Investigación

La cámara web sabe adónde miras, pero no cuánto te detienes

Un preprint registró a las mismas personas con una cámara web y con un equipo infrarrojo. Coincidieron en qué zonas de un video se miran, no en las fijaciones ni en lo que distingue a cada espectador

Redacción El NeuromarketerEdición: Darío Treco18 de noviembre de 2026Lectura de 6 min
Duración media de las fijaciones de las mismas personas: 144 milisegundos con la cámara web y 349 con el equipo infrarrojo (Kosel, Hartmann y Seidel, 2026)
Duración media de las fijaciones de las mismas personas: 144 milisegundos con la cámara web y 349 con el equipo infrarrojo (Kosel, Hartmann y Seidel, 2026)

Una cámara web común puede decir hacia qué zonas de un video se dirigen los ojos, pero todavía no cuánto se detienen en cada punto ni en qué se diferencia una persona de otra. Es la conclusión de un preprint publicado el 16 de noviembre en PsyArXiv, todavía sin revisión de pares, que registró a las mismas personas con una cámara web y con un equipo infrarrojo de laboratorio. Cuando se dividió la pantalla en una grilla de 4 × 4, el tiempo de permanencia en cada celda coincidió bastante entre los dos sistemas (r = 0,73). Las fijaciones, en cambio, no se parecieron: con la cámara web duraron en promedio 144 milisegundos, contra 349 con el infrarrojo.

Firman Christian Kosel, Christian Hartmann y Tina Seidel, de la Universidad Técnica de Múnich y la Universidad de Colonia. El estudio viene de la investigación educativa, pero la pregunta es la misma que se hace cualquiera que quiera medir la atención a un aviso con cientos de personas desde su casa: qué datos de una cámara web valen y cuáles son ruido.

Cómo lo hicieron

Participaron 79 personas, en su mayoría estudiantes de maestría en carreras de educación, con 24,9 años en promedio. Cada una vio dos veces los mismos cinco videos de clases reales, de unos 102 segundos cada uno: una vez frente a un equipo infrarrojo que registra 120 muestras por segundo y otra con un sistema comercial que estima hacia dónde se dirigen los ojos con la imagen de la cámara web, a unas 30 muestras por segundo. La sesión con cámara web fue en el laboratorio para 45 personas y en su casa, con su propia computadora y sin supervisión, para 34. El análisis principal incluyó a 69 personas con datos válidos en ambos sistemas.

Los dos registros se procesaron con el mismo algoritmo para detectar fijaciones (las pausas breves en que los ojos se quedan quietos sobre un punto) y sacádicos (los saltos entre una fijación y otra). Las hipótesis, el plan de análisis y los criterios de exclusión se preregistraron, y los datos procesados, el código y los materiales están publicados en OSF.

Qué encontraron

La precisión de la cámara web fue unas 2,6 veces peor, según los autores: dentro de las fijaciones, la señal oscilaba 0,37 grados de ángulo visual, contra 0,12 en el infrarrojo, una diferencia enorme en términos estadísticos (dz = 2,97). La cámara perdió además el 14,1 % de las muestras, frente al 4,8 % del otro equipo.

Ese ruido se trasladó a las medidas que se calculan a partir de la señal. La cámara detectó 131 fijaciones por video, contra 241 del infrarrojo, y más de la mitad duraron entre 100 y 133 milisegundos, el mínimo que admitía el algoritmo. Al tolerar más movimiento, la cantidad de fijaciones se igualó, pero la duración siguió muy por debajo. Con otro algoritmo, diseñado para datos ruidosos, la diferencia se invirtió y las fijaciones de la cámara pasaron a durar más (439 contra 340 milisegundos). Para los autores, eso indica que con la cámara web esas medidas dependen del algoritmo y no de cómo mira la gente. Ninguna coincidió persona a persona: las correlaciones intraclase rondaron cero.

La distribución espacial resistió mejor. Corregido el desplazamiento propio de cada participante, el tiempo de permanencia por zona coincidió en 0,69 con una grilla de 2 × 2, 0,74 con una de 3 × 3 y 0,73 con una de 4 × 4, y cayó a 0,49 con una de 8 × 8. Sin esa corrección no pasó de 0,45. Pero la coincidencia descansaba en lo que miraba todo el mundo: los datos de cámara de una persona se parecían casi lo mismo a los registros infrarrojos de otras personas (0,67 a 0,71). Lo que distingue a cada espectador del promedio fue estable dentro de cada sistema, pero no se correspondió entre ellos (0,06 a 0,20).

En casa, la precisión angular no empeoró, aunque la señal fue más ruidosa en relación con el tamaño del video, en buena parte porque las pantallas de los portátiles son más pequeñas. Quienes se registraron en casa calificaron el procedimiento con 3,91 sobre 5, frente a 4,56 en el laboratorio, con opiniones mucho más dispersas.

El contexto

El resultado afina lo que venían mostrando otros trabajos. Xiaozhi Yang e Ian Krajbich reprodujeron en 2021, con participantes en línea y una biblioteca de código abierto, el vínculo clásico entre el tiempo que se mira un alimento y la probabilidad de elegirla. Pero de 125 personas reclutadas, solo 49 pasaron la calibración y 38 entraron en el análisis, y el error de posición rondó los 200 píxeles (alrededor del 20 % de la pantalla): trabajaron con dos zonas de interés y estimaron que no convenía pasar de cuatro a seis. Un equipo encabezado por Slim comparó en 2024 tres métodos en simultáneo y encontró que el sistema automático por cámara web ubicaba en el cuadrante correcto entre el 66 % y el 69 % de las veces que se miraba el objetivo, contra el 89 % o más del infrarrojo, y que le costaba captar efectos breves.

Qué significa para la medición publicitaria

  • Un mapa grueso de dónde se concentra la atención en un spot o en una página puede salir de una cámara web, con zonas grandes y una corrección por participante.
  • Las métricas de fijación (cuántas, cuánto duran) no son comparables entre una cámara web y un equipo infrarrojo, ni entre algoritmos distintos. Mezclarlas en un mismo informe lleva a conclusiones que dependen del software.
  • Comparar segmentos o personas con datos de cámara web es arriesgado: las diferencias pueden ser errores de medición estables, no diferencias de atención.
  • Elementos pequeños y cercanos entre sí, como un logo en una esquina, un precio o un texto legal, quedan por debajo de la resolución que este estudio validó.

Los límites

Los estímulos fueron videos de clases, largos y con muchas personas en pantalla, no avisos. La muestra fue de estudiantes alemanes, el grupo que se registró en casa siempre hizo primero la sesión infrarroja y el lugar de registro se confundió con el tipo de cámara y el navegador; en uno de ellos, el último video se grabó a la mitad de la frecuencia. Es un solo sistema de cámara web entre los varios que existen.

Lo que queda

La cámara web no reemplaza al laboratorio, pero tampoco es inútil: sirve para saber hacia dónde va la atención de un grupo en una escena, no para medir cuánto se detiene cada persona ni para compararlas entre sí.

Recibe la señal en tu correo

El ranking, las notas clave y un hallazgo de Cortex IA por semana.