Modeling Issues with Eye Tracking Data

Sintesi Tecnica: Problemi di Modellazione dei Dati di Eye Tracking

Problema
L'analisi dei dati binari di eye-tracking (ET) presenta significative sfide statistiche dovute all'autocorrelazione intrinseca delle osservazioni seriali. I modelli logistici misti standard spesso non riescono a tenere conto della dipendenza temporale nei dati di serie temporali composti da osservazioni bernoulliane (fissazioni su o fuori da un target), il che può causare distorsioni negli errori standard e nelle stime dei parametri. Sebbene approcci precedenti, come i Modelli Lineari Generalizzati (GLMM) aumentati da un predittore lag-1, siano stati utilizzati per affrontare questo problema, essi introducono questioni di multicollinearità e potenziale instabilità del modello, in particolare quando si distingue tra effetti casuali e parametri autoregressivi. Inoltre, la compressione dei dati di eye-tracking ad alta frequenza (ad esempio, da 1000Hz a intervalli di 0,01s) crea lunghe sequenze di stati identici (0 o 1), rendendo necessari modelli efficienti che preservino la struttura sottostante del tempo di permanenza (dwell-time) senza perdere informazioni.

Metodologia
Questo studio analizza dati di eye-tracking originariamente raccolti da Ryskin et al. (2015), concentrandosi su un disegno cross-classified di soggetti e item attraverso prove conversazionali. Il dataset è stato pre-elaborato escludendo le presentazioni ripetute degli item per soggetto e rimuovendo le serie temporali con dati di sguardo insufficienti. L'analisi confronta cinque distinti approcci di modellazione applicati sia a dati grezzi (non compressi) che compressi:

1. GLM (Modello Lineare Generalizzato): Un modello misto logistico di base con effetti fissi per le variabili sperimentali (Contrast, Privileged e le loro interazioni con Time) ed effetti casuali per soggetti e item. Non modella esplicitamente l'autocorrelazione.
2. LAG Model: Un'estensione del GLM che include l'esito osservato lag-1 ($y_{t-1}$) come predittore per tenere conto della ricorsione seriale, insieme agli effetti casuali.
3. AR1 (Equazioni di Stima Generalizzate): Un modello di regressione marginale utilizzando le Equazioni di Stima Generalizzate (GEE) con una struttura di correlazione di lavoro AR(1). Questo approccio incorpora il coefficiente di autocorrelazione ($\phi_A$) direttamente nella struttura della varianza piuttosto che utilizzare un predittore lag-1 osservato.
4. COX (Modello di Sopravvivenza a Due Stati Ricorrenti): Utilizzando la codifica della lunghezza della corsa (Run Length Encoding - RLE) per comprimere la serie temporale binaria in episodi di sguardo (run). Questo metodo modella i rischi di transizione tra gli stati (0 $\to$ 1 e 1 $\to$ 0) utilizzando un framework di rischi proporzionali di Cox stratificato, trattando la durata in uno stato come il tempo di sopravvivenza.
5. Modello di Sopravvivenza ON-OFF: Una variazione dell'approccio di sopravvivenza che tratta la serie binaria come una sequenza di episodi di stato, modellando il tempo trascorso negli stati "ON" o "OFF" come esiti di sopravvivenza con hazard basali stratificati.

Lo studio utilizza i pacchetti R lme4, glmtoolbox e survival per la stima. La compressione dei dati tramite RLE è dimostrata essere lossless (senza perdita di informazioni), riducendo il dataset da circa 646.000 record a circa 15.000, preservando la struttura temporale necessaria per l'analisi di sopravvivenza.

Contributi Chiave
Il documento introduce e illustra due nuovi approcci per gestire la correlazione seriale nei dati binari di eye-tracking senza fare affidamento su un predittore lag-1 osservato:

• GEE con struttura AR(1): Dimostra l'applicazione di una struttura di errore autoregressiva del primo ordine all'interno di un framework di modello marginale per i dati ET.
• Modello di Sopravvivenza Ricorrente a Due Stati: Propone l'uso di dati compressi tramite RLE all'interno di un framework di rischi proporzionali di Cox per modellare le transizioni di stato (0$\to$1 e 1$\to$0) come eventi di sopravvivenza discreti.

Lo studio fornisce un'analisi comparativa di come queste diverse assunzioni strutturali influenzino le stime degli effetti fissi, gli errori standard e le componenti di varianza. Evidenzia l'efficienza computazionale dei modelli di sopravvivenza e l'interpretabilità della modellazione delle transizioni di stato piuttosto che delle probabilità in un istante specifico.

Risultati

• Effetti Fissi: I modelli GLM, AR1 e di sopravvivenza (COX/ON-OFF) hanno prodotto stime simili per gli effetti sperimentali (Privileged e Contrast), suggerendo robustezza nel rilevare i core cognitivi attraverso diversi metodi di gestione dell'autocorrelazione. Al contrario, il modello LAG ha prodotto coefficienti notevolmente diversi, in particolare per le variabili Time e Contrast, e un coefficiente più alto per Privileged.
• Errori Standard: I modelli GLM e LAG hanno prodotto gli errori standard più piccoli. I modelli AR1 e di sopravvivenza hanno prodotto errori standard circa il doppio rispetto al GLM. Gli autori osservano che ciò è dovuto in parte alla riduzione della dimensione effettiva del campione nei modelli di sopravvivenza (dove l'ultima corsa di ogni serie viene scartata a causa di indicatori di transizione mancanti).
• Autocorrelazione e Varianza: Il modello AR1 ha stimato una correlazione residua estremamente elevata ($\phi \approx 0,95$), coerente con la lunghezza mediana della corsa di 35 osservazioni. Il modello LAG ha mostrato un pseudo-$R^2$ elevato guidato dal coefficiente lag-1.
• Fit del Modello: Il modello di sopravvivenza ON-OFF ha dimostrato un coefficiente di concordanza più elevato (0,574) rispetto al modello COX (0,512), indicando una migliore capacità di classificare le corse per tempo di transizione.
• Problemi di Identificazione: I risultati confermano la difficoltà di identificare simultaneamente i parametri autoregressivi e gli effetti casuali nei modelli gerarchici a serie temporali, in particolare con serie temporali brevi. L'inclusione di un predittore lag-1 nel modello LAG sembra aver ridistribuito la varianza e gli effetti, potenzialmente oscurando i contributi reali degli intercetta casuali.

Significatività e Rivendicazioni
Il documento sostiene di contribuire alle "fasi nascenti" di metodi alternativi per la modellazione di effetti autoregressivi in serie temporali binarie. Non afferma di aver risolto tutti i problemi di modellazione, ma piuttosto evidenzia questioni irrisolte:

1. Equivalenza degli Approcci: La somiglianza nelle stime degli effetti sperimentali tra i modelli AR1 e di sopravvivenza suggerisce una relazione teorica più profonda tra le strutture di errore autoregressivo e i modelli a due stati a tempo discreto.
2. Selezione del Modello: Lo studio sostiene che, sebbene i modelli autoregressivi con coefficienti lag siano utili strumenti esplorativi, possano risultare poco pratici per serie temporali lunghe a causa della multicollinearità e dei problemi di identificazione con gli effetti casuali. I modelli di sopravvivenza sono proposti come un'alternativa valida per evitare quasi-singolarità.
3. Definizione dell'Esito: Il documento sottolinea l'importanza sostanziale di scegliere l'esito corretto da modellare. Suggerisce che modellare la transizione verso uno sguardo sul target (approccio di sopravvivenza) possa essere più informativo rispetto alla modellazione della probabilità di uno sguardo sul target in un istante specifico, data la natura basata sulle corse (run) dei dati di eye-tracking.
4. Direzioni Future: L'autore conclude modestamente che lo studio, basandosi su un singolo dataset, punta verso i modelli di transizione di Markov come una direzione promettente per la ricerca futura, a condizione che il software possa gestire disegni subject-by-item incompleti e clustering.

Il documento riconosce l'uso di strumenti di IA per la formattazione dei riferimenti, la revisione della letteratura, la generazione di codice e la revisione del testo, mantenendo la trasparenza riguardo al processo di preparazione.