Use este identificador para citar ou linkar para este item: http://www.monografias.ufop.br/handle/35400000/4319
Título: Using clustering techniques for exploratory analysis of eye-tracking data.
Título(s) alternativo(s): Uso de técnicas de agrupamento para análise exploratória de dados de rastreamento ocular.
Autor(es): Martins, Lucca Arantes
Orientador(es): Silva, Saul Emanuel Delabrida
Gertrudes, Jadson Castro
Membros da banca: Bianchi, Andrea Gomes Campos
Ali, Qasim
Silva, Saul Emanuel Delabrida
Gertrudes, Jadson Castro
Palavras-chave: Eye-tracking
Machine learning
Agrupamento de dados
Data do documento: 2022
Referência: MARTINS, Lucca. UUsing clustering techniques for exploratory analysis of eye-tracking data. 2022. 58 f. Monografia (Graduação em Ciência da Computação) - Instituto de Ciências Exatas e Biológicas, Universidade Federal de Ouro Preto, Ouro Preto, 2022.
Resumo: Problemas de visão em crianças são uma ameaça ao processo de aprendizado, desenvolvimento cognitivo, interação social e performance escolar. Nos últimos anos, novas tecnologias têm sido aplicadas à exames de vista, aguçando as técnicas tradicionais e possibilitando o diagnóstico precoce de possíveis debilitações na funcionalidade do sistema visual. O rastreamento ocular (Eye-Tracking) é uma técnica amplamente utilizada para diferentes propósitos, e quando se trata de testagem e treinamento de visão, é fortemente adequada. Este trabalho objetiva aplicar engenharia de atributos e técnicas de agrupamento (Cluster Analysis) em dados de rastreamento ocular coletados de crianças executando tarefas estruturadas. A engenharia de atributos caracteriza as gravações em termos de performance e qualidade dos dados, e a análise exploratória possibilita diferentes configurações para os métodos de agrupamento de dados e seus hiperparâmetros. Métricas de validação avaliam a qualidade dos agrupamentos resultantes, e a análise dos resultados por parte de especialistas em visão é essencial para se conseguir inferências confiáveis em relação à saúde do sistema oculomotor das crianças. A fim de agilizar a análise exploratória e facilitar os experimentos, também propomos um framework para agrupamento dos dados de rastreamento ocular.
Resumo em outra língua: Vision impairments in children are harmful to their learning process, cognitive development, social interaction, and scholar performance. In recent years, new technologies have been applied for vision screening tests, sharpening traditional techniques and enabling the early diagnosis of different kinds of debilitation on the visual system functionality. Eye-tracking is a widely used technique applied for different purposes, and when it comes to vision assessment and training, it is greatly suitable. This work aims to apply feature engineering and cluster analysis techniques within eye-tracking data collected from children performing structured visual tasks. Feature engineering creates meaningful attributes for the recordings in terms of performance and data quality, and the exploratory analysis covers different configurations for the clustering methods and their hyper-parameters. Cluster validation metrics evaluate the clustering results’ quality, and domain expert acknowledgment is essencial for trustful inferences regarding the children’s oculomotor system’s health. In order to streamline the exploratory analysis and facilitate the experiments, we also propose a framework for Cluster Analysis of the eye-tracking data.
URI: http://www.monografias.ufop.br/handle/35400000/4319
Aparece nas coleções:Ciência da Computação

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
MONOGRAFIA_UsingClusteringTechniques.pdf4,24 MBAdobe PDFVisualizar/Abrir


Este item está licenciado sob uma Licença Creative Commons Creative Commons