Grouping eye tracking data with appropriate similarity functions

Eye-Tracking gewann als Hilfsmittel zur Evaluation von Benutzerschnittstellen und Visualisierungen in den letzten Jahren stets an Beliebtheit. Ein Vergleich der Lösungsstrategien verschiedener Personen kann anhand der Blickpfade, auch Scanpaths genannt, durchgeführt werden. Für diese Aufgabe fehlt zurzeit noch eine optimale Methode. Bereits existierende Arbeiten verwenden unter anderem Algorithmen zum String-Vergleich, um die Ähnlichkeit zwischen Scanpaths zu ermitteln. Diese Algorithmen können durch Parameter beeinflusst werden. Auch eine Vorverarbeitung der Blickpfade ist durch Methoden mit weiteren Parametern möglich. Angesichts der Vielzahl von denkbaren Kombinationen ist eine Auswahl der optimalen Parameter schwer. In dieser Arbeit werden unterschiedliche Ansätze für den Vergleich von Scanpaths untersucht. Dazu gehören unter anderem die Levenshtein-Distanz und der Algorithmus von Needleman und Wunsch, die einen Wert für die Ähnlichkeit von Strings berechnen. Für diese Ansätze werden Erweiterungen zur Vorverarbeitung der Scanpaths und Einbeziehung weiterer Informationen in den Vergleich erarbeitet. Eine Evaluation in drei Versuchen mit generierten und real aufgezeichneten Eye-Tracking-Daten zeigt anschließend, welche der Parameterkonfigurationen sich in der Praxis bewähren.Eye tracking has recently become a popular technique for evaluating user interfaces and visualizations. A comparison of strategies used by participants to solve a task can be done using so-called scanpaths. There is still a need for an optimal method for the comparison of those paths. Previous approaches often use string comparison algorithms to determine the similarity between scanpaths. Various parameters can affect the behavoiur of those algorithms. Additionally, methods requiring even more parameters can pre-process scanpaths. Due to the number of possible combinations, choosing optimal parameters is a non-trivial task. Different existing approaches dealing with scanpath comparison are examined in this work, including the string comparison algorithms from Levenshtein and Needleman-Wunsch. Possible extensions regarding pre-processing and the inclusion of further information into the comparison are developed. The results are then evaluated in three experiments using generated and real world eye tracking data to demonstrate the performance of different parameter configurations in practical data analysis