Consensus Clustering of Free-Viewing Gaze Data: New Insights into Human-Information Interaction
Dieses Paper stellt EnsembleGaze vor, ein neuartiges unüberwachtes Ensemble-Learning-System, das Consensus-Clustering auf Free-Viewing-Blickdaten anwendet, robuste Unterscheidungen zwischen ambienten und fokalen Betrachtungsmodi für Stimuli aufzeigt und gleichzeitig demonstriert, dass Nutzerverhaltensmuster kontextabhängig sind und am besten durch Biclustering-Strategien erfasst werden.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich vor, Sie beobachten eine Gruppe von Menschen, die eine Reihe von Bildern an einer Wand betrachten. Sie können nicht hören, was sie denken, aber Sie haben eine spezielle Kamera, die genau verfolgt, wohin ihre Augen landen, wie lange sie verweilen und wie ihre Augen von einem Punkt zum anderen springen. Dies sind Blickdaten (Gaze Data).
Lange Zeit haben Wissenschaftler versucht, diese Daten zu verstehen, indem sie einzelne „Fixationen“ (wo das Auge anhält) oder „Sakkaden“ (die Sprünge zwischen den Haltepunkten) betrachteten. Aber die Autoren dieser Arbeit hatten das Gefühl, dass dies so ist, als würde man versuchen, ein ganzes Orchester zu verstehen, indem man nur ein Instrument nach dem anderen hört. Sie wollten die ganze Sinfonie hören: wie die Menschen gemeinsam mit den Bildern interagieren.
Hier ist eine einfache Aufschlüsselung ihres neuen Systems, EnsembleGaze, und dessen Entdeckungen.
Das Problem: Zu viele Möglichkeiten, den Kuchen zu schneiden
Wenn man versucht, Menschen basierend darauf zu gruppieren, wie sie Bilder betrachten, gibt es viele Wege.
- Man könnte sie danach gruppieren, wie schnell sich ihre Augen bewegen.
- Man könnte sie danach gruppieren, wie lange sie starren.
- Man könnte sie danach gruppieren, welche Farben in den Bildern sind.
Das Problem ist, dass man ein verzerrtes Ergebnis erhält, wenn man sich nur für eine einzige Art der Gruppierung entscheidet. Es ist, als würde man eine Gruppe von Freunden bitten, ein Kartendeck zu sortieren. Wenn man sie bittet, nach Farbe zu sortieren, erhält man einen Stapel. Wenn man sie bittet, nach Nummer zu sortieren, erhält man einen anderen Stapel. Keines von beiden ist „falsch“, aber keines davon erzählt die ganze Geschichte.
Die Lösung: Die „Super-Gruppe“ (Konsensus-Clustering)
Um dieses Problem zu lösen, entwickelten die Autoren ein System namens EnsembleGaze. Stellen Sie sich dieses System als ein Super-Richterpanel vor.
Anstatt sich auf eine einzige Methode zu verlassen, um die Daten zu sortieren, ließen sie mehrere verschiedene „Sortieralgorithmen“ (mathematische Methoden) die Aufgabe unabhängig vone von sich aus erledigen.
- Das Panel: Sie nutzten drei verschiedene „Richter“ (Algorithmen), um die Daten zu analysen.
- Die Abstimmung: Jeder Richter erstellt seine eigenen Gruppen. Dann schaut das System auf alle Stimmen. Wenn Richter A, Richter B und Richter C übereinstimmen, dass Person X und Person Y zur selben Gruppe gehören sollten, ist das System sehr zuversichtlich, dass sie tatsächlich zusammengehören.
- Die endgültige Entscheidung: Das System erstellt ein „Konsens“ (eine endgültige Übereinkunft) basierend auf diesen Stimmen. Dies reduziert die Fehlerwahrscheinlichkeit und liefert ein viel zuverlässigeres Bild davon, wer zu wem gehört.
Der Clou: Zwei Dinge gleichzeitig betrachten (Hochdimensionale Clusterbildung)
Die meisten Studien schauen entweder auf die Menschen ODER auf die Bilder.
- Studie A: „Welche Menschen schauen Bilder auf die gleiche Weise an?“
- Studie B: „Welche Bilder ziehen die gleiche Art von Aufmerksamkeit auf sich?“
Die Autoren wollten beides gleichzeitig tun. Sie behandelten die Kombination aus (Person + Bild) als eine einzige Einheit. Stellen Sie sich eine Tanzfläche vor, auf der Sie versuchen, Paare zu finden, die gut zusammen tanzen. Sie gruppieren nicht nur die Tänzer, und Sie gruppieren nicht nur die Lieder; Sie gruppieren die spezifischen Tanzschritte, die geschehen, wenn eine bestimmte Person ein bestimmtes Lied hört.
Sie nutzten dafür zwei fortgeschrittene Techniken:
- Subspace-Clustering: Dies ist so, als würde man die Tänzer zuerst nach ihrem Stil sortieren und dann, innerhalb jeder Stilgruppe, nach dem Lied sortieren, zu dem sie tanzen. Dies ist ein schrittweiser Ansatz.
- Biclustering: Dies ist so, als würde man die Tänzer und die Lieder gleichzeitig sortieren. Es findet eine spezifische Gruppe von Menschen, die alle eine bestimmte Auswahl an Liedern lieben, während es den Rest ignoriert.
Was sie herausgefunden haben (Die Ergebnisse)
Sie testeten dieses System an zwei berühmten Datensätzen für Eye-Tracking: einem mit natürlichen Szenen (wie Landschaften) und einem mit emotionalen Bildern.
1. Die „Ambiente“- vs. „Fokale“ Aufteilung
Sie fanden heraus, dass Bilder unabhängig von der Methode natürlich in zwei Hauptgruppen fallen:
- Die „Ambiente“-Gruppe: Dies sind Bilder, bei denen die Augen der Menschen weitläufig umherwandern und die gesamte Szene erfassen (wie beim Betrachten einer Landschaft).
- Die „Fokale“ Gruppe: Dies sind Bilder, bei denen die Augen auf spezifische Details fixiert werden (wie ein Gesicht oder ein Auto).
- Die Erkenntnis: Die Bilder selbst haben eine „Persönlichkeit“, die bestimmt, wie wir sie betrachten.
2. Menschen sind kontextabhängig
Die Personengruppen waren nicht feststehend. Eine Person kann ein „fokaler“ Beobachter sein, wenn sie eine Landschaft betrachtet, aber ein „ambienter“ Beobachter, wenn sie ein emotionales Bild betrachtet.
- Die Erkenntnis: Man kann eine Person nicht einfach als „schnellen Schauer“ oder „langsamen Schauer“ bezeichnen. Ihr Verhalten ändert sich je nach dem, was sie betrachten. Nur die fortgeschrittenen „Zwei-Dinge-gleichzeitig“-Methoden (Biclustering) konnten dieses komplexe Muster erkennen.
3. Farben spielen nicht so eine große Rolle, wie man denkt
Die Autoren prüften, ob die Farbe des Bildes (Rot vs. Blau) oder die Helligkeit (Hell vs. Dunkel) bestimmte, wie Menschen es betrachteten.
- Die Erkenntnis: Überraschenderweise: Nein. Die Farben und die Helligkeit der Bilder beeinflussten die Gruppierung der Menschen nicht maßgeblich.
4. Objekte sind wichtiger
Was jedoch im Bild war, war sehr wichtig.
- Wenn ein Bild viele Menschen oder Wildtiere enthielt, erzeugte dies unterschiedliche Betrachtungsmuster.
- Wenn ein Bild Objekte (wie Autos oder Möbel) enthielt, erzeugte dies andere Muster.
- Die Erkenntnis: Der Inhalt (die Objekte) treibt das Verhalten an, nicht nur die Farben.
Das Fazit
Die Autoren haben ein Werkzeug (EnsembleGaze) gebaut, das wie ein intelligentes Mehrstimmensystem fungiert, um zu verstehen, wie Menschen mit Bildern interagieren. Sie entdeckten, dass:
- Bilder sich natürlich in „Weitwinkel“- und „Nahaufnahme“-Kategorien aufteilen.
- Menschen keine feste Art des Sehens haben; sie ändern ihren Stil bas je nach Bild.
- Was im Bild ist (Objekte), wichtiger ist als die Farben.
Dieses System bietet eine zuverlässige, reproduzierbare Methode, um die menschliche Aufmerksamkeit zu untersuchen, ohne vorher raten zu müssen, was die „richtige“ Antwort ist. Es ist eine neue Art, der „Sinfonie“ der menschlichen Aufmerksamkeit zuzuhören, anstatt nur ein einzelnes Instrument zu hören.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.