Eye Tracking – Datenauswertung

Die Einsatzmöglichkeiten für Eye-Tracking-Messungen sind vielfältig und dementsprechend bunt fallen die Studien und Ergebnisse aus. In den meisten Fällen beschränken sich die Anwender von Eye-Tracking Analysen auf einfache Heat-Maps oder Gaze-Plots, die wir in diesem Kapitel besprochen haben.

Wer sich intensiv mit Eye-Tracking beschäftigt weiß, dass diese Analysen nur die Spitze des Eisbergs sind und die wirklich interessanten Einblicke erst mit dem Einsatz von multivariaten statistischen Methodiken sichtbar werden. Wie das im Detail funktionert verrät diese Anleitung.

Wir bleiben in diesem Tutorial bei unserem Beispiel und vergleichen zwei Plakate der Marke Nivea.

Zwei Werbeplakate von Nivea, die sich gut Vergleichen lassen.

 

Area of Interests

Heat Maps und Gazeplots sind rein visuelle Analysen von Ergebnissen. Für intensivere Einblicke brauchen wir entsprechende Daten, die die Grundlage für unsere Berechnungen sind. Aus diesem Grund legen wir Bereiche auf unseren Stimuli fest, für die wir später Variablen erzeugen. Diese Bereiche werden als Area of Interest bezeichnet und können vor oder nach der Aufnahme dem Stimulus hinzugefügt werden. Wie Areas of Interest (AOI) eingezeichnet werden, zeigt dieses Tutorial:

Hinweis: Hier gehts zum Tutorial: AOIs in einen Stimuli einzeichnen.

In unserem Beispiel zeichnen wir für jeden Stimuli bzw. jedes Werbeplakat die Areas of Interest ein. Die Abstände der AOI sollten nicht kleiner als die Messgenauigkeit bzw. der zu erwartende systematische Messfehler sein. Wenn der Eye-Tracker einen Messfehler von 10 Pixel in alle Richtungen hat, dann sollten die AOIs ebenfalls diesen Abstand (besser sogar mehr) haben. Darüber hinaus können die AOIs größer als der eigentliche Bereich sein, stets davon abhängig wie Groß der systematische Messfehler sein wird, um schlecht aufgezeichnete Blicke dennoch korrekt zuordnen zu können. Achte ebenfalls darauf, dass sich AOI nicht überschneiden.

Hinweis, die AOIs in dem Bildschirmausschnitt sind recht eng gefasst und gehen von einem minimalen systematischen Messfehler aus.

Wenn die AOIs eingezeichnet sind erstellen wir mehrere Variablen für die jeweiligen Stimuli. Die am häufigsten verwendeten Variablen heißen Time to First Fixation und Total Fixation Duration. Sie messen die Zeit wie lange ein Probanden in Sekunden gebraucht hat, um die bestimmte AOI zu sehen (TFF) bzw. wie lange die AOI insgesammt betrachtet wurde (TFD). TFF misst demnach die Geschwindigkeit und TFD die Dauer der Wahrnehmung eines Probanden.

Die beiden Diagramme zeigen die Mittelwerte in Sekunden der einzelnen AOIs für beide Werbeplakate.

Links: eingezeichnete Areas of interest für zwei Plakate. Rechts der Vergleich von Mittelwerten zwischen beiden Plakaten.

 

TFF und TFD im Versuchsdesign

Die Grundlagen der Analysen stellen die Variablen TFF oder TFD da, die für jeden Probanden, für jeden Stimuli und jede AOI gemssen werden. Ein klassisches Versuchsdesign für Eye-Tracking Messungen sieht das Anzeigen von mehreren Bildern (Stimuli) nacheinander vor, während die Betrachtungsdauer für alle Bilder gleich lang und die Reihenfolge zufällig ist. Beispielsweise lassen sich so mehrere Werbeplakate daraufhin untersuchen, wie schnell im Durchschnitt das Firmenlogo oder die Werbebotschaft gesehen wurde. Das Ergebnis könnte so wie im oberen Beispiel aussehen.

Eine weitere Möglichkeit stellt der Vergleich zweier oder mehrere Bilder dar, die gleichzeitig dargestellt werden. Ein berühmtes Experiment stellt eine Coca Cola und Pepsi Cola Dose nebeineinander und vergleicht, wie sich die Aufmerksamkeit in dieser Konkurrenzsituation verteilt.

Cola Dosen im Vergleich. Für mehr Übersicht wurden die Fixationen klein skaliert. Rechts werden die Blickdauern aller Probanden für jede Dose (AOI) zusammengerechnet.

Was alle Untersuchungen vereint ist eine Kernfrage: Sind die gemessenen Unterschiede zwischen den Bildern und den AOI signifikant. Genauer gesagt: sind die gemessenen Unterschiede zufällig entstanden oder kann eine Hypothese angenommen werden, die von einem Effekt ausgeht.

 

Zwischenfazit

Zusammenfassend gilt für die Analyse der Auswertungen, dass die Betrachtung der Heatsmaps und Gazeplots eine einfache, schnelle und oberflächliche Analyse darstellt, die Anzeigt, wie sich die Aufmerksamkeit auf einem Stimulus verteilt. Die Zeichnung von Areas of Interests ermöglicht die Erstellung von Variablen wie Time to First Fixation (TFF) und Total Fixation Duration (TFD) und ist die Grundlage für den mathematischen Vergleich zwischen den Stimuli und den Probanden. Der nächste Schritt stellt die statistische Analyse der Mittelwerte und die Generierung von Modellen dar.

 

Multivariate Analysen

Der Datensatz sieht in der Regel so aus: Eine Versuchseinheit (Case) stellt der Proband dar, dessen Werte sich jeweils in einer Zeile befinden. Die einzelnen Messungen der Areas of Interest werden als Spalten abgebildet.

Jede Zeile sammelt die Daten eines Probanden (Versuchseinheit). In den Spalten befinden sich die AOIs.

Eine Eye-Tracking Software wie Tobii Studio ist selbst nicht für statistische Berechnungen geeignet. Aus diesem Grund exportieren wir den Datensatz und laden diesen entwender gleich in eine Statistiksoftware wie R oder SPSS hoch.

Erfahrene Forscher und Forscherinnen verknüpfen weitere Datenquellen mit den Eye-Tracking Daten. Dazu gehören soziodemographische Variablen wie Alter oder Geschlecht, Werte aus Befragungen wie beispielsweise zur Persönlichkeit (NEO FFI) oder anderen impliziten Messungen wie Elektroenzephalografie (EEG), Elektromyographie (EMG), elektrodermale Aktivität (EDA) oder dem Puls (HR).

An dieser Stelle berechnen wir die Eye-Tracking-Variablen in multivariaten Verfahren. Das Besondere an Eye-Tracking-Variablen ist das besonders hohe Skalenniveau (Verhältnisskala) die komplexe Berechnungen erlaubt. Es kommt jedoch häufig vor, dass die Daten nicht normalverteilt sind und beispielsweise per Log-Funktion transformiert werden müssen.

Hat dir der Beitrag gefallen?