Modeling Issues with Eye Tracking Data

Resumo Técnico: Problemas de Modelagem com Dados de Rastreamento Ocular

Enunciado do Problema
A análise de dados binários de rastreamento ocular (ET - eye-tracking) apresenta desafios estatísticos significativos devido à autocorrelação inerente das observações seriadas. Modelos mistos logísticos padrão frequentemente falham em considerar a dependência temporal em dados de séries temporais compostos por observações de Bernoulli (fixações no alvo ou fora dele), o que pode enviesar os erros padrão e as estimativas de parâmetros. Embora abordagens anteriores, como Modelos Lineares Generalizados Mistos (GLMM) aumentados com um preditor de defasagem (lag-1), tenham sido utilizadas para abordar isso, elas introduzem problemas de multicolinearidade e potencial instabilidade do modelo, particularmente ao distinguir entre efeitos aleatórios e parâmetros autorregressivos. Além disso, a compressão de dados de rastreamento ocular de alta frequência (ex: de 1000Hz para intervalos de 0,01s) cria longas sequências de estados idênticos (0s ou 1s), necessitando de estratégias de modelagem eficientes que preservem a estrutura subjacente do tempo de permanência (dwell-time) sem perder informação.

Metodologia
Este estudo analisa dados de rastreamento ocular originalmente coletados por Ryskin et al. (2015), focando em um design de classificação cruzada de sujeitos e itens através de tentativas conversacionais. O conjunto de dados foi pré-processado excluindo apresentações repetidas de itens por sujeito e removendo séries temporais com dados de gaze insuficientes. A análise compara cinco abordagens distintas de modelagem aplicadas tanto a dados brutos (não comprimidos) quanto a dados comprimidos:

1. GLM (Modelo Linear Generalizado Misto): Um modelo misto logístico basal com efeitos fixos para variáveis experimentais (Contrast, Privileged e suas interações com Time) e efeitos aleatórios para sujeitos e itens. Não modela explicitamente a autocorrelação.
2. LAG (Modelo de Defasagem): Uma extensão do GLM que inclui o resultado observado de defasagem 1 ($y_{t-1}$) como um preditor para contabilizar a recursão serial, juntamente com efeitos aleatórios.
3. AR1 (Equações de Estimativa Generalizada): Um modelo de regressão marginal usando Equações de Estimagem Generalizada (GEE) com uma estrutura de correlação AR(1) de trabalho. Esta abordagem incorpora o coeficiente de autocorrelação ($\phi_A$) diretamente na estrutura de variância, em vez de usar um preditor de defasagem observado.
4. COX (Modelo de Sobrevivência de Dois Estados Recorrentes): Utilizando Codificação de Comprimento de Corrida (RLE - Run Length Encoding) para comprimir a série temporal binária em episódios de gaze discretos. Este método modela os riscos de transição entre estados (0 para 1 e 1 para 0) usando uma estrutura de riscos proporcionais de Cox estratificada, tratando a duração em um estado como o tempo de sobrevivência.
5. ON-OFF (Modelo de Sobrevivência ON-OFF): Uma variação da abordagem de sobrevivência que trata a série binária como uma sequência de episódios de estado, modelando o tempo gasto em estados "ON" ou "OFF" como desfechos de sobrevivência com riscos basais estratificados.

O estudo utiliza os pacotes R lme4, glmtoolbox e survival para estimação. A compressão de dados via RLE é demonstrada como sendo livre de perdas (lossless), reduzindo o conjunto de dados de aproximadamente 646.000 registros para cerca de 15.000, preservando a estrutura temporal necessária para a análise de sobrevivência.

Principais Contribuições
O artigo introduz e ilustra duas abordagens inovadoras para lidar com a correlação serial em dados binários de rastreamento ocular sem depender de um preditor de defasagem 1 observado:

• GEE com Estrutura AR(1): Demonstra a aplicação de uma estrutura de erro autorregressiva de primeira ordem dentro de um framework de modelo marginal para dados de ET.
• Modelo de Sobrevivência de Dois Estados Recorrentes: Propõe o uso de dados comprimidos via RLE dentro de um framework de riscos proporcionais de Cox para modelar transições de estado (0→1 e 1→0) como eventos de sobrevivência discretos.

O estudo fornece uma análise comparativa de como essas diferentes suposições estruturais afetam as estimativas de efeitos fixos, erros padrão e componentes de variância. Ele destaca a eficiência computacional dos modelos de sobrevivência e a interpretabilidade de modelar transições de estado em vez de probabilidades pontuais no tempo.

Resultos

• Efeitos Fixos: Os modelos GLM, AR1 e de sobrevivência (COX/ON-OFF) produziram estimativas semelhantes para os efeitos experimentais (Privileged e Contrast), sugerindo robustez na detecção dos núcleos de efeitos cognitivos através de diferentes métodos de tratamento de autocorrelação. Em contraste, o modelo LAG produziu coeficientes notavelmente diferentes, particularmente para as variáveis Time e Contrast, e um coeficiente mais alto para Privileged.
• Erros Padrão: Os modelos GLM e LAG produziram os menores erros padrão. Os modelos AR1 e de sobrevivência produziram erros padrão aproximadamente o dobro dos do GLM. Os autores observam que isso se deve em parte ao tamanho efetivo de amostra reduzido nos modelos de sobrevivência (onde a última corrida de cada série é descartada devido a indicadores de transição ausentes).
• Autocorrelação e Variância: O modelo AR1 estimou uma correlação residual extremamente alta ($\phi \approx 0,95$), consistente com o comprimento de corrida mediana de 35 observações. O modelo LAG mostrou um pseudo-$R^2$ elevado, impulsionado pelo coeficiente de defasagem 1.
• Ajuste do Modelo: O modelo de sobrevivência ON-OFF demonstrou um coeficiente de concordância superior (0,574) em comparação ao modelo COX (0,512), indicando melhor desempenho em classificar corridas por tempo de mudança.
• Problemas de Identificação: Os resultados reforçam a dificuldade de identificar simultaneamente parâmetros autorregressivos e efeitos aleatórios em modelos de séries temporais hierárquicas, particularmente com séries temporais curtas. A inclus finally de um preditor de defasagem 1 no modelo LAG parece ter redistribuído a variância e os efeitos, potencialmente obscurecendo as contribuições reais dos interceptos aleatórios.

Significância e Alegações
O artigo afirma contribuir para os "estágios incipientes" de métodos alternativos para modelar efeitos autorregressivos em séries temporais binárias. Não pretende ter resolvido todos os problemas de modelagem, mas sim destacar questões não resolvidas:

1. Equivalência de Abordagens: A semelhança nas estimativas de efeitos experimentais entre AR1 e modelos de sobrevivência sugere uma relação teórica mais profunda entre estruturas de erro autorregressivo e modelos de transição de dois estados em tempo discreto.
2. Seleção de Modelo: O estudo argumenta que, embora modelos autorregressivos com coeficientes de defasagem sejam ferramentas exploratórias úteis, eles podem ser impraticáveis para séries temporais longas devido à multicolinearidade e problemas de identificação com efeitos aleatórios. Modelos de sobrevivência são propostos como uma alternativa viável para evitar quase-singularidades.
3. Definição de Desfecho: O artigo enfatiza a importância substantiva de escolher o desfecho correto para modelar. Sugere que modelar a transição para um olhar no alvo (abordagem de sobrevivência) pode ser mais informativo do que modelar a probabilidade de um olhar no alvo em um instante específico, dada a natureza baseada em corridas (runs) dos dados de rastreamento ocular.
4. Direções Futuras: O autor conclui modestamente que o estudo, baseado em um único conjunto de dados, aponta para modelos de transição de Markov como uma direção promissora para pesquisas futuras, desde que o software possa lidar com designs de sujeito-por-item incompletos e agrupamentos (clustering).

O artigo reconhece o uso de ferramentas de IA para formatação de referências, revisão de literatura, geração de código e revisão de texto, mantendo a transparência em relação ao processo de preparação.