警告を直視していても、正しく理解されないことがあります。また、視界の隅（周辺視野）で捉えていて、中心をじっと見つめていなくても気付いているケースもあります。こうした当たり前の事実こそが、アイトラッキング（視線計測）の限界を示しています。視線についての客観的なデータは得られ、注意の向きを調べる役には立ちますが、「理解したかどうか」を記録できるわけではありません。

アイトラッキングは、時間の経過に伴って視線がどこに向けられているかを推定する技術です。リサーチャーはこれを利用して、視覚的な探索やスキャンの動き、UIや実空間における視線の広がり方を分析します。検証内容に応じて、モニター設置型のデバイスやメガネ型ウェアラブル、カメラを用いた推計手法などが使い分けられます。

「どこを見ているか」が本質的な問いである場合に使う

情報量の多いダッシュボードを例に考えてみましょう。期限超過の項目が見つからず参加者がつまずいている場合、ステータス表示の列を何度も素通りしているのか、それともじっくり注視しているのか、アイトラッキングを使えばその探索パターンの違いを切り分けることができます。この違いは次の改善アプローチの手がかりになりますが、注視時間だけではラベルの意味を理解できたかどうかまでは分かりません。

「特定のエリアを初めて注視するまでの時間」「エリア内での滞留時間」「視線の移動順序」など、明らかにしたい問いに合わせて計測指標を事前に選定しておきましょう。また、都合のいい結果を探そうとする前に、関心領域（AOI）の設定や、欠損・低品質なデータの処理ルールをあらかじめ決めておくことが重要です。

主な関心事が「タスクを完了できるかどうか」にあるなら、一般的なユーザビリティテストだけで十分なデータが得られることもあります。準備や分析に余分な手間をかけてでもアイトラッキングを活用すべきなのは、「視線の位置」を知ることで調査の質が大きく高まる場合に限られます。

精度に見合った主張にとどめる

キャリブレーション（視線校正）によって、機器の計測値とディスプレイや現実空間の位置とが結びつけられます。キャリブレーションの精度が低かったり、体の動きや追跡の途切れがあったりすると、ビジュアライゼーション上では参加者が実際に見ている場所とは違う位置に視線がマッピングされてしまうことがあります。ニールセン・ノーマン・グループによるアイトラッキングの環境設定ガイドでも、機器やテスト環境の重要性が詳しく論じられています。

実施するタスクに対して、実際の計測システムが十分な精度を持っているかを確認してください。ページ内の大まかなエリアを区別する程度なら問題ない設定でも、「どの単語を読んだか」までを断定する根拠にはならない場合があります。また、データがうまく取れない参加者を除外すると調査対象の属性が偏ってしまうリスクがあるため、除外したデータは理由とともに記録し、その影響を考慮する必要があります。

タスクと照らし合わせて記録を読み解く

ヒートマップは複数のデータを合算して可視化するため、個々の異なる視線経路が見えなくなりがちです。全体の集計データだけでなく、個々の視線の再生ログやタスクの成果もあわせて確認しましょう。滞留時間が長いのは、興味があるからかもしれないし、混乱しているから、あるいは単にテキスト量が多いからかもしれません。逆に視線の記録がほとんど残っていなくても、周辺視野で認識できている可能性もあります。

振り返り質問を行えば、参加者が何を理解し、何を覚えていたかを掘り下げることはできますが、事後的な説明には特有のバイアスや限界があることも意識しておく必要があります。また、自然に見つけられるかを検証したいのであれば、最初からその要素を探すよう誘導するような声かけは避けなければなりません。

アイトラッキング研究でよく知られる視線のスキャンパターンは、あくまで特定の条件下で観察された結果であり、すべての読者が従うべきルールではありません。本当に役立つデザインの示唆は、有名なヒートマップの形を無理になぞることではなく、目の前にあるタスクやコンテンツ、そして実際の検証データからこそ得られるものです。