Okuma Anındaki Göz Hareketlerini Görselleştirme ve Analiz Etme

Öz

İnsan davranışlarını değerlendirme alanında göz izleme teknolojisi giderek daha önemli hale gelmektedir. Bu teknoloji ile bilinçdışı gerçekleştirilen göz hareketlerinden konum, odaklanma süresi, göz bebeği boyutu, göz kırpma sayısı gibi özellikler elde edilir. Bu özelliklerden yola çıkılarak tüketim modeli, psikolojisi ve ilgi alanı gibi davranışsal bilgilere ulaşılabilir. Ancak göz hareketleri milisaniyelik sürelerde veri ürettiği için bu verilerin değerlendirilmesi ve analiz edilmesi problem olmaktadır. Bu çalışma göz takip cihazı ile alınan karmaşık ve yoğun verileri analiz etme ve değerlendirme aşamasında görselleştirme tekniklerini uygulayarak faydalı ve gizli kalan bilgileri daha görünür yapmayı amaçlamaktadır. Bu amaç doğrultusunda maliyet nedeniyle sınırlı sayıda alınabilen göz verileri lineer olmayan enterpolasyonla çoğullanıp spektrogram görüntüleri elde edildi. Çoğullanan veriler derin öğrenme ve DVM(Destek Vektör Makine) ardından kullanıcının ne tür doküman okuduğuna dair sınıflandırma yapıldı. Sonuçta önerilen sınıflandırma algoritması ile %95.24 doğrulukla okunan doküman türü belirlendi.

Anahtar Kelimeler

• Göz izleme
• ısı haritası
• scatter grafiği
• spektrogram
• derin öğrenme.

Visualizing and Analyzing Eye Movements During Reading

Öz

Eye-tracking technology is becoming more and more important in the field of evaluating human behavior. Because with this technology, features such as the position of unconscious eye movements, focusing time, pupil size, and the number of blinks are obtained. Based on these features, behavioral information such as consumption models, psychology, and interests can be reached. However, since eye movements produce data in milliseconds, it is a problem to evaluate and analyze these data. This study aims to make useful and confidential information more visible by applying visualization techniques in the analysis and evaluation phase of complex and dense data obtained with an eye tracker. For this purpose, spectrogram images are obtained by multiplexing the eye data, which can be taken in limited numbers due to cost, by non-linear interpolation. After the multiplexed data are deep learning and DVM (Support Vector Machine) processes, a classification is made about what kind of document the user reads. As a result, the type of document read with 95.24% accuracy was determined with the proposed classification algorithm.

Anahtar Kelimeler

• Eye tracking
• heat map
• scatter plot
• spectrogram
• deep learning.

Kaynakça

1. S. V. Kulkarni and K. Sangeeta, "Techniques for Visual Analysis of Eye Tracking Data," 2018 Second International Conference on Green Computing and Internet of Things (ICGCIoT), 2018, pp. 525-530, doi: 10.1109/ICGCIoT.2018.8753026.
2. T. E. Hutchinson, K. P. White, W. N. Martin, K. C. Reichert, and L. A. Frey, “Human-computer interaction using eyegaze input", IEEE Trans.,Syst. Man Cybern. Vol. 19, No. 6, 1527-1534, 1989.
3. O. Špakov and D. Miniotas. “Visualization of Eye Gaze Data using Heat Maps”, Electronics and Electrical Engineering, 2:55-58, 2007.
4. D.S. Wooding. “Fixation Maps: Quantifying Eye-movement Traces”,Proc. Eye tracking Research & Applications, pp. 31-36, 2002.
5. https://listelist.com/goz-takibi-arastirmasi/. [Erişim Tarihi:05/12/2022].
6. https://hci.cc.metu.edu.tr/tr/goz-izleme. [Erişim Tarihi:05/12/2022].
7. Saunders F. A., Hill W. A. and Franklin B., "A Wearable Tactile Sensory Aid for Profoundly Deaf Children," Journal of Medical Systems, vol. 5, no. 4, pp. 265-270, 1981.
8. Deller J. R., Proakis J. G. and Hansen J. H., Discrete Time Processing of Speech Signals, Upper Saddle River, NJ: Prentice Hall PTR, 1993.

9. H. Y. Tsang, M. Tory and C. Swindells, "eSeeTrack—Visualizing Sequential Fixation Patterns," in IEEE Transactions on Visualization and Computer Graphics, vol. 16, no. 6, pp. 953-962, Nov.-Dec. 2010, doi: 10.1109/TVCG.2010.149.
10. P. Kasprowski and K. Harezlak, “VisDaT – Vision Diagnostics and Treatment System for Children with Disabilities,” 2017.
11. O. Kubus and K. Çağıltay, “E-Devlet Siteleri Görme Engelliler için Erişilebilir mi?,” in TBD Bilişim Kurultayı, 2006.
12. S. Djamasbi, M. Siegel, and T. Tullis, “Generation Y, web design, and eye tracking,” Int. J. Hum. Comput. Stud., vol. 68, no. 5, pp. 307–323, 2009.
13. Akcan D., “Flow Experience And Achievement Of Advergames On Software Developers: An Eye-Tracking Analysis”, Çankaya Üniversitesi,2019.
14. Zinderen, A. Veri Gazeteciliğinde Görsel Hikâye Anlatımı: Haberde Görselleştirme ve İnfografik Tasarım Üzerine Bir Göz İzleme Çalışması. MANAS Sosyal Araştırmalar Dergisi, 10(3), 1861-1877.
15. Bagci E., “Türkiye Temali Tanitim Filmlerinin Tüketici Zihninde Yarattiği Etkilerin Nörobilim Araçlari İle Analizi: (Eeg Ve Göz İzleme)”, Adnan Menderes Üniversitesi, Sosyal Bilimler Enstitüsü, 2022.
16. Lee, J. Cha, J. Seo and O. Kwon, "User interest visualizing and analysing system using eye gaze," 2015 17th International Conference on Advanced Communication Technology (ICACT), 2015, pp. 275-278, doi: 10.1109/ICACT.2015.7224802.
17. P. Kasprowski and K. Harezlaky, "Gaze self-similarity plots as a useful tool for eye movement characteristics analysis," 2016 IEEE Second Workshop on Eye Tracking and Visualization (ETVIS), 2016, pp. 6-10, doi: 10.1109/ETVIS.2016.7851157.
18. S. V. Kulkarni and K. Sangeeta, "Techniques for Visual Analysis of Eye Tracking Data," 2018 Second International Conference on Green Computing and Internet of Things (ICGCIoT), 2018, pp. 525-530, doi: 10.1109/ICGCIoT.2018.8753026.
19. Othman, Youssef & Khalaf, Mahmoud & Ragab, Ahmed & Salaheldin, Ahmed & Ayman, Reham & Sharaf, Nada. (2020). Eye-To-Eye: Towards Visualizing Eye Gaze Data. 729-733. 10.1109/IV51561.2020.00128.
20. H. Y. Tsang, M. Tory and C. Swindells, "eSeeTrack—Visualizing Sequential Fixation Patterns," in IEEE Transactions on Visualization and Computer Graphics, vol. 16, no. 6, pp. 953-962, Nov.-Dec. 2010, doi: 10.1109/TVCG.2010.149.
21. E. Özmen, E. Karaman, “E-Ticaret Sitelerindeki Gizlilik Sözleşmelerinin Göz Hareketlerini İzleme Yöntemiyle İncelenmesi”, Journal of Business in The Digital Age , 3 (2) , 108-116, 2020.
22. M. Baştuğ, K. Keskin, İ. Şimşek, “Sesli ve Sessiz Okumada Göz Hareketleri: Bir Göz İzleme (Eye Tracking) Çalışması”,. Eskişehir Osmangazi Üniversitesi Sosyal Bilimler Dergisi , Eskişehir Osmangazi Üniversitesi Sosyal Bilimler Dergisi Armağan Özel Sayisi , 327-337, 2019
23. Julian Steil, Inken Hagestedt, Michael Xuelin Huang, and Andreas Bulling. 2019. Privacy-aware eye tracking using differential privacy. In Proceedings of the 11th ACM Symposium on Eye Tracking Research & Applications (ETRA '19). Association for Computing Machinery, New York, NY, USA, Article 27, 1–9. DOI:https://doi.org/10.1145/3314111.3319915.