WEB TABANLI GÖZ İZLEME TARİHİ KULLANARAK YÜKSEK İŞLEVLİ OTİZMİ TESPİT ETMEK İÇİN BİR MAKİNE ÖĞRENME YAKLAŞIMI

Autism Spectrum Disorder (ASD) is a heterogeneous neurodevelopmental disorder that causes social, communication and behavioral challenges with different severity levels. Studies report a considerable increase in ASD prevalence during the past two decades, and clinical psychologists face difficulties identifying individuals with ASD. Researchers have been using different techniques such as eye-tracking to help address ASD diagnosis. A previous study shows that training a logistic regression model with eye-tracking data gathered using web pages can be an effective method to identify high-functioning autism in adults. This thesis uses the same eye-tracking datasets, each of which includes two web-related tasks. The first dataset includes a searching task and a freely browsing task, while the second dataset includes a synthesis task and a time-restricted browsing task. Our study investigates a different data preprocessing method and evaluates various machine learning models based on that. This study obtains an accuracy of 91.6% and 76.3% for the searching task and the freely-browsing task, respectively. In contrast, the previous study obtains an accuracy of 75% for the search task and 71% for the browse task. Our study and the previous study obtain lower accuracies using the second dataset. Therefore, the results in this thesis demonstrate that tasks and pages used can affect the accuracy of machine learning algorithms. This thesis also suggests eye-tracking on the web can be a complementary practical tool for human experts to diagnose people with ASD more precisely.Otizm Spektrum Bozukluğu (OSB), farklı şiddet seviyelerinde sosyal, iletişim ve davranışsal zorluklara neden olan heterojen bir nörogelişimsel bozukluktur. Çalışmalar, son yirmi yılda OSB yaygınlığında önemli bir artış olduğunu bildirmektedir ve klinik psikologlar , OSBli bireyleri tanımlamada güçlüklerle karşılaşmaktadır. Araştırmacılar, OSB teşhisini ele almaya yardımcı olmak için göz izleme gibi farklı teknikler kullanıyorlar. Önceki bir çalışma, web sayfaları kullanılarak toplanan göz izleme verileriyle bir lojistik regresyon modeli eğitmenin, yüksek işlevli otizmi tanımlamak için etkili bir yöntem olabileceğini göstermektedir. Her biri web ile ilgili iki görev içeren ve aynı göz izleme veri kümeleri bu araştırmada kullanılacaktır. İlk veri seti, bir arama görevi ve serbestçe göz atma görevi içerirken, ikinci veri seti bir sentez görevi ve zaman kısıtlamalı bir tarama görevi içerir. Çalışmamız, farklı bir veri ön işleme yöntemini araştırmakta ve buna bağlı olarak çeşitli makine öğrenimi modellerini değerlendirmektedir. En iyi durumlarda, bu çalışma arama görevi ve serbestçe gezinme görevi için sırasıyla % 91,6 ve %76,3 doğruluk elde etmektedir. Bunun aksine, önceki çalışma arama görevi için %75 ve göz atma görevi için %71 doğruluk elde ediyor. Her iki çalışma da ikinci veri setini kullanarak daha düşük doğruluklar elde etmektedir. Bu nedenle, bu tezdeki sonuçlar, kullanılan görevlerin ve sayfaların makine öğrenimi algoritmalarının performansını etkileyebileceğini göstermektedir. Bu tez ayrıca, web sayfalarını kullanan göz izleme verilerinin, insan uzmanların OSBli kişileri daha kesin bir şekilde teşhis etmeleri için tamamlayıcı bir pratik araç olabileceğini önermektedir.M.S. - Master of Scienc