, giúp người sử
dụng nhận biết màu sắc một cách chính xác với độ rọi trung bình 700 lux/W cho thấy đèn

17
tạo ra ánh sáng đủ mạnh và đồng đều, phù hợp cho nhiều hoạt động sử dụng như đọc sách,
làm việc, hay thực hiện các công việc tập trung.

b. Tai nghe

Tai nghe chống ồn Lenovo Thinkplus TH10 giúp tạo ra một không gian yên tĩnh và
tách biệt từ tiếng ồn bên ngoài, giúp người nghe dễ dàng tập trung vào công việc, học tập,
hoặc giải trí mà không bị làm phiền, có thể tập trung vào nhiệm vụ mà không phải đối mặt
với sự xao lạc từ tiếng ồn xung quanh.

Hình 3.9 Đèn và tai nghe

3.1.6 Phần mềm và giải thuật

3.1.6.1 Phần mềm Tobii Experience

Tobii Experience là một ứng dụng phần mềm do Tobii Technology phát triển, nhằm
cải thiện trải nghiệm sử dụng máy tính thông qua công nghệ theo dõi ánh nhìn (Eye

18
Tracking). Phần mềm cho phép người sử dụng kích hoạt thiết bị TET5 khi vừa kết nối với
máy tính, laptop mà không cần cài đặt thêm bất kỳ phần mềm khác.

Hình 3.10 Giao diện chính phần mềm Tobii Experience

Dưới đây là một số chức năng của phần mềm Tobii Experience được sử dụng trong
bài nghiên cứu này :

a. Improve my calibration

Chức năng Calibration hỗ trợ hiệu chỉnh thiết bị chính xác trước khi tiến hành thu
dữ liệu. Các bước để calibrate gồm có:

- Bước 1: Nhìn vào khung trung tâm màn hình khoảng 5-10 giây;
- Bước 2 : Nhìn vào các hạt đậu trên màn hình đến khi chúng bị nổ và biến mất;
- Bước 3: Lặp lại thao tác giống ở bước 2 với các hạt đậu ở các vị trí khác.

19
 Hình 3.11 Quá trình Calibration

b. Preview my gaze

Preview my gaze cho phép xem được vị trí mà thiết vị TET5 thực sự phân tích điểm
nhìn của người dùng để người dùng có thể đánh giá độ chính xác vị trí và có thể thực hiện
hiệu chỉnh nếu cần thiết.

20
 Hình 3.12 Hiển thị vùng nhìn trên màn hình

3.1.6.2 Thư viện Tobii Stream Engine

Đây là thư viện được nhà phát hành Tobii cung cấp để truy cập sâu vào thiết bị với
nhiều chức năng riêng biệt hơn là chỉ sử dụng cho game. Thư viện cho phép người sử dụng
có thể truy cập được 6 tệp con mà nhà sản xuất cung cấp để phát triển sản phẩm [40]. Dưới
đây là một số thư viện đã được sử dụng trong bài nghiên cứu để sử dụng thiết bị cho quá
trình thu dữ liệu tầm nhìn :

- “ tobii.h ” : Thư viện chức năng chính API của TET5

- “ tobii.streams.h ” : Đăng ký và sử dụng nguồn dữ liệu “Eye Tracking data ”

trong thư viện Tobii Stream Engine

3.1.6.3 Phần mềm Visual Studio 2019

Sử dụng công cụ Windows Forms có trong Visual Studio 2019 để tạo ra giao diện
người dùng cho việc thu dữ liệu tầm nhìn.

21
a. Trang thu dữ liệu Video Eye Tracking

Hình 3.13 Giao diện trang Video Eye Tracking

Cụ thể, từng nút trong giao diện người dùng Video Eye Tracking sử dụng như sau:

- Video Eye Tracking: Cho phép người dùng sử dụng video để có thể tiến hành
thu dữ liệu ET.
- Choose: Lựa chọn video phù hợp để tiến hành thí nghiệm.
- Survey 1: Thực hiện điền thông tin và tham gia bài khảo sát mức độ tập trung.
- Survey 2: Thực hiện bài kiểm tra bao gồm các câu hỏi về các thông tin có trong
video để kiểm tra mức độ tập trung.
- Clear list: Xóa các video được lựa chọn trong Video list.
- Capture Gazepoint: Phát video ở chế độ toàn màn hình, bắt đầu quá trình thu
nhận toạ độ điểm nhìn (Gazepoint) và trả về giá trị song song với thời gian trình
phát video theo dạng:

Tọa độ x ; Tọa độ y ; Thời gian thu được dữ liệu (s)

22
 Hình 3.14 Dữ liệu thu được từ Video Eye Tracking

b. Trang thu dữ liệu Image Eye Tracking

Hình 3.15 Giao diện trang Image Eye Tracking

- Image Eye Tracking: Cho phép người dùng sử dụng hình ảnh để có thể tiến hành
thu dữ liệu ET.
- Open: Lựa chọn hình ảnh phù hợp để tiến hành thí nghiệm.
- Clear: Xóa các hình ảnh được lựa chọn trong Image list.

23
 - Capture Gazepoint: Phát hình ảnh ở chế độ toàn màn hình, bắt đầu quá trình thu
nhận toạ độ điểm nhìn (Gazepoint) và trả về giá trị song song với thời gian trình
phát hình ảnh theo dạng:
Tọa độ x ; Tọa độ y ; Thời gian thu được dữ liệu

Hình 3.16 Dữ liệu thu được từ Image Eye Tracking

3.1.6.4 Thuật toán xác định fixation, saccade và nhiễu

Giai đoạn 1: Đổi toạ độ sang độ (°)

Dữ liệu thô thu được từ ET sẽ mang giá trị x  [0;1] và y  [0;1] khi điểm nhìn đó
nằm trong vùng nhìn của màn hình. Ngược lại, nếu người tham gia nhìn ra khỏi màn hình
thì x hoặc y sẽ mang giá trị thuộc khoảng (; 0) hoặc (1; ) . Điểm nhìn nào có giá trị
x hoặc y nằm trong hai khoảng trên sẽ được dán nhãn là Nhiễu.

24
 Hình 3.17 Minh hoạ hệ toạ độ Oxy trong nghiên cứu

Sau đó các giá trị còn lại sẽ được chuyển đổi sang độ theo bảng sau [41].

Bảng 3.1 Chuyển đổi toạ độ sang độ

Toạ độ tối đa điểm nhìn trong màn hình Góc quan sát lớn nhất của màn hình (°)

x 1 90

y 1 65

Giai đoạn 2: Tính khoảng cách, vận tốc và gia tốc

Khoảng cách sẽ được tính bằng công thức tính khoảng cách Euclid giữa hai điểm
trong hệ trục toạ độ hai chiều dựa trên định lý Pythagoras.

Khoảng cách (°): D  ( xn  xn 1 ) 2  ( yn  yn 1 ) 2 (3.1)

Vận tốc và gia tốc sau đó sẽ được tính bằng sự thay đổi khoảng cách và thay đổi vận
tốc từ điểm này sang điểm tiếp theo [41].

25
 D
Vận tốc (°/s): v  (3.2)


vi 1  vi
Gia tốc (°/s2): a  (3.3)
t

Giai đoạn 3: Xác định fixation, saccade và nhiễu

Sau khi tính toán được vận tốc và gia tốc cho từng dữ liệu thu được, thuật toán sẽ
phân loại và dán nhãn từng điểm là fixation, saccade hoặc nhiễu với ngưỡng vận tốc và gia
tốc được tham khảo từ hai nghiên cứu về ngưỡng xác định phân loại các chuyển động của
mắt [41] [42].

26
 Loại bỏ các điểm
nhìn ngoài màn hình

Đổi toạ độ sang độ

Tính khoảng cách,

vận tốc và gia tốc

240  v  1000 v  240

3000  a  36000 a  3000

Đ S S Đ

Pre-Saccade Pre-Fixation
Tính nPS liên tục Tính nPF liên tục

S S
nPS  6 Nhiễu nPF  6

Đ Đ

Saccade Fixation
Tính thời gian Saccade Tính thời gian Fixation

Kết thúc

Hình 3.18 Lưu đồ thuật toán tính fixation, saccade và nhiễu

27
3.2 Quy trình thu dữ liệu tập trung của sinh viên

Trước khi tiến hành thu dữ liệu ET thì sinh viên sẽ thực hiện khai báo thông tin,
tham gia làm bài khảo sát về các thói quen thường ngày liên quan đến mức độ tập trung.
Tiếp theo, người tham gia sẽ thực hiện bài kiểm tra gồm các nhiệm vụ kiểm soát sự chú ý
và hiệu suất liên tục để kiểm tra mức độ tập trung. Sau đó, hiệu chuẩn để TET5 có thể xác
định đúng vị trí mắt của từng cá nhân. Tiếp đó là quá trình thu dữ liệu ET sẽ được thực
hiện, trong khi thu dữ liệu ET, người tham gia sẽ được xem video dài hơn 20 phút như đã
giới thiệu ở phần 3.1.2. Cuối cùng, sinh viên sẽ thực hiện trả lời 10 câu hỏi về các vấn đề
đã được đề cập trong video được xem trước đó. Kết thúc quy trình thu dữ liệu tập trung
của sinh viên.

3.3 Phương pháp xử lý dữ liệu

Quá trình phân tích dữ liệu nghiên cứu trong nghiên cứu này được thực hiện bằng
công cụ Microsoft Excel 2016. Nhóm đã phân tích mối liên hệ giữa các yếu tố quan trọng
như điểm kiểm tra, điểm nhiệm vụ và các chỉ số đo lường như số điểm fixation, thời gian
fixation, số điểm saccade và thời gian nhiễu bằng cách sử dụng biểu đồ phân tán (scatter
plot) và đường hồi quy tuyến tính (trendline linear) giúp xác định xu hướng tổng thể của
dữ liệu và đồng thời hiểu rõ hơn mối liên hệ giữa chúng.

Nếu đường hồi quy thể hiện một xu hướng tăng tuyến tính giữa điểm kiểm tra, điểm
nhiệm vụ và các chỉ số như số điểm fixation và thời gian fixation, đồng thời có xu hướng
giảm với số lượng saccade và thời gian nhiễu tương ứng với khoảng thời gian bị sao lãng,
có thể suy luận rằng hiệu suất và sự tập trung trong việc hoàn thành công việc là hoàn toàn
tương quan với sự chuyển động của mắt.

Đồng thời, để đảm bảo tính đáng tin cậy của mô hình thực nghiệm, nhóm nghiên
cứu đã áp dụng hệ số xác định R-squared. Giá trị của R-squared, nằm trong khoảng từ 0
đến 1, cung cấp thông tin về độ chính xác và phù hợp của mô hình trong việc giải thích sự

28
biến động của dữ liệu. Giá trị R-squared càng cao thì càng có khả năng giải thích sự biến
động đó cao, tăng tính xác thực, tính khẳng định các giả thiết của nghiên cứu.

29
CHƯƠNG 4 KẾT QUẢ VÀ BÀN LUẬN

4.1 Kết quả mô hình thí nghiệm

4.1.1 Kết quả phần cứng

Sau khi lắp đặt các thiết bị xong, tiến hành thí nghiệm theo quy trình như đã trình
bày trong phần 3.1.6.

Đèn và Màn hình

tai nghe rời

Laptop Thiết bị
điều khiển TET5

Hình 4.1 Kết quả phần cứng

4.1.2 Kết quả phần mềm

Trước khi tiến hành thu ET, người tham gia sẽ được thực hiện một bài kiểm tra bao
gồm 3 nhiệm vụ để kiểm tra hiệu mức độ kiểm soát sự chú ý và hiệu suất liên tục, kết quả
thu được là điểm đánh giá câu trả lời và tốc độ phản hồi của người tham gia sau đây sẽ gọi
ngắn gọn là Điểm nhiệm vụ. Bên cạnh đó, Điểm bài kiểm tra nghĩa là 10 câu hỏi liên quan
đến nội dung đoạn video mà sinh viên sẽ được xem trong quá trình thu dữ liệu ET.

30
Bảng 4.1 Kết quả điểm nhiệm vụ và bài kiểm tra

STT ID Điểm nhiệm vụ Điểm bài kiểm tra

1 N.H.A 28 30

2 V.H.N.D 30 30

3 N.T.H 61 50

4 H.H.M 53 70

5 P.T.H.Y 66 70

6 D.T.K 55 90

7 L.T.K.N 72 90

8 T.H.L 53 90

9 P.P.P 81 90

10 L.Đ.P 52 100

Kết quả Raw data thu được từ thiết bị TET5 là file .txt, file này sau đó sẽ được nhập
vào phần mềm Microsoft Excel 2016 và sẽ tiến hành các bước xử lý theo thuật toán như
đã trình bày ở mục 3.1.6.4.

31
 Hình 4.2 Minh hoạ một dữ liệu Raw data

4.2 Kết quả xử lý dữ liệu

Dữ liệu sau khi đã được tính toán các giá trị như fixation, saccade, thời gian nhiễu
và thời gian fixation

Bảng 4.2 Kết quả xử lý dữ liệu

Fixation Saccade tfixation (s)
STT ID
tnhiễu (s)
nfixation vtb (°/s) nsaccade vtb (°/s) tf-tổng (s) tf-tb (s)

1 N.H.A 26483 28.65 612 407.21 92.05 821.144 1.019

2 V.H.N.D 28899 35.66 876 404.87 412.87 918.774 0.791

3 N.T.H 30846 40.22 1155 390.91 816.57 1420.328 1.079

4 H.H.M 33998 32.93 593 371.52 83.52 1097.455 1.146

5 P.T.H.Y 31568 39.35 1201 406.77 115.98 930.373 0.698

6 D.T.K 29712 33.25 870 410.29 439.72 931.170 0.873

32
 7 L.T.K.N 36011 20.38 427 386.11 15.36 1065.062 1.732

8 T.H.L 26895 37 1256 389.78 477.67 931.998 0.712

9 P.P.P 31329 36.79 1108 401.27 232.42 1,047.919 0.792

10 L.Đ.P 33346 30.53 868 400.45 134.99 977.255 0.855

So sánh sự tương quan giữa dữ liệu của bảng 4.1 và bảng 4.2 thông qua việc thể
hiện trực quan bằng biểu đồ phân tán và đường hồi quy tuyến tính như sau:

40000

35000
R² = 0.348
30000

25000

20000

15000

10000

5000

0
0 10 20 30 40 50 60 70 80 90

Hình 4.3 Kết quả so sánh giữa điểm nhiệm vụ và số lượng fixation

33
900.00

800.00

700.00

600.00

500.00

400.00

300.00
R² = 0.0032
200.00

100.00

0.00
0 10 20 30 40 50 60 70 80 90

Hình 4.4 Kết quả so sánh giữa điểm nhiệm vụ và thời gian nhiễu

Điểm nhiệm vụ với thời gian fixation

1,600.000

1,400.000

1,200.000
R² = 0.1976
1,000.000

800.000

600.000

400.000

200.000

0.000
0 10 20 30 40 50 60 70 80 90

Hình 4.5 Kết quả so sánh giữa điểm nhiệm vụ và thời gian fixation

34
40000

35000
R² = 0.2252
30000

25000

20000

15000

10000

5000

0
0 20 40 60 80 100 120

Hình 4.6 Kết quả so sánh giữa điểm bài kiểm tra và số lượng fixation

900.00

800.00

700.00

600.00

500.00

400.00

300.00
R² = 0.0419
200.00

100.00

0.00
0 20 40 60 80 100 120

Hình 4.7 Kết quả so sánh giữa điểm bài kiểm tra và thời gian nhiễu

35
 1,600.000

1,400.000

1,200.000

1,000.000 R² = 0.0003

800.000

600.000

400.000

200.000

0.000
0 20 40 60 80 100 120

Hình 4.8 Kết quả so sánh giữa điểm bài kiểm tra và thời gian fixation

Sau khi lọc và xử lý các dữ liệu thô thu được từ thiết bị TET5 và tiến hành so sánh
các dữ liệu giữa điểm nhiệm vụ, điểm bài kiểm tra với các thông số dữ liệu sau xử lý như
các hình trên. Theo biểu đồ so sánh giữa điểm nhiệm vụ, điểm bài kiểm tra với các thông
số dữ liệu sau tính toán thì thấy được rằng điểm nhiệm vụ, điểm bài kiểm tra tăng tuyến
tính một phần so với số lượng fixation cũng như thời gian fixation. Giảm tuyến tính một
phần so với thời gian nhiễu. Vì vậy có thể nhận định rằng điểm nhiệm vụ, điểm bài kiểm
tra tăng đồng thời với số lượng fixation, số lượng fixation và cũng giảm đồng thời với thời
gian nhiễu.

Bên cạnh việc nhìn theo chiều hướng của biểu đồ đường trendline, ta còn có thể dựa
vào hệ số R-squared để đánh giá được mức độ phụ thuộc lẫn nhau giữa điểm nhiệm vụ,
điểm bài kiểm tra với các thông số đã tính toán. Cụ thể có thể thấy rằng R-squared của
điểm nhiệm vụ, điểm bài kiểm tra với số lượng fixation lần lượt là 0.348 và 0.2252, tuy
rằng hệ số R-squared không quá cao, không phải là một tương quan tốt, nhưng cũng có thể
cho thấy được rằng mối quan hệ giữa 2 biến với thông số số lượng fixation. Hệ số này cũng
có thể đánh giá được rằng sinh viên có điểm nhiệm vụ, điểm bài kiểm tra càng cao thì số

36
lượng fixation cũng tăng theo và ngược lại so với các sinh viên có điểm nhiệm vụ, điểm
bài kiểm tra thấp.

Hệ số R-squared của điểm nhiệm vụ, điểm bài kiểm tra so với thời gian nhiễu lần
lượt là 0.0032, 0.0419. Hệ số R-squared rất thấp vì vậy rất khó để có thể đánh giá được
mức độ tương quan giữa điểm nhiệm vụ, điểm bài kiểm tra so với thời gian nhiễu. Tuy
rằng hệ số R-squared là một chỉ số quan trọng, nhưng không phải duy nhất để đánh giá độ
tương quan, cần phải xem xét thêm nhiều yếu tố khác để đánh giá tốt hơn.

Cuối cùng, hệ số R-squared của điểm nhiệm vụ, điểm bài kiểm tra so với thời gian
fixation lần lượt là 0.1976 và 0.0003. Giá trị R-squared của điểm nhiệm vụ với thời gian
fixation là 0.1976, cho thấy một mức độ tương quan trung bình giữa điểm nhiệm vụ và thời
gian fixation. Mặc dù không phải là một mối quan hệ mạnh mẽ, nhưng nó vẫn có ý nghĩa
và có thể được sử dụng để dự đoán một phần nào đó mối tương quan giữa điểm nhiệm vụ
dựa trên thời gian fixation. Giá trị R-squared rất thấp là 0.0003, chỉ ra một mức độ tương
quan rất yếu giữa điểm bài kiểm tra và thời gian fixation. Có vẻ như thời gian fixation
không giải thích được một phần đáng kể biến động trong điểm bài kiểm tra, cần xem xét
thêm các yếu tố khác.

Các thông số và mối quan hệ trên có thể được sử dụng để dự đoán một phần nào đó
về hiệu suất của sinh viên dựa trên các yếu tố như số lượng fixation và thời gian nhiễu. Tuy
nhiên, cần cẩn thận khi áp dụng kết quả vào thực tế và cân nhắc các yếu tố môi trường khác
trong quá trình thực hiện thí nghiệm có thể ảnh hưởng đến kết quả thí nghiệm.

37
CHƯƠNG 5 KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN

5.1 Kết luận

Bài nghiên cứu đã đưa ra những kết quả quan trọng về mối quan hệ giữa chuyển
động mắt và hiệu suất của sinh viên trong quá trình thực hiện nhiệm vụ và bài kiểm tra.
Thông qua việc sử dụng công nghệ Eye Tracking và thuật toán của S. Stuart và cộng sự,
nhóm nghiên cứu đã thu thập và xử lý dữ liệu để phân tích số lượng fixation, thời gian
fixation, thời gian nhiễu, và mối quan hệ giữa chúng với điểm nhiệm vụ và điểm bài kiểm
tra của sinh viên.

Kết quả cho thấy rằng có một mối quan hệ tuyến tính giữa số lượng fixation và điểm
nhiệm vụ, điểm bài kiểm tra, trong khi thời gian nhiễu có xu hướng giảm tuyến tính theo
cùng hướng. Điều này cho thấy rằng sự tập trung của sinh viên có thể ảnh hưởng tích cực
đến hiệu suất của họ trong các nhiệm vụ và bài kiểm tra. Kết quả này phù hợp với kết quả
của các nghiên cứu trước đó về sự tương quan giữa các chuyển động của mắt với sự tập
trung [28] [31] [32]. Bên cạnh một số dữ liệu chưa hoàn toàn hợp lý thì cũng có thể thấy
được rằng sự phân bố rõ rệt giữa các sinh viên có điểm khá tốt ở bài kiểm tra, nhiệm vụ
như sinh viên P.P.P (điểm bài kiểm tra: 90, điểm nhiệm vụ: 81) hay sinh viên L.T.K.N
(điểm bài kiểm tra: 90, điểm nhiệm vụ: 72) thì đều có số lượng điểm fixation tương đối cao
lần lượt là 31329 và 36011 so với các sinh viên có điểm không cao ở bài kiểm tra, nhiệm
vụ như sinh viên N.H.A (điểm bài kiểm tra: 30, điểm nhiệm vụ: 28) hay sinh viên V.H.N.D
(điểm bài kiểm tra: 30, điểm nhiệm vụ: 30) thì số lượng fixation thấp hơn nhiều, cụ thể là
26483 và 28899.

Tuy hệ số R-squared của mối quan hệ này không cao, nhưng vẫn đủ để chứng minh
một mức độ tương quan trung bình. Cụ thể, hệ số R-squared cao nhất trong mô hình thí
nghiệm 0.348 và 0.2252 giữa điểm nhiệm vụ, điểm bài kiểm tra với số lượng fixation vì
vậy có thể xem số lượng fixation như một chỉ số quan trọng trong việc dự đoán và đánh
giá được hiệu suất tập trung của sinh viên. Bên cạnh đó, mối quan hệ giữa thời gian nhiễu
và điểm nhiệm vụ, điểm bài kiểm tra không rõ ràng, với hệ số R-squared rất thấp 0.0032,

38
0.0419. Điều này đặt ra một vấn đề lớn trong việc đánh giá tương quan giữa thời gian nhiễu
và hiệu suất tập trung của sinh viên, và cần phải xem xét các yếu tố khác để có cái nhìn
toàn diện về mối quan hệ này. Mối quan hệ giữa thời gian fixation và điểm nhiệm vụ, điểm
bài kiểm tra cũng không thật sự hợp lý khi có sự chênh lệch khá lớn giữa 2 hệ số R-squared
với nhau 0.1976 và 0.0003, điều này cho thấy sự bất hợp lý, vì vậy cần điều chỉnh và kết
hợp xem xét các yếu tố bên ngoài để có cái nhìn tổng quan hơn về thông số này.

Thông qua đề tài cũng như kết quả thu được, nhóm cũng đã nhìn thấy được những
thiếu sót trong quá trình thực hiện thí nghiệm, đó là:

- Số lượng mẫu thu được khá thấp, tổng cộng chỉ có 23 mẫu, trong đó có 3 mẫu
vì một số lí do chủ quan và khách quan mà không thể hoàn thành trọn vẹn thí
nghiệm, loại 9 mẫu đầu tiên vì quy trình thu dữ liệu ban đầu chưa được hợp lí,
tiếp tục loại 1 mẫu nữa vì sinh viên được thu dữ liệu là sinh viên thuộc Trường
Đại học Kinh tế đã quá quen thuộc với chủ đề video mà nhóm đưa ra do đó khi
trả lời 10 câu hỏi trong bài kiểm tra sẽ không thể mang tính khách quan được.
- Thiết lập chương trình thu dữ liệu thô chưa tối ưu, vì khi người tham gia nhắm
mắt hoặc mắt rời khỏi vùng mà TET5 có thể định vị được thì sẽ không thu được
dữ liệu và chỉ tiếp tục thu khi TET5 phát hiện được vị trí của mắt. Do đó, rất khó
để phân tích mối tương quan giữa các chỉ số, dù có tương quan thì hệ số R-
squared cũng không cao thậm chí là rất thấp. Cần thiết lập lại chương trình thu
dữ liệu để cột thời gian vẫn chạy ngay cả khi TET5 không nhận diện được vị trí
của mắt.
- Thiết kế thí nghiệm chưa thực sự tối ưu khi sử dụng kích thích video có âm
thanh, sử dụng một giác quan khác để tiếp nhận thông tin. Vì lẽ đó một số người
tham gia thậm chí có thể không cần nhìn vào màn hình mà sử dụng thính giác,
khiến cho việc so sánh tương quan các chuyển động của mắt gặp rất nhiều khó
khăn.

39
 - Bài kiểm tra gồm 10 câu hỏi là hợp lí nhưng nên thay vào đó là câu trả lời tự
luận thay vì trắc nghiệm bởi vì xác suất sinh viên đó có thể chọn bừa đáp án mà
vẫn đúng lên đến 11-50% mỗi câu hỏi.
- Không có bài kiểm tra nào trong nghiên cứu này được thiết kế hoặc thông số nào
đủ tin cậy để phân loại sinh viên thành các nhóm tập trung hoặc ít tập trung. Do
đó, nhóm chỉ có thể so sánh theo điểm số từ thấp đến cao của Điểm nhiệm vụ và
Điểm bài kiểm tra mà không thể phân định được các nhóm riêng biệt. Mặc dù
sau đó nhóm đã tìm được bài kiểm tra hình ẩn (Hidden Figure Test – HFT) có
thể phân loại các đối tượng tham gia thành các nhóm tập trung, kém tập trung và
hỗn hợp của hai nhà nghiên cứu E. A. Nisiforou và A. Laghos [31], nhưng vì
gấp rút trong thời gian báo cáo nên không thể tiến hành thu lại các dữ liệu khác
thay thế.

5.2 Hướng phát triển

Công nghệ Eye Tracking (ET) là một công nghệ đã trở nên phổ biến trong lĩnh vực
tâm lý học và y học trên thế giới nhưng là một hướng nghiên cứu mới, nhất là trong lĩnh
vực y học ở Việt Nam. Bài nghiên cứu của nhóm chúng tôi đã cho thấy triển vọng trong
việc phát hiện những chuyển động của mắt liên quan đến các yếu tố tâm lý. Tuy nhiên,
nghiên cứu này vẫn xuất hiện những hạn chế về quy trình thiết kế và lấy mẫu như đã đề
cập ở trên. Do đó, nhóm chúng tôi xin đề xuất một số hướng phát triển cho đề tài này:

- Thực hiện thêm các thí nghiệm với số lượng người tham gia lớn hơn và đa dạng
hơn về giới tính, độ tuổi, trình độ học vấn và tình trạng sức khỏe.
- Tiến hành cải tiến quy trình như đã trình bày ở phần kết luận 5.1: thiết lập lại
chương trình thu dữ liệu, kích thích được sử dụng chỉ có thể tiếp nhận thông tin
bằng một giác quan duy nhất là thị giác, thiết kế bộ câu trả lời tự luận, thực hiện
những bài kiểm tra phân loại đối tượng.
- Sử dụng các thiết bị ET hiện đại hơn với tần số lấy mẫu cao hơn ( f  30 Hz ) để
ghi lại những chuyển động của mắt một cách chi tiết và chính xác.

40
- Phân tích dữ liệu ET bằng các phương pháp thống kê và máy học tiên tiến hơn
để khám phá những mối liên hệ giữa các yếu tố tâm lý và những chuyển động
của mắt.
- Kết hợp ET với các phương pháp khác để đánh giá tâm lý, ví dụ như điện não
đồ, điện cực da, hoặc các bài kiểm tra tâm lý.
- Ứng dụng ET vào các lĩnh vực y học khác, ví dụ như chẩn đoán, điều trị, phòng
ngừa và giáo dục sức khỏe, trong đó nhóm đặc biệt quan tâm đến việc sử dụng
ET để chẩn đoán sớm, chính xác và bằng một cách khách quan hơn bệnh ADHD.

41
TÀI LIỆU THAM KHẢO

[1] Y. C. Lin, Y. Lan, and S. Wang, "A method for evaluating the learning concentration
in head-mounted virtual reality interaction," Virtual Reality, vol. 27, no. 2, pp. 863-
885, September 2022.

[2] X. Li, B. Hu, T. Zhu, J. Yan, and F. Zheng, "Towards affective learning with an EEG
feedback approach," Proceedings of the first ACM international workshop on
Multimedia technologies for distance learning, pp. 33-38, October 2009.

[3] S. Pourbagher, H. R. Azemati, and B. S. S. Pour, "Classroom wall color: a multiple

variance analysis on social stress and concentration in learning environments,"
International Journal of Educational Management, vol. 35, no. 1, pp. 189-200,
January 2021.

[4] L. Bao and E. F. Redish, "Concentration analysis: A quantitative assessment of

student states," America Journal of Physics, vol. 69, no. S1, p. S45–S53, July 2001.

[5] Y. Shi, "Research on evaluation model of classroom attention of students based on

face recognition technology," in Central China Normal University, Wuhan, 2020.

[6] Y. C. Lin, Y. Lan, and S. Wang, "A method for evaluating the learning concentration
in head-mounted virtual reality interaction," Virtual Reality, vol. 27, no. 2, pp. 863-
885, September 2022.

[7] W. James, The principles of psychology, 1890.

[8] M. W. Matlin, Cognition, New York: John Wiley, 2003.

[9] S. Liversedge, I. Gilchrist and S. Everling, The Oxford handbook of eye movements,
USA: Oxford University Press, 2011.

42
[10] S. Ramat, J. T. Somers, V. E. Das and R. J. Leigh, "Conjugate ocular oscillations
during shifts of the direction and depth of visual fixation," Investigative
ophthalmology & visual science, vol. 40, no. 8, pp. 1681-1686, 1999.

[11] D. McCready, "On size, distance, and visual angle perception," Perception &
Psychophysics, vol. 37, no. 4, pp. 323-334, 1985.

[12] J. Warren and A. Klin, "Attention to eyes is present but in decline in 2-6-month-old
infants later diagnosed with autism," Nature, vol. 504, no. 7480, pp. 427-431, 2013.

[13] M. Vidailhet, S. Rivaud, N. Gouider‐Khouja, B. Pillon, A. M.Bonnet, B. Gaymard et

al, "Eye movements in parkinsonian syndromes," Annals of neurology, vol. 35, no.
4, pp. 420-426, 1994.

[14] L.Merzon et al, "Eye movement behavior in a real-world virtual reality task reveals
ADHD in children," Scientific Reports, vol. 12, no. 1, 2022.

[15] M. H. Heitger, R. D. Jones, A. D. Macleod, D. L. Snell, C. M. Frampton and T. J.

Anderson, "Impaired eye movements in postconcussion syndrome indicate
suboptimal brain function beyond the influence of depression, malingering or
intellectual ability," Brain, vol. 10, no. 132, pp. 2850-2870, 2009.

[16] N. Smyrnis, "Metric issues in the study of eye movements in psychiatry," Brain and
cognition, vol. 68, no. 3, pp. 341-358, 2008.

[17] U. P. Mosimann, R. M. Müri, D. J. Burn, J. Felblinger, J. T. O'Brien and I. G.

McKeith, "Saccadic eye movement changes in Parkinson's disease dementia and
dementia with Lewy bodies," Brain, vol. 128, no. 6, pp. 1267-1276, 2005.

[18] X. Radvay, S. Duhoux, F. Koenig-Supiot and F. Vital-Durand, "Balance training and

visual rehabilitation of age-related macular degeneration patients," Journal of
Vestibular Research, vol. 17, no. 4, pp. 183-193, 2007.

43
[19] E. Isotalo, A. Heikki and P. Ilmari, "Oculomotor findings mimicking a cerebellar
disorder and postural control in severe Meniere's disease," Auris Nasus Larynx, vol.
36, no. 1, pp. 36-41, 2009.

[20] L. R. Young and D. Sheena, "Eye-movement measurement techniques," American

Psychologist, vol. 30, no. 3, p. 315, 1975.

[21] D. D. Salvucci and J. H. Goldberg, "Identifying fixations and saccades in eye-

tracking protocols," in The 2000 Symposium on Eye Tracking Research &
Applications, ACM, 2000.

[22] O. V. Komogortsev, D. V. Gobert, S. Jayarathna, D. H. Koh and S. M. Gowda,

"Standardization of automated analyses of oculomotor fixation and saccadic
behaviors," Biomedical Engineering, IEEE Transactions, vol. 57, no. 11, pp. 2635-
2645, 2010.

[23] R. Van der Lans, M. Wedel and R. Pieters, "Defining eye-fixation sequences across
individuals and tasks: the Binocular-Individual Threshold (BIT) algorithm,"
Behavior Research Method, vol. 43, no. 1, pp. 239-257, 2011.

[24] O. V. Komogortsev and J. Khan, "Kalman filtering in the design of eyegaze-guided

computer interfaces," in 12th Int. Conf. Hum.-Comput. Interact (HCI), 2007.

[25] V. Bobić and S. Graovac, "Simple and precise commercial camera based eye tracking
methodology," Telfor Journal, vol. 9, no. 1, pp. 49-54, 2017.

[26] T. Haslwanter and A. H. Clarke, "Eye movement measurement: electro-oculography

and video-oculography," in Handbook of clinical neurophysiology, 2010, pp. 61-79.

[27] B. Brousseau, J. Rose, and M. Eizenman, "SmartEye: An Accurate Infrared Eye

Tracking System for Smartphones," in 2018 9th IEEE Annual Ubiquitous Computing,

44
 Electronics & Mobile Communication Conference (UEMCON), New York, IEEE,
2018, p. 951–959.

[28] F. Ungureanu, R. G. Lupu, A. G. Cadar, and A. Prodan, "Neuromarketing and visual

attention study using eye tracking techniques," in International Conference on System
Theory, Control and Computing (ICSTCC), Sinaia, 2017.

[29] I. E. Loewenfeld and O. Löwenstein, The pupil: Anatomy, physiology, and clinical
applications, 1999.

[30] W. Nowak, A. Żarowska, E. Szul-Pietrzak, and M. Misiuk-Hojło, "System and

measurement method for binocular pupillometry to study pupil size variability,"
Biomedical Engineering, vol. 13, no. 1, p. 69, Jan 2014.

[31] E. A. Nisiforou and A. Laghos, "Do the eyes have it? Using eye tracking to assess
students cognitive dimensions," Educational Media International, vol. 50, no. 4, pp.
247-265, Dec 2013.

[32] S. Rafique, S. M. Rana, and M. M. Rahman, "A study of Eye-tracking properties

utilizing Tobii Eye Tracker 5," Department of Electronics, Mathematics and Natural
Sciences, University of Gävle, 2022.

[33] C. Matheson, "The educational value and effectiveness of lectures," The Clinical
Teacher, vol. 5, no. 4, pp. 218-221, Dec 2008.

[34] M. Tadayon and R. Afhami, "Doodling effects on junior high school students’
learning," International Journal of Art and Design Education, vol. 36, no. 1, pp. 118-
125, Jul 2016.

[35] J. L. Singer, Daydreaming, New York: Plenum Press, 1966.

[36] "A SonderMind Company," Total Brain, Since 2000. [Online]. Available:
https://www.totalbrain.com/about-us/. [Accessed Oct 2023].

45
[37] "Focus Test," Total Brain, Since 2000. [Online]. Available:
https://www.totalbrain.com/mental-health-assessment/focus-test/. [Accessed Oct
2023].

[38] "Tobii Help Center," Tobii, [Online]. Available: https://help.tobii.com/hc/en-

us/articles/360012483818-Specifications-for-Eye-Tracker-5.

[39] R. Đông, "Đèn Bàn LED Cảm Ứng Rạng Đông 6W RD-RL-22.LED," [Online].
Available: https://denrangdongstore.com/san-pham/den-ban-led-cam-ung-rang-
dong-6w-rd-rl-22-led/. [Accessed 5th Jan 2024].

[40] T. D. Zone, "Product Integration - TOBII Developer Zone," 13 5 2021. [Online].

Available: https://developer.tobii.com/product-integration/.

[41] S. Stuart, B. Galna, S. Lord, L. Rochester and A. Godfrey, "Quantifying saccades

while walking: Validity of a novel velocity-based algorithm for mobile eye tracking,"
in 36th Annual International Conference of the IEEE Engineering in Medicine and
Biology Society, Chicago, IL, USA, 2014.

[42] L. Merzon et al, "Eye movement behavior in a real-world virtual reality task reveals
ADHD in children," Scientific Reports, vol. 12, no. 1, Nov 2022.

46
 PHỤ LỤC

CODE VISUAL STUDIO

1. Code giao diện người dùng

using System;
using System.Collections.Generic;
using System.ComponentModel;
using System.Data;
using System.Drawing;
using System.Linq;
using System.Threading.Tasks;
using System.Windows.Forms;
using System.Threading;
using Tobii.StreamEngine;
using System.Xml;
using System.Windows.Forms.VisualStyles;

namespace VideoEyeTracking
{
public partial class Mainform : Form
{

Thread gazepoint_thread;
OpenFileDialog openFileDialog;
string[] videoPaths;
string[] videoNames;
string[] imagePaths;
string[] imageNames;
public static string survey_url;

public Mainform()
{
InitializeComponent();
}

#region VIDEO_TRACKING
private void choosebtn_Click(object sender, EventArgs e)
{
openFileDialog = new OpenFileDialog();
openFileDialog.Filter = "Mp3 Files, mp4 files (*.mp3,*.mp4)|*.mp*";
47
 openFileDialog.Multiselect = true;
openFileDialog.Title = "Choose file";

if (openFileDialog.ShowDialog() == DialogResult.OK)
{
if (videoPaths == null)
{
videoPaths = openFileDialog.FileNames;
videoNames = openFileDialog.SafeFileNames;
}
else
{
videoPaths = videoPaths.Union(openFileDialog.FileNames).ToArray();
videoNames =
videoNames.Union(openFileDialog.SafeFileNames).ToArray();
}
this.videolist.Items.Clear();
foreach (var item in videoNames)
{
this.videolist.Items.Add(item);
}
}
}

private void videolist_DoubleClick(object sender, EventArgs e)

{
if (videolist.SelectedIndex != -1)
{
int choose = videolist.SelectedIndex;
MediaPlayer.URL = videoPaths[choose];
this.textBox1.Text = videoNames[choose];

Gazepoint.Initialize("video");
}
}

private void gazepointbtn_Click(object sender, EventArgs e)

{
if (videolist.SelectedIndex != -1)
{
int choose = videolist.SelectedIndex;
MediaPlayer.URL = videoPaths[choose];
48
 this.textBox1.Text = videoNames[choose];

Gazepoint.Initialize("video");
}
}

private void survey1_btn_Click(object sender, EventArgs e)

{
survey_url = "https://tinyurl.com/hcmutsurvey";
WebBrowser webBrowser = new WebBrowser();
webBrowser.Show(this);
this.Enabled = false;
}

private void survey2_btn_Click(object sender, EventArgs e)

{
survey_url = "https://tinyurl.com/hcmutsurvey2";
WebBrowser webBrowser = new WebBrowser();
webBrowser.Show(this);
this.Enabled = false;
}

private void MediaPlayer_PlayStateChange(object sender,

AxWMPLib._WMPOCXEvents_PlayStateChangeEvent e)
{
if (MediaPlayer.playState == WMPLib.WMPPlayState.wmppsPlaying)
{
MediaPlayer.fullScreen = true;
if (gazepoint_thread == null || Gazepoint.stop_flag == true)
{
Gazepoint.stop_flag = false;
gazepoint_thread = new Thread(Gazepoint.Tracking);
gazepoint_thread.Start();
}
}
else if (MediaPlayer.playState == WMPLib.WMPPlayState.wmppsPaused)
{
Gazepoint.stop_flag = true;
}
else if (MediaPlayer.playState == WMPLib.WMPPlayState.wmppsStopped)
{
Gazepoint.stop_flag = true;
49
 gazepoint_thread.Join();
Gazepoint.output.Close();
}
}

private void clearbtn_Click(object sender, EventArgs e)

{
if(videolist.Items != null)
{
videolist.Items.Clear();
videoPaths = null;
videoNames = null;
MediaPlayer.URL = "";
// clear the playlist
MediaPlayer.currentPlaylist.clear();
// set the seek slider to 0
MediaPlayer.Ctlcontrols.currentPosition = 0;
this.textBox1.Text = "";
}
}
#endregion VIDEO_TRACKING

#region IMAGE_TRACKING
private void open_btn_Click(object sender, EventArgs e)
{
openFileDialog = new OpenFileDialog();
openFileDialog.Filter = "image files (*.jpg, *jpeg, *.png)|*.jpg;*.png; *jpeg";
openFileDialog.Multiselect = true;
openFileDialog.Title = "Choose file";

if(openFileDialog.ShowDialog() == DialogResult.OK)
{
if(imagePaths == null)
{
imagePaths = openFileDialog.FileNames;
imageNames = openFileDialog.SafeFileNames;
}
else
{
imagePaths = imagePaths.Union(openFileDialog.FileNames).ToArray();
imageNames =
imageNames.Union(openFileDialog.SafeFileNames).ToArray();
50
 }
this.image_list.Items.Clear();
foreach(var item in imageNames)
{
this.image_list.Items.Add(item);
}
}
}

private void clear_btn_Click(object sender, EventArgs e)

{
if(image_list.Items != null)
{
image_list.Items.Clear();
imagePaths = null;
this.preview_pic.Image = null;
}
}

private void image_list_Click(object sender, EventArgs e)

{
if(image_list.SelectedIndex != -1)
{
int choose = image_list.SelectedIndex;
this.preview_pic.Image = Image.FromFile(imagePaths[choose]);
preview_pic.SizeMode = PictureBoxSizeMode.StretchImage;
}
}

private async void capture_btn_Click(object sender, EventArgs e)

{
if(image_list.SelectedIndex != -1)
{
int choose = image_list.SelectedIndex;
ImageView imageView = new ImageView();
imageView.SetImage(Image.FromFile(imagePaths[choose]));
imageView.Show(this);
this.Enabled = false;
await Task.Run(() => Thread.Sleep(5000)); // change the timeout here
imageView.Close();
this.Enabled = true;
}
51
 }
#endregion IMAGE_TRACKING
private void Mainform_FormClosing(object sender, FormClosingEventArgs e)
{
DialogResult result = MessageBox.Show("Are you sure you want to exit the
application?", "Exit", MessageBoxButtons.YesNo, MessageBoxIcon.Information);
if (result != DialogResult.Yes)
{
e.Cancel = true;
}
else
{
Gazepoint.Clean();
}
// clean up eye tracker
}
}
}
2. Code sử dụng thư viện Tobii stream engine để thu dữ liệu và xuất file theo dạng
notepad

using System;
using System.Collections.Generic;
using System.Diagnostics;
using System.Drawing;
using System.IO;
using System.Runtime.CompilerServices;
using System.Windows.Forms;
using Tobii.StreamEngine;

namespace VideoEyeTracking
{
public static class Gazepoint
{
public static StreamWriter output;
public static bool stop_flag = false;

private static DateTime start_timestamp;

private static IntPtr apiContext = IntPtr.Zero, deviceContext = IntPtr.Zero;

private static void OnGazePoint(ref tobii_gaze_point_t gazePoint, IntPtr userData)

{
52
 // Check that the data is valid before using it
if (gazePoint.validity == tobii_validity_t.TOBII_VALIDITY_VALID)
{
output.WriteLine("{0} ; {1} ; {2}", gazePoint.position.x, gazePoint.position.y,
(DateTime.Now - start_timestamp).TotalSeconds);
output.Flush();

}
}

public static void Initialize(string type_tracking)

{
// Create output file
if(type_tracking == "video")
{
output = new StreamWriter("gazepoint_vid" +
DateTime.Now.ToString("_MMddyy_hhmmss") + ".txt");
}
else if (type_tracking == "image")
{
output = new StreamWriter("gazepoint_img" +
DateTime.Now.ToString("_MMddyy_hhmmss") + ".txt");
}
else
{
return;
}
// Create API context
tobii_error_t result = Interop.tobii_api_create(out apiContext, null);
Debug.Assert(result == tobii_error_t.TOBII_ERROR_NO_ERROR);
}

public static void Tracking()

{
// Subscribe to gaze data
tobii_error_t result;
// Enumerate devices to find connected eye trackers
List<string> urls;
result = Interop.tobii_enumerate_local_device_urls(apiContext, out urls);
if (urls.Count == 0)
{
output.WriteLine("No device found");
53
 output.Flush();
return;
}

// Connect to the first tracker found

result = Interop.tobii_device_create(apiContext, urls[0],
Interop.tobii_field_of_use_t.TOBII_FIELD_OF_USE_INTERACTIVE, out
deviceContext);
result = Interop.tobii_gaze_point_subscribe(deviceContext, OnGazePoint);
if (result != tobii_error_t.TOBII_ERROR_NO_ERROR)
{
output.WriteLine("Failed to subscribe to gaze stream.");
output.Flush();
return;
};
start_timestamp = DateTime.Now;
while (!stop_flag)
{
// Optionally block this thread until data is available. Especially useful if
running in a separate thread.
Interop.tobii_wait_for_callbacks(new[] { deviceContext });

// Process callbacks on this thread if data is available

Interop.tobii_device_process_callbacks(deviceContext);
}
}

public static void Clean()

{
// Cleanup
tobii_error_t result;
result = Interop.tobii_gaze_point_unsubscribe(deviceContext);
result = Interop.tobii_device_destroy(deviceContext);
result = Interop.tobii_api_destroy(apiContext);
if(result != tobii_error_t.TOBII_ERROR_NO_ERROR)
{
DialogResult msg = MessageBox.Show("Failed to clean up the eye tracker.
Please check your device and restart the application", "Error", MessageBoxButtons.OK,
MessageBoxIcon.Error);
}
}
}
54
}

3. Code cho phép khởi động thiết bị TET5

using System;
using System.Collections.Generic;
using System.Linq;
using System.Threading.Tasks;
using System.Windows.Forms;

namespace VideoEyeTracking
{
internal static class Program
{
/// <summary>
/// The main entry point for the application.
/// </summary>
[STAThread]
static void Main()
{
Application.EnableVisualStyles();
Application.SetCompatibleTextRenderingDefault(false);
Application.Run(new Mainform());
}
}
}

55