Cluster: A program for the identification of eye-fixation-cluster characteristics

Pillalamarri, Ramakrishna; Barnette, B. Diane; Birkmire, Deborah P.; Karsh, Robert

doi:10.3758/bf03204444

Cited by 15 publications

(7 citation statements)

References 4 publications

(4 reference statements)

Supporting

Mentioning

Contrasting

Order By: Relevance

“…In this research direction, important information was obtained about the properties of various eye-tracking systems in those years (e.g., Deubel & Bridgeman, 1995a, 1995b. In addition, many methods and programs were discussed within the field to analyze eye movement data more effectively (e.g., Pillalamarri et al, 1993). Moreover, during this period important technological developments were achieved by many researchers in using advanced eye-tracking systems and laboratory computers to work together.…”

Section: Eye Tracking During Reading: Years Of Risementioning

confidence: 99%

Okuma Araştırmalarında Geçmişten Günümüze Göz İzleme Tekniği

Özer

Özdemir

2022

Ankara Üniversitesi Eğitim Bilimleri Fakültesi Özel Eğitim Dergisi

View full text Add to dashboard Cite

Giriş: Göz izleme, okurların okuma sırasında ne zaman, nereye baktıklarının ve baktıkları yerlere hangi sırayla baktıklarının ölçümlenip kaydedilmesini sağlamaktadır. Günümüzde göz izleme teknolojisinde yaşanan gelişme ve ilerlemeler okuma becerisinin doğasının anlaşılmasının yanı sıra, okurların okuma esnasında gerçekleştirdikleri bireysel bilişsel işlemlemelerin incelendiği araştırmalara yansıyarak bu araştırmalara hız kazandırmaktadır. Bu çalışmanın amacı, okuma becerisinin incelenmesinde kullanılan göz izleme tekniğinin tarihsel gelişim sürecinin ele almasıdır. Bu bağlamda göz izleme tekniği ile okuma becerisinin incelendiği ilk yıllar, davranışçı yaklaşım nedeniyle göz izleme tekniği ile okuma becerisi araştırmalarının durduğu dönem, okuma becerisinin göz izleme tekniği ile incelenmesinin yeniden yükselişe geçtiği yıllar ve göz izleme tekniğinin 2000'li yıllarla beraber günümüzde bilimsel ve teknolojik olarak hızlı bir biçimde ilerlemesi ile ilgili bilgiler verilmektedir. Ayrıca özel eğitim alanında özel gereksinimli bireylerin okuma becerilerinin incelenmesinde göz izleme tekniği ile gerçekleştirilen çalışmalara ilişkin bilgiler yer almaktadır.Tartışma: Mevcut çalışmada, sekme göz hareketinin fark edilmesinden göz izleme tekniğin günümüzde yaygın kullanımına kadar geçen süreçte tekniğin gelişim aşamaları ele alınmaktadır. Böylelikle okuma becerisinin doğasının derinlemesine anlaşılarak okuma güçlüğünün tanı-değerlendirme süreçlerine yansımalarının araştırmacılara yol gösterici olması beklenmektedir.

show abstract

Section: Eye Tracking During Reading: Years Of Risementioning

confidence: 99%

Okuma Araştırmalarında Geçmişten Günümüze Göz İzleme Tekniği

Özer

Özdemir

2022

Ankara Üniversitesi Eğitim Bilimleri Fakültesi Özel Eğitim Dergisi

View full text Add to dashboard Cite

show abstract

“…To analyze and make use of the huge amounts of collected eye movement data efficiently, abundant research has been done (e.g., [8,9,10,29,30,31,32]). When dealing with traditional eye tracking data, several metrics are reported in usability studies, such as: fixation duration, gaze duration, area of interest (AOI) analysis, and scan path comparisons.…”

Section: Eye Movement Data Analysismentioning

confidence: 99%

Visual Exploration of Eye Movement Data Using the Space-Time-Cube

Çöltekin

Kraak

2010

Lecture Notes in Computer Science

View full text Add to dashboard Cite

Abstract. Eye movement recordings produce large quantities of spatiotemporal data, and are more and more frequently used as an aid to gain further insight into human thinking in usability studies in GIScience domain among others. After reviewing some common visualization methods for eye movement data, the limitations of these methods are discussed. This paper proposes an approach that enables the use of the Space-Time-Cube (STC) for representation of eye movement recordings. Via interactive functions in the STC, spatiotemporal patterns in eye movement data could be analyzed. A case study is presented according to proposed solutions for eye movement data analysis. Finally, the advantages and limitations of using the STC to visually analyze eye movement recordings are summarized and discussed.

show abstract

“…The formation of spatial clusters from time-separated fixations implies that cluster formation methods must inherently neglect scanpath analysis methodologies. Cluster formation methods from eye-gaze have been presented in prior papers (Pillalamarri, et al, 1993;Latimer, 1988;Belofsky and Lyon, 1988;Scinto and Barnette, 1986). Thus, independent consideration of eye-gaze location on a display is insufficient to understand visual attention loci, without an accompanying cluster analysis.…”

Section: Spatial Clusters Of Attentionmentioning

confidence: 99%

“…The clusters were computed following input of several controlling parameters. As opposed to eye-gaze clustering techniques requiring significant user interaction (Pillalamarri, et al, 1993), the MST representation allowed rapid, statistically-based clustering from the user defined parameters.…”

Section: Initial Data Reductionmentioning

confidence: 99%

Eye-Gaze Determination Of User Intent At The Computer Interface

Goldberg

Schryver

1995

Studies in Visual Information Processing

View full text Add to dashboard Cite

Determination of user intent at the computer interface through eye-gaze monitoring can significantly aid applications for the disabled, as well as telerobotics and process control interfaces. Whereas current eye-gaze control applications are limited to object selection and x/y gazepoint tracking, a methodology was developed here to discriminate a more abstract interface operation: zooming-in or out. This methodology first collects samples of eye-gaze location looking at controlled stimuli, at 30 Hz, just prior to a user's decision to zoom. The sample is broken into data frames, or temporal snapshots. Within a data frame, all spatial samples are connected into a minimum spanning tree, then clustered, according to user defined parameters. Each cluster is mapped to one in the prior data frame, and statistics are computed from each cluster. These characteristics include cluster size, position, and pupil size. A multiple discriminant analysis uses these statistics both within and between data frames to formulate optimal rules for assigning the observations into zoomin, zoom-out, or no zoom conditions. The statistical procedure effectively generates heuristics for _uture assignments, based upon these variables. Future work will enhance the accuracy and precision of the modeling technique, and will empirically test users in controlled experiments.

show abstract

Cluster: A program for the identification of eye-fixation-cluster characteristics

Cited by 15 publications

References 4 publications

Okuma Araştırmalarında Geçmişten Günümüze Göz İzleme Tekniği

Okuma Araştırmalarında Geçmişten Günümüze Göz İzleme Tekniği

Visual Exploration of Eye Movement Data Using the Space-Time-Cube

Eye-Gaze Determination Of User Intent At The Computer Interface

Contact Info

Product

Resources

About