Nous avons pour notre part développé des logiciels et un oculomètre permettant la récolte de données oculaires mais aussi leur analyse (fixations oculaires, patterns, cartes de chaleur…) qui est un outil ouvert, polyvalent (utilisable en 2D et 3D sur tous types d’interfaces) et adaptable selon les besoins!

Si cela t’intéresse, je t’invite à regarder nos vidéos sur dailymotion http://www.dailymotion.com/relevance/search/pertech

Je te souhaite un bon week end!

Il est donc primordial pour n’importe quelle activité de s’assurer que les scénarios utilisateurs soient les plus précis possible et que les utilisateurs soient bien recrutés en fonction des scénarios à réaliser.

Merci à toi aussi pour ton feedback…

Se serait cool d’organiser un RDV IRL car nous finalisons notre propre software d’analyse (pas de récolte) des données oculaires car ClearView de Tobii n’est pas assez précis et occulte une série de données primoridiales pour une analyse professionnelle des données eyetracking (par exemple : algorythme de détection de lecture, …)

J’ai lu votre article avec attention, il m’intéressait tout particulièrement parce que je suis référenceur (donc travaillant énormément par rapport aux résultats de recherche) mais aussi parce que j’exerce cette activité dans une société fabriquant des oculomètres (pour le eye tracking donc).

Ma question est donc la suivante : la problématique relevée ici, de l’importance de l’implication et de l’intérêt du panel dans un test eye tracking n’est elle pas exacte aussi dans tout autre type de test utilisateur?

De plus, cette problématique n’est-elle pas générale à tous types d’activités? Je pense en effet que, quoi que l’on fasse il est important d’y voir un intérêt sinon notre engagement risque d’être moindre…

Merci beaucoup pour cet article très intéressant en tout cas!