Applying (Hidden) Markov Models in Eye Movement Behavior Analysis

Ulm University

BA Abschlussvortrag, Miriam Schlüter, Ort: Online, Datum: 24.11.2021, Zeit: 10:30 Uhr

Bei dem Tracken von Augenbewegungen wird eine Unmenge an Daten produziert.
Unter anderem Daten, die für bestimmte Auswertungen irrelevant sind. Beide Faktoren
wirken sich negativ auf die Übersichtlichkeit aus. Für einen besseren Überblick eignen sich graphische Darstellungen. Visualisierungen von Informationen ermöglichen einen schnellen ersten Eindruck über die Datenmenge. Hidden Markov Modelle stellen knapp und übersichtlich die Wahrscheinlichkeiten von Fixationen dar. Dazu werden über Matlab Eyetrackingdaten aus Tabellen eingelesen und zu Transitionsmatrizen, welche zusammen mit einer Abbildung des Stimulus und den darin eingezeichneten Regions of Interest ausgegeben werden verarbeitet. Aus diesen lässt sich entnehmen, welche Regionen, mit welcher Intensität, wie lange beobachtet wurden. Hieraus ergeben sich anschließend Aussagen über die Effizienz eines Stimulus. Die Ergebnisse aller Berechnungen werden in angelegten Dateien gespeichert, sodass der Benutzer auf die Berechnungen zu späteren Zeitpunkten zugreifen kann.