Projektüberblick
Eye-Tracking ist eine Methode, mit der gemessen wird, wohin und wie lange Personen ihren Blick in einer visuellen Umgebung richten. Durch die Analyse von Augenbewegungen lassen sich Einblicke in Kognition, Aufmerksamkeit, Verhalten und Entscheidungsprozesse gewinnen.
In dieser Fallstudie habe ich mit einem öffentlich verfügbaren Datensatz des Nemo Science Museum in Amsterdam gearbeitet. Die Teilnehmenden betrachteten zehn Sekunden lang ein detailreiches Bild, während ihr Blickverhalten aufgezeichnet wurde. Der Fokus des Projekts liegt auf Fixationsdauern und darauf, wie diese sich je nach Alter und über die Zeit des Experiments verändern können.
Ziele
Die Analyse konzentriert sich auf zwei zentrale Forschungsfragen:
Alter und Augenbewegungen
Nehmen Fixationsdauern während der Kindheit mit zunehmendem Alter ab und steigen später im Leben wieder an?
Fixationsmuster über die Zeit
Gibt es systematische Veränderungen der Fixationsdauern im Verlauf des Experiments?
Daten
Der Datensatz enthält Aufzeichnungen von mehr als 2.600 Teilnehmenden. Jede Person betrachtete ein Bild über eine feste Dauer, während Blickkoordinaten, Zeitstempel, Pupilleninformationen und fixationsbezogene Merkmale aufgezeichnet oder abgeleitet wurden. Link zum Datensatz
Datenstruktur
-
Vorverarbeitete Daten: Blickpositionen, x/y-Koordinaten, Pupillengröße, Zeitstempel und experimentelle Ereignismeldungen.
-
Verarbeitete Daten: erkannte Fixationen mit durchschnittlichen x/y-Koordinaten und Fixationsdauer.
-
Demografische Daten: personenbezogene Informationen wie Geschlecht und Geburtsjahr.
Methodik
Das Projekt nutzte statistische Analysemethoden, um den Zusammenhang zwischen Fixationsverhalten, Alter und zeitlichen Mustern während der Betrachtungsaufgabe zu untersuchen. Die Analyse reichte von deskriptiver Exploration bis zu inferenzieller Modellierung.
Analyse-Pipeline
-
Datenvorverarbeitung: Umwandlung roher oder vorverarbeiteter Blickdaten in Fixationsdaten.
-
Explorative Analyse: Untersuchung von Verteilungen, fehlenden Werten, Altersgruppen und Fixationsdauern.
-
Statistische Modellierung: Analyse altersbezogener und zeitabhängiger Muster im Fixationsverhalten.
-
Robustheitsprüfungen: Bewertung, ob die Ergebnisse unter alternativen Verarbeitungsschritten stabil bleiben.
Robustheitsanalyse
Als zusätzlicher Schritt wurde untersucht, wie empfindlich die Ergebnisse gegenüber Änderungen in der Datenverarbeitungspipeline sind. Dies ist wichtig, da Eye-Tracking-Ergebnisse durch Vorverarbeitungsschritte und Parameter der Fixationserkennung beeinflusst werden können.
- Anpassung von Hyperparametern im Algorithmus zur Fixationserkennung.
- Vergleich alternativer Verarbeitungspipelines.
- Berücksichtigung von Rauschen oder fehlenden Daten zur Bewertung der Stabilität.
Ergebnis
Das Projekt hat meine Fähigkeit gestärkt, mit experimentellen Daten zu arbeiten, Rohmessungen in analysefähige Merkmale zu überführen und statistisches Denken auf Verhaltensdaten anzuwenden. Außerdem hat es mein Verständnis dafür verbessert, wie Vorverarbeitungsschritte nachgelagerte Modellierungsergebnisse beeinflussen.
Eye Tracking
Fixation Data
Statistical Modelling
Data Preprocessing
Robustness Analysis
TU Dortmund